一种基于区块链和舆情的股票风控系统的制作方法

1.本发明涉及风险预测领域，特别是涉及一种基于区块链和舆情的股票风控系统和方法。


背景技术：

2.随着互联网技术的发展，越来越多的投资者倾向于借助于互联网来搜集宏观经济政策、企业经营状况、股票市场走势等信息，同时也借助于互联网来表达自身对股票投资的看法和情绪。通过观察发现，互联网中的舆论情况与股票风险存在联系，这种联系的产生原因包括：股民对股票投资的从众心理、金融公司或企业对舆论的有意引导等。相关技术中，存在一些根据舆论情况预测股票风险的方法。但是这些方法通常都采用中心化的预测系统，导致预测结果的可信度偏低，并且预测结果也存在被篡改的可能性。


技术实现要素：

3.本发明实施例的目的在于提供一种基于区块链和舆情的股票风控系统和方法，旨在提高股票风险预测的可靠性。具体技术方案如下：
4.在本发明实施例的第一方面，提供一种基于区块链和舆情的股票风控系统，所述系统包括信息采集服务器和区块链网络，所述区块链网络包括多个节点，每个节点运行有预设模型，所述预设模型输出的预测结果用于表征目标股票是否存在风险；
5.所述信息采集服务器用于：周期性地从目标网站采集目标舆论信息，并根据预设条件，判断所述目标股票当前是否产生了风险，以获得判断结果；
6.所述信息采集服务器还用于：将上一周期采集的历史目标舆论信息、所述判断结果、以及当前周期采集的当前目标舆论信息发送给所述区块链网络；
7.所述区块链网络的每个共识代理节点在获得所述历史目标舆论信息、所述判断结果以及所述当前目标舆论信息后，用于将所述历史目标舆论信息作为训练样本，将所述判断结果作为标签，对所述预设模型进行训练更新，并将所述当前目标舆论信息输入更新后的预设模型，得到预测结果，所述预测结果用于表征所述目标股票在下一周期是否会产生风险；
8.所述每个共识代理节点还用于：将自身得到的预测结果和自身更新后的预设模型的模型参数作为区块数据，生成新区块，并基于挖矿算法，确定符合挖矿要求的随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至所述新区块的区块头，并向其他共识代理节点广播所述新区块；
9.所述每个共识代理节点还用于：在接收到其他共识代理节点广播的新区块后，从该新区块中读取出其他共识代理节点的预测结果和模型参数，并将其他共识代理节点的预测结果和模型参数与自身的预测结果和模型参数进行比较，在预测结果相同，且模型参数的差异度小于预设差异度的情况下，确认该新区块通过共识，并广播该新区块；
10.所述每个共识代理节点还用于：在一个新区块被预设数量个共识代理节点共识的
情况下，将该新区块连接至区块链尾端，并根据该新区块中记录的模型参数，调整自身的预设模型的模型参数。
11.在本发明实施例的第二方面，提供一种基于区块链和舆情的股票风控方法，所述方法应用于区块链网络中的共识代理节点，所述共识代理节点运行有预设模型，所述预设模型输出的预测结果用于表征目标股票是否存在风险，所述方法包括：
12.获得信息采集服务器提交的上一周期的历史目标舆论信息、当前周期的判断结果以及当前周期的当前目标舆论信息后，将所述历史目标舆论信息作为训练样本，将所述判断结果作为标签，对所述预设模型进行训练更新，并将所述当前目标舆论信息输入更新后的预设模型，得到预测结果，所述预测结果用于表征所述目标股票在下一周期是否会产生风险；其中，所述判断结果用于表示所述目标股票在所述当前周期是否产生了风险；
13.将自身得到的预测结果和自身更新后的预设模型的模型参数作为区块数据，生成新区块，并基于挖矿算法，确定符合挖矿要求的随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至所述新区块的区块头，并向其他共识代理节点广播所述新区块；
14.在接收到其他共识代理节点广播的新区块后，从该新区块中读取出其他共识代理节点的预测结果和模型参数，并将其他共识代理节点的预测结果和模型参数与自身的预测结果和模型参数进行比较，在预测结果相同，且模型参数的差异度小于预设差异度的情况下，确认该新区块通过共识，并广播该新区块；
15.在一个新区块被预设数量个共识代理节点共识的情况下，将该新区块连接至区块链尾端，并根据该新区块中记录的模型参数，调整自身的预设模型的模型参数。
16.本发明中，每个共识代理节点根据上一周期的历史目标舆论信息和当前周期的判断结果，对自身运行的预设模型进行训练更新，并将当前周期的当前目标舆论信息输入至更新后的预设模型，从而预测目标股票在下一周期是否会产生风险。并且，每个共识代理节点会将预测结果和更新后的模型参数作为区块数据，生成新区块，并基于挖矿算法寻找满足挖矿条件的随机数，如果寻找到随机数，则将该随机数记录至新区块的区块头，并广播该新区块。当共识代理节点接收到其他共识代理节点广播的新区块时，将该新区块中记录的预测结果和模型参数与自身的预测结果和模型参数进行对比，从而确认该区块是否通过共识。如果通过共识，则转发该新区块。最后，当新区块通过区块链全网共识后，每个共识代理节点将新区块连接至区块链末端，并根据新区块中记录的模型参数，调整自身预设模型的参数。可见，本发明基于区块链技术，不仅实现了股票风险的预测，还实现了预设模型的训练更新，提升了预测结果的可靠性。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，以下描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
18.图1是本发明一实施例提出的基于区块链和舆情的股票风控系统的结构示意图；
19.图2是本发明一实施例提出的基于区块链和舆情的股票风控方法的流程示意图。
具体实施方式
20.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
21.相关技术中，存在一些根据舆论情况预测股票风险的方法。但是这些方法通常都采用中心化的预测系统，导致预测结果的可信度偏低，并且预测结果也存在被篡改的可能性。本发明通过提出以下基于区块链和舆情的股票风控系统和方法，旨在提高股票风险预测的可靠性。
22.参考图1，图1是本发明一实施例提出的基于区块链和舆情的股票风控系统的结构示意图。如图1所示，系统包括信息采集服务器和区块链网络，所述区块链网络包括多个节点，每个节点运行有预设模型，所述预设模型输出的预测结果用于表征目标股票是否存在风险。
23.在一些实施例中，目标股票是否存在风险是指：目标股票在当前周期的股价，相比于上一周期的股价，跌幅是否超过预设跌幅。其中，周期时长可以是一天或一星期，预设跌幅可以是5％。
24.图1中，所述信息采集服务器用于：周期性地从目标网站采集目标舆论信息，并根据预设条件，判断所述目标股票当前是否产生了风险，以获得判断结果。
25.在一些实施例中，目标舆论信息是指：与目标股票相关的新闻、文章、帖子、评论等等。例如信息采集服务器可以根据目标股票的关键词(例如股票代码、公司名称等)，从目标网站爬去包含该关键词的新闻、文章、帖子、评论等，作为目标舆论信息。
26.在一些实施例中，信息采集服务器在判断目标股票当前是否产生了风险时，具体可以判断所述目标股票在当前周期的股价相比于上一周期的股价，跌幅是否超过预设跌幅，如果超过预设跌幅，则确定所述目标股票当前产生了风险。
27.为便于理解，示例地，假设周期时长为24小时，预设跌幅等于5％，则信息采集服务器将目标股票在24小时前的股价与当前股价进行比较，如果股价跌幅超过5％，则确定目标股票当前产生了风险。
28.图1中，所述信息采集服务器还用于：将上一周期采集的历史目标舆论信息、所述判断结果、以及当前周期采集的当前目标舆论信息发送给所述区块链网络。
29.在一些实施例中，信息采集服务器可以将历史目标舆论信息、判断结果以及当前目标舆论信息封装成一个交易，并基于负载均衡策略，将该交易提交给区块链网络中的一个共识代理节点。该共识代理节点接收到交易后，将该交易广播给区块链网络内的其他共识代理节点。
30.图1中，所述区块链网络的每个共识代理节点在获得所述历史目标舆论信息、所述判断结果以及所述当前目标舆论信息后，用于将所述历史目标舆论信息作为训练样本，将所述判断结果作为标签，对所述预设模型进行训练更新，并将所述当前目标舆论信息输入更新后的预设模型，得到预测结果，所述预测结果用于表征所述目标股票在下一周期是否会产生风险。
31.在一些实施例中，每个共识代理节点获得历史目标舆论信息后，将历史目标舆论
信息输入词向量模型，得到词向量模型输出的词向量，然后将该词向量模型输入预设模型，得到预设模型输出的结果，再将该结果与判断结果进行比较，从而得到损失值，最后利用该损失值对预设模型进行训练更新。其中，预设模型可以选用长短期记忆网络模型，也可以选用深度卷积神经网络。
32.预设模型训练更新后，将当前目标舆论信息输入词向量模型，得到词向量模型输出的词向量，然后将该词向量输入更新后的预设模型，得到该预设模型输出的预测结果。
33.图1中，所述每个共识代理节点还用于：将自身得到的预测结果和自身更新后的预设模型的模型参数作为区块数据，生成新区块，并基于挖矿算法，确定符合挖矿要求的随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至所述新区块的区块头，并向其他共识代理节点广播所述新区块。
34.在一些实施例中，挖矿算法具体可以选用pow算法，共识代理节点需要寻找一个满足难度条件(即本发明中的挖矿条件)的随机数。如果找到了满足难度条件的随机数，则相当于竞争到了随机数，然后将该随机数记录至新区块的区块头。
35.图1中，所述每个共识代理节点还用于：在接收到其他共识代理节点广播的新区块后，从该新区块中读取出其他共识代理节点的预测结果和模型参数，并将其他共识代理节点的预测结果和模型参数与自身的预测结果和模型参数进行比较，在预测结果相同，且模型参数的差异度小于预设差异度的情况下，确认该新区块通过共识，并广播该新区块。
36.在一些实施例中，共识代理节点在比较模型参数时，具体地，可以将自身模型的多个模型参数按照预设顺序进行排列，将排列后的多个模型参数作为第一向量。同样地，将接收到的新区块中的多个模型参数也按照预设顺序进行排列，将排列后的多个模型参数作为第二向量。接着计算第一向量与第二向量之间的向量距离，然后判断向量距离是否小于预设距离(即本发明中的预设差异度)。本发明中，如果向量距离小于预设距离，则说明两个共识代理节点对预设模型的训练过程是基本一致的，两个共识代理节点在预设模型训练期间作恶的可能性比较低。
37.本发明中，如果共识代理节点自身的预测结果与广播的新区块中的预测结果一致，且共识代理节点自身的模型参数与广播的新区块中的模型参数差异较小，则共识代理节点认可该新区块。共识代理节点可以对该新区块进行签名，表示认可该新区块，然后转发签名后的新区块。
38.图1中，所述每个共识代理节点还用于：在一个新区块被预设数量个共识代理节点共识的情况下，将该新区块连接至区块链尾端，并根据该新区块中记录的模型参数，调整自身的预设模型的模型参数。
39.其中，预设数量可以等于共识代理节点的总数量的一半再加1。例如共识代理节点的数量等于20，则预设数量等于11。或者例如，共识代理节点的数量等于15，则预设数量等于8。
40.在一些实施例中，当共识代理节点接收到预设数量个经过签名的新区块后，表示新区块已经被预设数量各共识代理节点认可。因此，共识代理节点可以将该新区块添加至区块链的尾端。
41.值得说明的是：本发明中，每个共识代理节点根据上一周期的历史目标舆论信息和当前周期的判断结果，对自身运行的预设模型进行训练更新，并将当前周期的当前目标
舆论信息输入至更新后的预设模型，从而预测目标股票在下一周期是否会产生风险。并且，每个共识代理节点会将预测结果和更新后的模型参数作为区块数据，生成新区块，并基于挖矿算法寻找满足挖矿条件的随机数，如果寻找到随机数，则将该随机数记录至新区块的区块头，并广播该新区块。当共识代理节点接收到其他共识代理节点广播的新区块时，将该新区块中记录的预测结果和模型参数与自身的预测结果和模型参数进行对比，从而确认该区块是否通过共识。如果通过共识，则转发该新区块。最后，当新区块通过区块链全网共识后，每个共识代理节点将新区块连接至区块链末端，并根据新区块中记录的模型参数，调整自身预设模型的参数。可见，本发明基于区块链技术，不仅实现了股票风险的预测，还实现了预设模型的训练更新，提升了预测结果的可靠性。
42.在一些实施例中，每个共识代理节点还用于：在预测结果相同，但模型参数的差异度大于预设差异度的情况下，停止确定随机数，但不确定该新区块通过共识，且不广播该新区块。
43.此外，所述每个共识代理节点还用于：在预测结果不相同的情况下，继续基于挖矿算法确定随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至新区块的区块头，并向其他共识代理节点广播该新区块。
44.其中，停止确定随机数是指：共识代理节点暂时停止寻找随机数，共识代理节点此时并不确定是否可以认可该新区块，因此共识代理节点也不会对该新区块进行签名转发。应当理解的，虽然该共识代理节点此时不会对该新区块做进一步处理，但是其他共识代理节点在经过预测结果、模型参数等的比较后，可能会认可该新区块，并对该新区块进行签名和转发。
45.值得说明的是，本发明中，如果预测结果相同，且模型参数的差异度较小，则共识代理节点认可新区块，从而使得自身停止寻找随机数。如果预测结果不相同，则共识代理节点不认可该新区块，从而继续寻找随机数。如果预测结果相同，但模型参数的差异度较大，则共识代理节点暂时停止寻找随机数，而是等待其他共识代理节点转发该新区块。本发明通过上述方式寻找随机数，可以使得整个区块链网络降低随机数寻找期间的算力消耗。
46.在一些实施例中，所述每个共识代理节点还用于：在预测结果相同，但模型参数的差异度大于预设差异度的情况下，如果在预设时间内所述区块链网络没有确定出通过共识的区块，则继续基于挖矿算法确定随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至新区块的区块头，并向其他共识代理节点广播该新区块。
47.如前所述，如果预测结果相同，但模型参数的差异度较大，则共识代理节点暂时停止寻找随机数，而是等待其他共识代理节点转发该新区块。但是，如果在预设时间内(例如1分钟内)，签名并转发该新区块的节点数量未达到预设数量，则说明该新区块没有被预设数量的节点认可，也说明整个区块链网络还没有确定出通过共识的区块。因此，等待状态的共识代理节点继续寻找随机数，如果寻找到符合要求的随机数，则将该随机数记录至新区块的区块头，并向其他共识代理节点广播该新区块。
48.在一些实施例中，所述每个共识代理节点还用于：针对已经连接至区块链末端的新区块，记录未广播该新区块的共识代理节点的节点标识。
49.所述每个共识代理节点还用于：在周期性选举共识代理节点时，将记录的节点标识广播给所述区块链网络的每个节点，使得所述节点标识对应的节点从当前选举周期的候
选列表中删除。
50.具体实现时，可以每经过10次共识轮次，重新选举一批共识代理节点。而共识代理节点在每轮共识期间，可以记录没有对最后上链的区块进行签名和转发的共识代理节点的节点标识。
51.为便于理解，示例地，假设在第1个共识轮次期间，区块101(101是区块高度)最终通过共识并被连接至区块链尾端。然而在该区块101被共识和转发期间，共识代理节点c并没有对该区块101进行签名和转发，则说明共识代理节点c自身的预测结果和模型参数，与区块101中的预测结果和模型参数相差较大，进而说明共识代理节点c可能是作恶节点，也可能是不能稳定运行的节点。因此，各个共识代理节点会记录共识代理节点c的节点标识c。
52.假设在第2个共识轮次期间，区块102(102是区块高度)最终通过共识并被连接至区块链尾端。然而在该区块102被共识和转发期间，共识代理节点c和f并没有对该区块102进行签名和转发，则说明共识代理节点c和f自身的预测结果和模型参数，与区块102中的预测结果和模型参数相差较大，进而说明共识代理节点c和f可能是作恶节点，也可能是不能稳定运行的节点。因此，各个共识代理节点会记录共识代理节点c和f的节点标识c、f。
53.在第11轮共识之前，会重新选举新一批的共识代理节点。在选举期间，各个共识代理节点对记录的节点标识进行广播，从而提前从候选列表期间删除这些被记录的节点，进而使得被选举出的共识代理节点均是安全且稳定的节点。
54.以上，本发明通过实施例提供了一种或多种基于区块链和舆情的股票风控系统。以下，本发明通过另一些实施例提出一种或多种基于区块链和舆情的股票风控方法。需要说明的是，由于下述方法的原理与上述系统的原理一致，因此为避免重复，以下仅对方法进行简要介绍。以下方法的具体实施方式，可参考以上系统的具体实施方式。
55.参考图2，图2是本发明一实施例提出的基于区块链和舆情的股票风控方法的流程示意图。该方法应用于区块链网络中的共识代理节点，所述共识代理节点运行有预设模型，所述预设模型输出的预测结果用于表征目标股票是否存在风险。如图2所示，该方法包括以下步骤：
56.s210：获得信息采集服务器提交的上一周期的历史目标舆论信息、当前周期的判断结果以及当前周期的当前目标舆论信息后，将所述历史目标舆论信息作为训练样本，将所述判断结果作为标签，对所述预设模型进行训练更新，并将所述当前目标舆论信息输入更新后的预设模型，得到预测结果，所述预测结果用于表征所述目标股票在下一周期是否会产生风险；其中，所述判断结果用于表示所述目标股票在所述当前周期是否产生了风险。
57.s220：将自身得到的预测结果和自身更新后的预设模型的模型参数作为区块数据，生成新区块，并基于挖矿算法，确定符合挖矿要求的随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至所述新区块的区块头，并向其他共识代理节点广播所述新区块。
58.s230：在接收到其他共识代理节点广播的新区块后，从该新区块中读取出其他共识代理节点的预测结果和模型参数，并将其他共识代理节点的预测结果和模型参数与自身的预测结果和模型参数进行比较，在预测结果相同，且模型参数的差异度小于预设差异度的情况下，确认该新区块通过共识，并广播该新区块。
59.s240：在一个新区块被预设数量个共识代理节点共识的情况下，将该新区块连接
至区块链尾端，并根据该新区块中记录的模型参数，调整自身的预设模型的模型参数。
60.在一些实施例中，所述方法还包括：在预测结果相同，但模型参数的差异度大于预设差异度的情况下，停止确定随机数，但不确定该新区块通过共识，且不广播该新区块；在预测结果不相同的情况下，继续基于挖矿算法确定随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至新区块的区块头，并向其他共识代理节点广播该新区块。
61.在一些实施例中，所述方法还包括：在预测结果相同，但模型参数的差异度大于预设差异度的情况下，如果在预设时间内所述区块链网络没有确定出通过共识的区块，则继续基于挖矿算法确定随机数，在确定出符合挖矿要求的随机数后，将该随机数记录至新区块的区块头，并向其他共识代理节点广播该新区块。
62.在一些实施例中，所述方法还包括：针对已经连接至区块链末端的新区块，记录未广播该新区块的共识代理节点的节点标识；在周期性选举共识代理节点时，将记录的节点标识广播给所述区块链网络的每个节点，使得所述节点标识对应的节点从当前选举周期的候选列表中删除。
63.在一些实施例中，所述判断结果是通过以下方式确定的：判断所述目标股票在当前周期的股价相比于上一周期的股价，跌幅是否超过预设跌幅，如果超过预设跌幅，则确定所述目标股票当前产生了风险。
64.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
65.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
66.以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。