1.一种基于数据挖掘的金融风险等级标注方法，其特征在于，包括以下步骤：步骤S1：获取目标金融产品数据；根据目标金融产品数据对目标金融产品进行业务领域确定，从而获取产品所属行业数据；

步骤S2：获取数据采集目标城市数据；根据数据采集目标城市数据对目标城市进行经济指标数据采集，从而获取经济指标数据集；对经济指标数据集进行隐含经济运行规律挖掘，从而获取经济运行规律数据；根据经济运行规律数据对目标金融产品进行初步风险因子标注，从而获取初步风险因子数据；

步骤S3：对目标金融产品所属企业进行资产关联网络分析，从而获取资产关联网络数据；对目标金融产品所属企业进行技术创新能力评估，从而获取技术创新能力评估数据；根据资产关联网络数据以及技术创新能力评估数据对目标金融产品所属企业进行抗风险能力评估，从而获取企业综合抗险能力数据；

步骤S4：对目标金融产品进行企业运行数据采集，从而获取企业运行数据集；对企业运行数据集进行特征提取和降维，从而获取产品经营风险特征数据；对产品经营风险特征数据进行产品潜在经营风险评级，从而获取产品潜在风险数据；步骤S4包括以下步骤：步骤S41：对目标金融产品进行企业运行数据采集，从而获取企业运行数据集；

步骤S42：对企业运行数据集进行结构化处理，从而获取结构化企业运行数据集；

步骤S43：将结构化企业运行数据集输入至预设的卷积自编码器深度学习模型，通过非监督特征学习算法对结构化企业运行数据集进行高维特征自动提取，从而获取产品经营风险特征数据；

步骤S44：构建GBDT梯度提升决策树模型，将产品经营风险特征向量作为输入样本特征输入至GBDT梯度提升决策树模型进行训练，从而获取产品经营风险评级模型；

步骤S45：将产品经营风险特征向量输入至产品经营风险评级模型进行特征映射和经营风险预测，从而获取产品潜在风险数据；

步骤S5：对初步风险因子数据与产品潜在风险数据进行综合风险因子网络构建，从而获取产品风险因子网络架构数据；根据产品风险因子网络架构数据对目标金融产品进行最终风险等级标注，从而获取最终风险等级数据；对最终风险等级数据进行多维度可视化处理，从而获取产品风险等级图表；

步骤S6：对投资者进行目标金融产品账户相关记录采集，从而获取投资者账号记录数据；对投资者进行个人资产分布分析，从而获取个人资产分布数据；根据投资者账号记录数据以及个人资产分布数据对投资者进行信用风险评估，从而获取投资者信用风险评估数据；将投资者信用风险评估数据发送给目标金融产品所属企业；步骤S6包括以下步骤：步骤S61：对投资者进行目标金融产品账户相关记录采集，从而获取投资者账号记录数据；

步骤S62：对投资者账号记录数据进行高频交易检测，从而获取投资者高频交易数据；

步骤S63：对投资者进行资产数据统计汇总，从而获取投资者资产结构数据；根据投资者资产结构数据对投资者进行个人资产分布分析，从而获取个人资产分布数据；

步骤S64：对投资者高频交易数据与个人资产分布数据进行交易行为模式识别，从而获取投资者交易行为模式数据，包括探索投资者的交易频率、交易规模、资产配置方面的模式；

步骤S65：根据投资者交易行为模式数据对投资者进行信用风险评估，从而获取投资者信用风险评估数据；

步骤S66：对投资者信用风险评估数据进行信用风险度量与分析，从而获取投资者信用风险评估数据；利用投资者信用风险评估数据对对应的投资者进行信用档案智能标注，从而获取投资者信用档案标签数据；将投资者信用档案标签数据发送给目标金融产品所属企业。

2.根据权利要求1所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S2包括以下步骤：步骤S21：获取数据采集目标城市数据；

步骤S22：根据数据采集目标城市数据进行数据源策略制定，从而获取数据源策略数据；

步骤S23：根据数据源策略数据对目标城市进行经济指标数据采集，从而获取经济指标数据集，其中经济指标数据集包括多个不同数据源采集的经济指标数据；

步骤S24：对经济指标数据集中每个数据源进行可信度计算，从而获取每个数据源对应的可信度数据，并将可信度数据低于预设的可信度阈值对应的数据源采集得到的经济指标数据进行剔除，从而获取可信经济指标数据集；

步骤S25：根据可信经济指标数据集对目标金融产品进行初步风险因子标注，从而获取初步风险因子数据。

3.根据权利要求2所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S24通过数据源可信度计算公式对经济指标数据集中每个数据源进行可信度计算，其中数据源可信度计算公式如下所示：；

式中，为数据源的可信度，为数据源采集得到的经济指标数据的个数，为数据源采集得到的经济指标数据的序号， 为第 个经济指标数据与真实值的偏差，为圆周率，为第 个经济指标数据的标准差，为第 个经济指标数据的采集时间，为自然对数的底数，为任意的正实数。

4.根据权利要求2所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S25包括以下步骤：步骤S251：根据数据采集目标城市数据对目标城市进行企业基本信息采集，从而获取企业基本信息数据集，其中企业基本信息数据集包括多个企业基本信息数据；对目标城市进行企业经营状况监测，从而获取企业经营数据集，其中企业经营数据集包括多个企业经营数据；其中企业基本信息数据集中的企业基本信息数据与企业经营数据集中的企业经营数据存在一一对应关系；

步骤S252：根据企业基本信息数据集对对应的企业进行行业生态划分，从而获取产业生态网络数据；

步骤S253：对产业生态网络数据进行企业生态网络构建，从而获取企业生态网络架构数据；

步骤S254：根据企业经营数据集以及企业生态网络架构数据对可信经济指标数据集进行隐含经济运行规律挖掘，从而获取经济运行规律数据；

步骤S255：根据经济运行规律数据对目标金融产品进行初步风险因子标注，从而获取初步风险因子数据。

5.根据权利要求4所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S254包括以下步骤：步骤S2541：对企业经营数据集进行濒危企业分析，从而获取濒危企业数据；

步骤S2542：根据濒危企业数据对企业生态网络架构数据中对应的企业进行濒危企业标注，从而获取高级企业生态网络架构数据；

步骤S2543：根据企业经营数据集对对应企业进行企业经营模式分析，从而获取企业经营模式数据集；

步骤S2544：根据企业经营模式数据集以及高级企业生态网络架构数据对可信经济指标数据集进行隐含经济运行规律挖掘，从而获取经济运行规律数据。

6.根据权利要求5所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S2544包括以下步骤：步骤S25441：对企业经营模式数据集中每个企业经营模式数据进行资产负债表分析，从而获取企业财务结构数据集，其中企业财务结构数据集包括每个企业对应的企业财务结构数据；

步骤S25442：根据企业财务结构数据集对相应企业进行企业盈利能力分析，从而获取企业盈利能力数据集；

步骤S25443：根据企业经营模式数据集以及企业盈利能力数据集对对应企业进行企业智能风险评估，从而获取企业智能风险特征数据集；利用企业智能风险特征数据集对高级企业生态网络架构数据进行拓扑解析，从而获取企业生态网络拓扑结构数据；

步骤S25444：对可信经济指标数据集进行目标经济指标确定，从而获取目标经济指标数据；

步骤S25445：根据目标经济指标数据对可信经济指标数据集进行分类标记，从而构建经济指标库；

步骤S25446：对经济指标库进行经济运行隐含依赖关系结构提取，从而获取经济运行隐含依赖结构表；

步骤S25447：基于企业生态网络拓扑结构数据以及经济运行隐含依赖结构表对可信经济指标数据集进行经济运行规律挖掘，从而获取经济运行规律数据。

7.根据权利要求1所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S3包括以下步骤：步骤S31：对目标金融产品所属企业进行企业治理数据采集，从而获取产品企业治理数据；

步骤S32：根据产品企业治理数据对目标金融产品所属企业进行资产关联网络分析，从而获取资产关联网络数据；

步骤S33：对目标金融产品所属企业进行核心技术人才队伍构成分析，从而获取人才构成数据；

步骤S34：对目标金融产品所属企业进行专利数据深度挖掘，从而获取专利技术数据；

步骤S35：根据人才构成数据以及专利技术数据对目标金融产品所属企业进行技术创新能力评估，从而获取技术创新能力评估数据；

步骤S36：根据资产关联网络数据以及技术创新能力评估数据对目标金融产品所属企业进行抗风险能力评估，从而获取企业综合抗险能力数据。

8.根据权利要求1所述的基于数据挖掘的金融风险等级标注方法，其特征在于，步骤S5包括以下步骤：步骤S51：对产品潜在风险数据进行风险敏感性分析，从而获取网络关键节点因子数据；

步骤S52：对初步风险因子数据与网络关键节点因子数据进行综合风险因子网络构建，从而获取产品风险因子网络架构数据；

步骤S53：获取市场波动性数据集；

步骤S54：根据市场波动性数据集对产品风险因子网络架构数据进行风险传播模拟，从而获取风险传播路径数据；

步骤S55：对风险传播路径数据进行风险传播影响力分析，从而获取风险传播影响力数据；

步骤S56：利用风险传播影响力数据对目标金融产品进行最终风险等级标注，从而获取最终风险等级数据；

步骤S57：对最终风险等级数据进行多维度可视化处理，从而获取产品风险等级图表。