技术特征：1.一种基于多关系重构与融合图神经网络的股价崩盘风险预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于多关系重构与融合图神经网络的股价崩盘风险预测方法，其特征在于，在步骤1中，对于给定的公司i，以该公司的输入特征表示为vi，使用lstm来提取时序特征：
3.根据权利要求1所述的基于多关系重构与融合图神经网络的股价崩盘风险预测方法，其特征在于，所述步骤2具体包括以下步骤：
4.根据权利要求3所述的基于多关系重构与融合图神经网络的股价崩盘风险预测方法，其特征在于，所述步骤3具体包括以下步骤：
5.根据权利要求4所述的基于多关系重构与融合图神经网络的股价崩盘风险预测方法，其特征在于，所述步骤4具体如下：
技术总结本发明公开了一种基于多关系重构与融合图神经网络的股价崩盘风险预测方法，包括：将每只股票的时间序列数据输入长短期记忆模型，捕捉股票的时间信息并生成序列嵌入；将序列嵌入和关系输入多关系重构模块；利用显性关系重构企业间的隐性关系，得到重构后的显性和隐性关系编码以及企业节点嵌入；将重构后的显式关系、隐式关系和企业节点嵌入的编码输入多关系融合模块，得到企业节点的表示；将序列嵌入和企业节点表示法串联起来，输入输出映射模块，用于预测股票暴跌风险；本发明将GNN模型引入上市公司股价崩盘风险研究，通过合理建模其图结构关系，来探究上市公司股价崩盘风险的运行趋势。
技术研发人员：王俊,谭晶桦,廖磊,李庆
受保护的技术使用者：西南财经大学
技术研发日：技术公布日：2024/4/8