摘要
本发明提出一种基于多目标集成学习算法的金融风险预测方法，旨在解决金融领域风险预测中多风险类型综合评估、数据复杂性与非线性关系处理以及动态变化适应性等难题。该方法通过时空分块数据预处理技术，将金融时间序列划分为多个时间块，并独立训练异构模型库，以提高模型的适应性和预测精度。同时，采用NSGA‑II多目标优化算法结合Gibbs分布动态分配权重，平衡预测精度与工程实用性，实现经济指标与工程指标的动态优化。此外，设计时间衰减与混合注意力机制，融合多模型预测结果，进一步捕捉市场动态变化，提高风险预测的准确性和实时性。该方法有效提升了金融风险预测的精度与实时响应能力。
