[发明专利]用于情景模拟的系统和方法

权利要求书

1.一种用于使用人工智能、轮询和网络理论动态地生成表示情景和用户界面元素的数据结构的方法，所述方法包括：

通过应用第一规则集从由所述第一规则集限定的多个事件生成事件来处理多个数据馈源，所述事件被链接到结果集；

通过将第二规则集应用于所述事件来生成宏观因素集；

获取限定多个轮询问题的第三规则集；

通过应用所述第三规则生成轮询问题子集来处理所述宏观因素集的子集，每个轮询问题被链接到宏观因素子集中的宏观因素、以及可接受作为针对所述宏观因素的数据值的输入响应范围；

生成并显示用户界面，所述用户界面具有针对被链接到宏观因素、以及可接受作为针对所述宏观因素的所述数据值的所述输入响应范围的所述轮询问题的可视元素；

表示针对所述宏观因素和所述结果的情景的图形数据存储结构，所述图形数据存储结构中的每个节点限定描述符和数据值，所述图形数据存储结构包括根节点、被连接至所述根节点的结果节点、和被连接至所述结果节点的宏观因素节点，每个宏观因素节点包括数据值；

在所述用户界面处接收对所述轮询问题的所选择的输入响应；

获取第四规则集，所述第四规则集计算针对所述宏观因素节点的所述数据值，并且基于情绪因素针对偏差过滤所述输入响应；

通过应用所述第四规则集生成针对所述宏观因素节点的所述数据值，来处理经过滤的所述输入响应；

用针对所述宏观因素节点的所述数据值填充所述图形数据存储结构，以生成针对所述结果节点的情景；以及

更新所述用户界面以产生其他可视元素，所述其他可视元素指示响应分布。

2.根据权利要求1所述的方法，其中通过将所述第二规则集应用于所述事件来生成所述宏观因素集涉及对历史数据的深度学习。

3.根据权利要求2所述的方法，其中通过将所述第二规则集应用于所述事件来生成所述宏观因素集涉及对历史数据的回归。

4.根据权利要求2所述的方法，其中针对所述宏观因素的所述数据值基于所述响应分布而被计算。

5.根据权利要求1所述的方法，其中针对所述宏观因素节点的所述数据值包括到极限的范围。

6.根据权利要求1所述的方法，其中针对所述宏观因素节点的所述数据值包括值增加或减少的概率。

7.一种用于生成情景和表示在所述情景下的工具的评估的用户界面元素的设备，所述设备包括：

数据存储设备；

以及处理器，所述处理器被配置为：

接收多个数据馈源，并且应用第一规则集来生成事件，所述事件被链接到结果集；

生成针对所述事件的宏观因素集；

生成针对所述宏观因素集的子集的轮询问题子集，每个轮询问题被链接到宏观因素子集中的宏观因素、以及可接受作为针对所述宏观因素的数据值的输入响应范围；

生成用户界面，所述用户界面具有针对被链接到宏观因素、以及可接受作为针对所述宏观因素的所述数据值的所述输入响应范围的所述轮询问题的可视元素；

生成表示针对所述宏观因素和所述结果集的情景的图形数据存储结构，所述图形数据存储结构中的每个节点限定描述符和数据值，所述图形数据存储结构包括与根节点相对应的事件节点、被连接至所述根节点的结果节点、和被连接至所述结果节点的宏观因素节点，每个宏观因素节点包括数据值；

在所述用户界面处接收对所述轮询问题的所选择的输入响应；

使用通过情绪因素过滤的所述所选择的输入响应来计算针对所述宏观因素节点的所述数据值，以自动检测偏差；

用针对所述宏观因素节点的所述数据值填充所述图形数据存储结构，以生成针对所述结果节点的情景；以及

更新所述用户界面以产生其他可视元素，所述其他可视元素指示响应分布或投资组合的评估。

8.根据权利要求7所述的设备，其中所述处理器使用对历史数据的深度学习来生成所述宏观因素集。

9.根据权利要求7所述的设备，其中所述处理器使用对历史数据的回归来生成所述宏观因素集。