[发明专利]一种基于CNN-LSTM的财务造假识别方法及系统

权利要求书

1.一种基于CNN-LSTM的财务造假识别方法，其特征在于，包括：

基于财务数据抽取特征，根据特征是否时序相关，把特征分成时序相关特征和时序无关特征；

基于所述时序相关特征，采用CNN-LSTM模型，得到第一特征；

基于所述时序无关特征，采用CNN模型，得到第二特征；

将所述第一特征和第二特征进行拼接，得到融合特征；

基于所述融合特征确定财务数据造假是否造假。

2.根据权利要求1所述的基于CNN-LSTM的财务造假识别方法，其特征在于，其中，时序相关特征是与时序信息高度相关的特征，该特征在实际每个股票数据中会不断产生；时序无关特征是一类相对稳定的特征。

3.根据权利要求1所述的基于CNN-LSTM的财务造假识别方法，其特征在于，所述基于所述时序相关特征，采用CNN-LSTM模型，得到第一特征的过程包括：采用CNN提取时序相关特征的卷积特征，然后对所述卷积特征进行批标准化处理。

4.根据权利要求3所述的基于CNN-LSTM的财务造假识别方法，其特征在于，在卷积特征批标准化处理后，进入LSTM中，得到一定尺寸的特征后，经过全连接层，得到第二特征。

5.根据权利要求1所述的基于CNN-LSTM的财务造假识别方法，其特征在于，所述将所述第一特征和第二特征进行拼接，得到融合特征的过程包括：将所述第一特征和第二特征进行拼接，然后经过一个全连接层，得到融合特征。

6.根据权利要求1所述的基于CNN-LSTM的财务造假识别方法，其特征在于，所述基于所述融合特征确定财务数据造假是否造假的过程包括：基于所述融合特征，采用Softmax激活函数，得到上市公司的股票数据造假的概率和不造假的概率。

7.根据权利要求1所述的基于CNN-LSTM的财务造假识别方法，其特征在于，在所述基于所述融合特征确定财务数据造假是否造假的过程，采用损失函数预测财务数据造假概率。

8.一种基于CNN-LSTM的财务造假识别系统，其特征在于，包括：

特征提取模块，其被配置为：基于财务数据抽取特征，根据特征是否时序相关，把特征分成时序相关特征和时序无关特征；

CNN-LSTM模块，其被配置为：基于所述时序相关特征，采用CNN-LSTM模型，得到第一特征；

CNN模块，其被配置为：基于所述时序无关特征，采用CNN模型，得到第二特征；

融合模块，其被配置为：将所述第一特征和第二特征进行拼接，得到融合特征；

财务数据检测模块，其被配置为：基于所述融合特征确定财务数据造假是否造假。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的基于CNN-LSTM的财务造假识别方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的基于CNN-LSTM的财务造假识别方法中的步骤。