基于机器学习的金融大数据风险预测模型研究与应用

宋 城宇
北交金科金融信息服务有限公司

摘要

目的：本文旨在研究基于机器学习的金融大数据风险预测模型，通过不同模型的比较分析，探讨如何利用大数据
提升风险预测的精度和可靠性，为金融决策提供支持。方法：本文选取支持向量机（SVM）、随机森林（RF）和长短期记
忆网络（LSTM）三种模型，对真实金融大数据集进行实验分析。通过特征工程提取核心特征，采用交叉验证和测试数据
集对模型性能进行评估，分析其准确率、均方误差和特征重要性。结果：实验结果显示，LSTM 模型在准确率和均方误差
上表现最优（准确率 91.8%，均方误差 0.045），而随机森林在特征解释性和计算效率方面具有优势。结论：不同模型在风
险预测中的表现各有侧重，应根据场景需求选择适合的模型。结合模型优化技术可进一步提升性能，为金融风险预测提供
更全面的解决方案。

关键词

机器学习；金融大数据；风险预测；LSTM

参考

[1] 唐国豪 , 朱琳 , 廖存非 , 等 . 基于自编码机器学习的

资产定价研究——中国股票市场的金融大数据分析视角 [J].

管理科学学报 , 2024(9).

[2] 苗子清 , 张涛 , 党印 . 中国银行体系系统性金融风险

传染研究——基于 24 家 A 股银行的大数据与机器学习分析

[J]. 复印报刊资料 : 统计与精算 , 2022(1):15.

[3] 李仕瑾 . 大数据背景下基于机器学习的公司财务风

险识别研究初探 [J]. 审计与理财 , 2024.

[4] 李璜玮 , 刘卫东 . 面向金融场景的大数据与机器学习

平台 [J]. 自动化应用 , 2024, 65(1):9-12.

[5] Boudali I , Chebaane S , Zitouni Y .A predictive

approach for myocardial infarction risk assessment using machine

learning and big clinical data[J].Healthcare Analytics, 2024,

5.DOI:10.1016/j.health.2024.100319.