CN108229801A - 逆向资产配置分析方法、设备及存储介质 - Google Patents

Abstract

本发明提供一种逆向资产配置分析方法、设备及存储介质，涉及金融投资领域。用户通过预先设定投资需求，由根据投资需求在匹配相对应的量化投资策略模型并相应生成标的，提取多个投资标的并依据投资需求优化配置投资权重，根据所述投资标的各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。本发明通过预先设定投资需求，根据投资需求来逆向制定资产配置策略，能获得精准的资产投资配置策略，符合用户的投资需求；本发明实现无需用户拥有代码能力即可应用量化投资策略，提高量化投资策略的生成效率，从而提高使用量化投资策略的用户群体范围。

Description

逆向资产配置分析方法、设备及存储介质

技术领域

本发明涉及金融投资领域，特别地，涉及一种逆向资产配置分析方法、设备及存储介质。

背景技术

量化投资是指以获取稳定收益为目的、通过数量化方法及计算机程序发出买卖指令的投资交易方法，其中，量化投资策略就是利用数量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。

目前，用户可以使用量化投资策略平台进行量化投资，用户通过向平台输入收入、年龄等个人信息，量化投资策略平台中金融领域的现代组合理论算法为用户推荐相应的投资策略，按照投资策略进行买入及长期持有，但是，这种方式使得投资方式的灵活度较低。另外，现有的量化投资策略平台的用户均是面向计算机专业背景的程序员而非金融分析师或一般投资者，现有的大部分量化投资平台均采用Python语言编写，使得用户需要拥有一定的代码能力才可以使用量化投资策略平台，缩小了量化投资策略平台的使用范围；其次，量化投资策略平台中的策略开发形态受限于策略研究员的个人知识，策略开发形态无法由广大用户所开发，并且，策略开发者的知识水平不同，开发的策略亦不相同，使得策略开发形态的水平差异较大，导致量化投资策略平台的使用效率较低。

另外，量化平台的投资策略往往是通过分析现有的有股票收益率再给投资者推荐相应的股票投资策略，例如CN107437227A公开了《股票投资分析装置与方法》，该方法首先通过采集多个目标股票的多种股票评估参数，再依据采集到的多种股票评估参数、预先训练的非线性收益率计算模型、预存储的每个目标股票关联的多种股票评估参数训练样本以及每个目标股票的历史收益率生成每个目标股票的预期收益率，然后判断每个目标股票的预期收益率的所属分档区间，最后依据每个目标股票的预期收益率的所属分档区间生成股票投资策略。该方法存在如下问题：不能从投资者的需求角度出发来精准地给出投资建议。

发明内容

为克服上述缺陷，本发明提供一种逆向资产配置分析方法、设备及存储介质，用户通过预设投资需求，能获得精准的资产投资配置策略。

为实现以上目的，一方面，本发明提出的一种逆向资产配置分析方法，适于在计算设备中执行，包括以下步骤：

(1)设置投资需求，所述需求包括用户输入的目标数据；

(2)根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数；

(3)提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重；

(4)输出结果。

进一步地，所述步骤(2)包括：

(21)根据所述投资需求设置策略模型；或

从预设的策略模型库中提取出与所述目标数据对应的策略模型；

(22)根据所述策略模型生成相应的标的和/或所述标的的特性参数；

所述与投资需求相对应的策略模型有多个，相应地生成各个策略模型对应的标的和/或所述标的的特性参数；

所述特性参数包括所述标的的盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者组合；

所述盈利因子包括：阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利；

所述亏损因子包括：最大亏损、平均亏损、总亏损中的一组或者组合收益率、盈亏比、最大回撤中的一组或多组。

进一步地，所述步骤(3)包括：

(31)根据预设的参数提取多个投资标的；或

用户根据所述标的的特性参数提取多个投资标的；

(32)配置所述多个投资标的的投资权重，利用优化算法优化所述多个投资标的的投资权重以达到预设的投资需求；

(33)根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重。

进一步地，所述根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重具体包括：

分别统计各个策略模型对应的投资标的，根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。

进一步地，所述步骤(2)中，当没有与所述投资需求相匹配的策略的模型时，调整所述投资需求并重新确认与所述投资需求相对应的策略模型，生成相应的标的和/或所述标的的特性参数。

进一步地，所述步骤(5)中，输出结果包括输出标的、资产配置权重以及策略配置权重中的一组或多组。

所述目标数据包括盈利目标和约束条件；所述盈利目标包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利中的一组或多组；所述约束条件包括最大亏损、平均亏损、总亏损、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或多组。

另一方面，本发明还提出一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行逆向资产配置分析方法中的任一方法。

另一方面，本发明还提出一种计算机存储介质，所述存储介质存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行逆向资产配置分析方法中的任一方法。

与现有技术相比，本发明具有以下有益效果：

用户通过预先设定投资需求，由根据投资需求在匹配相对应的量化投资策略模型并相应生成标的，提取多个投资标的并依据投资需求优化配置投资权重，根据所述投资标的各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。与现有技术相比，本发明通过预先设定投资需求，根据投资需求来逆向制定资产配置策略，能获得精准的资产投资配置策略，符合用户的投资需求；

2.与现有无代码能力的或策略开发知识有限的用户，无法使用现有的量化投资策略平台相比，本发明通过对用户输入的目标数据匹配量化投资策略的基准模型，并根据用户资产状况得到相应的优选资产配置方案，实现无需用户拥有代码能力即可应用量化投资策略，并且，避免个人知识水平的高低影响量化投资策略的实行，提高量化投资策略的生成效率，从而提高使用量化投资策略的用户群体范围。

附图说明

图1为本发明一实施例逆向资产配置分析方法的流程图。

图2为本发明另一实施例逆向资产配置分析方法的流程图。

图3为本发明另一实施例逆向资产配置分析装置的框架图。

具体实施方式

人们在做量化策略和投资时，现有技术的主要缺点在于无代码能力的或策略开发知识有限的用户，无法使用现有的量化投资策略平台，同时，对于此类用户，现有的量化投资平台也不能从投资者的需求角度出发来精准地给出投资建议。基于此，本发明通过对用户输入的目标数据匹配量化投资策略的基准模型，并根据用户资产状况得到相应的优选资产配置方案，实现无需用户拥有代码能力即可应用量化投资策略，并且，避免个人知识水平的高低影响量化投资策略的实行，提高量化投资策略的生成效率，从而提高使用量化投资策略的用户群体范围。本发明通过预先设定投资需求，根据投资需求来逆向制定资产配置策略，能获得精准的资产投资配置策略，符合用户的投资需求。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。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。

为便于对本实施例进行理解，首先对本发明实施例所公开的逆向资产配置分析方法进行详细介绍，本发明除了应用在股票，还可以应用在股指期货、商品期货以及具有实时价格波动的金融衍生品上。下面的实施例将以股票为例进行详细说明。

实施例一

本发明公开了一种逆向资产配置分析方法，该方法适于在计算设备中执行，参见图1，示出了本实施例逆向资产配置分析方法的流程图，包括以下步骤：

步骤101，设置投资需求，所述需求包括用户输入的目标数据。

在具体的实施例中，由用户预先设置投资需求，该投资需求包括用户输入的一组或多组投资目标数据，所述目标数据包括盈利目标和约束条件；所述盈利目标包括盈利因子，盈利因子包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利中的一组或多组，该盈利因子并不限于此；约束条件包括亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率，亏损因子包括最大亏损、平均亏损、总亏损中的一组或多组，该亏损因子并不限于此。比如用户可以输入的投资目标数据包括：阿尔法收益、贝塔收益、盈亏比、亏损阈值、最大回撤中的一组或多组数据组合。

步骤102，根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数。

根据上述用户输入的投资需求，得到与投资需求相应的量化投资策略模型。该策略模型可以为用户根据投资需求而设置的策略，也可以从预置策略模型库中提取出与所述投资需求对应的策略模型。

该策略模型库生成方法可参考图2，示出了策略模型库生成方法的流程图，包括如下步骤：

步骤a.输入多个策略模型，并预设回测的执行时间与循环执行间隔；

步骤b.模型回测：到了预设执行时间后，利用历史数据，对模型进行回测，输出各个模型回测结果，所述的回测结果包括但不限于最大盈利、最大亏损、最大回撤、盈亏比；

步骤c.调整模型参数，继续回测，直到模型的参数范围回测完全；

步骤d.将策略模型、参数范围以及参数范围内的回测结果存储到测量模型库。

本实施例中，该预置的存储位置中存储有多个与所述投资目标数据相对应的多个量化投资策略模型。通过从预设策略模型库中提取符合需求的策略模型，避免用户自行撰写策略代码，提高量化投资策略的生成效率。其中，所述的预置策略为技术人员或用户存储在平台中的投资策略抽象，具体投资策略本发明实施例不作具体限定，所述的预置策略模型库存储于存储器中，存储位置可以为缓存存储，也可以为本地存储，本发明也不作具体的限定。

进一步地，在步骤102前，还包括：分别建立多个投资目标数据与预置策略的规则映射关系，得到多个量化投资策略的基准模型，存储在预置存储位置中。通过建立投资目标数据与预置策略之间的映射关系，得到多个量化投资策略的基准模型，存储至预置存储位置中，简化建立规则映射关系步骤，使得用户可以直接从预置存储位置中提取已经存在有策略模型，从而提高量化投资策略的生成效率。

根据所述提取的策略模型生成相应的标的和/或各标的的特性参数，本实施例中，该标的定义为股票，以输出的策略模型为输入，输出与所述基准策略相匹配的股票列表和/或各标的的特性参数。本实施例中，特性参数包括盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者组合，并不限于此。该盈利因子包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利；亏损因子包括最大亏损、平均亏损、总亏损中的一组或者组合收益率、盈亏比、最大回撤中的一组或多组，并不限于此。

本实施例中，提取与投资需求相对应的多个策略模型，并相应地生成各个策略模型对应的标的和/或所述标的的特性参数。

步骤103，提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重。

本实施例中，从多个策略模型生成的标的中提取符合预设阈值的多个投资标的进行资产配置，预设阈值可以为设定期间内标的的收益率、总收益、盈亏比、最大回撤阈值。可选地，用户根据多个策略模型输出标的的特性参数提取多个符合预期的标的作为投资标的进行资产配置。本实施例中，所提取的各投资标的设置有权重值，该权重值是可以动态调整的，本实施例配置所述多个投资标的的不同权重并利用优化算法优化各投资标的的权重值以达到用户预设的投资需求。再分别统计各个策略模型对应的投资标的，根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。

为更好地理解，本实施例中将以具体实例进行阐述。具体地，用户预先设置投资需求，比如预设某段时间区间内的阿尔法收益的阈值，根据上述投资需求确认相应的策略模型，优选地从存储在预设的策略模型库中提取策略模型，该策略模型包括ABC三个，由上述三个策略模型分别输出的股票包括a1，a2，a3；b1，b2；c1，c2，c3，c4九支股票及相应的特性参数，该特性参数包括ABC相应的盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者组合。当然，上述9支股票用户可能不会全部选择投资，而可能选择其中的一部分，选择标准可以根据用户自行设定的一组或多组特性参数的阈值来确定，或用户参考各标的的特性参数手动从上述股票列表中选择投资标的。比如选择a1，b2，c1，c4作为投资标的，模拟用户设置的投资目标数据优化各投资标的的配置权重，所述配置权重值是可以动态调整的，利用优化算法优化所选标的的投资权重，最终达到用户设置目标后所得的配置权重为所选标的的投资权重。本实施例中，优化算法包括遗传算法、牛顿法、梯度法、共轭梯度法。

比如，投资标的a1，b2，c1，c4的优化资产配置权重组合为0.3，0.2，0.4，0.1，符合用户的投资需求。分别统计ABC三个策略模型对应的投资标的分别为a1；b2；c1，c4；根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。则策略模型A的配置权重为0.3/(0.3+0.2+0.4+0.1)＝0.3；策略模型B的配置权重为0.2/(0.3+0.2+0.4+0.1)＝0.2；策略模型C的配置权重为(0.4+0.1)/(0.3+0.2+0.4+0.1)＝0.5。

用户后续投资将以(0.3，0.2，0.5)的权重对ABC三个策略进行配置。

步骤104，输出结果。

本实施例中，可以单独向用户输出标的、资产配置权重、策略配置权重，或叠加输出标的、资产配置权重、策略配置权重。

本实施例中，用户通过预先设定投资需求，由根据投资需求在匹配相对应的量化投资策略模型并相应生成标的，提取多个投资标的并依据投资需求优化配置投资权重，根据所述投资标的各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。与现有技术相比，本发明通过预先设定投资需求，根据投资需求来逆向制定资产配置策略，能获得精准的资产投资配置策略，符合用户的投资需求。

实施例二

本实施例视为对实施例一所述逆向资产配置分析方法的并列方案，参考图2，示出了本实施例逆向资产配置分析方法的流程图，包括如下步骤：

步骤201，设置投资需求，所述需求包括用户输入的目标数据。

在具体的实施例中，由用户预先设置投资需求，该投资需求包括用户输入的一组或多组投资目标数据，所述目标数据包括盈利目标和约束条件；所述盈利目标包括盈利因子，盈利因子包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利中的一组或多组，该盈利因子并不限于此；约束条件包括亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率，亏损因子包括最大亏损、平均亏损、总亏损中的一组或多组，该亏损因子并不限于此。比如用户可以输入的投资目标数据包括：阿尔法收益、贝塔收益、盈亏比、亏损阈值、最大回撤中的一组或多组数据组合。

步骤202，根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数。

根据上述用户输入的投资需求，得到与投资需求相应的量化投资策略模型。该策略模型可以为用户根据投资需求而设置的策略，也可以从预置策略模型库中提取出与所述投资需求对应的策略模型。

本实施例中，该预置的存储位置中存储有多个与所述投资目标数据相对应的多个量化投资策略模型。通过从预设策略模型库中提取符合需求的策略模型，避免用户自行撰写策略代码，提高量化投资策略的生成效率。其中，所述的预置策略为技术人员或用户存储在平台中的投资策略抽象，具体投资策略本发明实施例不作具体限定，所述的预置策略模型库存储于存储器中，存储位置可以为缓存存储，也可以为本地存储，本发明也不作具体的限定。

当没有与所述投资需求相匹配的策略的模型时，系统给出提示，调整所述投资需求并重新确认与所述投资需求相对应的策略模型，生成相应的标的和/或所述标的的特性参数。

根据所述提取的策略模型生成相应的标的和/或各标的的特性参数，本实施例中，该标的定义为股票，以输出的策略模型为输入，输出与所述基准策略相匹配的股票列表和/或各标的的特性参数。本实施例中，特性参数包括盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者组合，并不限于此。该盈利因子包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利；亏损因子包括最大亏损、平均亏损、总亏损中的一组或者组合收益率、盈亏比、最大回撤中的一组或多组，并不限于此。

本实施例中，提取与投资需求相对应的多个策略模型，并相应地生成各个策略模型对应的标的和/或所述标的的特性参数。

步骤203，提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重。

本实施例中，从多个策略模型生成的标的中提取符合预设阈值的多个投资标的进行资产配置，预设阈值可以为设定期间内标的的收益率、总收益、盈亏比、最大回撤阈值。可选地，用户根据多个策略模型输出标的的特性参数提取多个符合预期的标的作为投资标的进行资产配置。本实施例中，所提取的各投资标的设置有权重值，该权重值是可以动态调整的，本实施例配置所述多个投资标的的不同权重并利用优化算法优化各投资标的的权重值以达到用户预设的投资需求。再分别统计各个策略模型对应的投资标的，根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。本实施例中，优化算法包括遗传算法、牛顿法、梯度法、共轭梯度法。

为更好地理解，本实施例中将以具体实例进行阐述。具体地，用户预先设置投资需求，比如预设某段时间区间内的阿尔法收益的阈值，根据上述投资需求确认相应的策略模型，优选地从存储在预设的策略模型库中提取策略模型，该策略模型包括ABC三个，由上述三个策略模型分别输出的股票包括a1，a2，a3；b1，b2；c1，c2，c3，c4九支股票及相应的特性参数，该特性参数包括ABC相应的盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者多组。当然，上述9支股票用户可能不会全部选择投资，而可能选择其中的一部分，选择标准可以根据用户自行设定的一组或多组特性参数的阈值来确定，或用户参考各标的的特性参数手动从上述股票列表中选择投资标的。比如选择a1，b2，c1，c4作为投资标的，模拟用户设置的投资目标数据优化各投资标的的配置权重，所述配置权重值是可以动态调整的，利用优化算法优化所选标的的投资权重，最终达到用户设置目标后所得的配置权重为所选标的的投资权重。比如，投资标的a1，b2，c1，c4的优化资产配置权重组合为0.3，0.2，0.4，0.1，符合用户的投资需求。分别统计ABC三个策略模型对应的投资标的分别为a1；b2；c1，c4；根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。则策略模型A的配置权重为0.3/(0.3+0.2+0.4+0.1)＝0.3；策略模型B的配置权重为0.2/(0.3+0.2+0.4+0.1)＝0.2；策略模型C的配置权重为(0.4+0.1)/(0.3+0.2+0.4+0.1)＝0.5。

用户后续投资将以(0.3，0.2，0.5)的权重对ABC三个策略进行配置。

步骤204，输出结果。

本实施例中，可以单独向用户输出标的、资产配置权重、策略配置权重，或叠加输出标的、资产配置权重、策略配置权重。

本实施例中，用户通过预先设定投资需求，由根据投资需求在匹配相对应的量化投资策略模型并相应生成标的，提取多个投资标的并依据投资需求优化配置投资权重，根据所述投资标的各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。与现有技术相比，本发明通过预先设定投资需求，根据投资需求来逆向制定资产配置策略，能获得精准的资产投资配置策略，符合用户的投资需求。

实施例三

本实施例还提供了一种逆向资产配置分析装置，该装置适于驻留在计算设备中，参见图3，示出了本实施例逆向资产配置分析装置的框架图，包括以下模块：

投资需求预设模块301，适于预设投资需求，所述需求包括用户输入的目标数据；

策略模型获取模块302，适于根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数；

策略权重配置模块303，适于提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重；

输出模块304，适于输出标的、资产配置权重以及策略配置权重中的一组或多组。

实施例四

本发明还提供一种计算设备，该计算设备包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，该一个或多个程序包括用于执行如下任一步骤：

(1)设置投资需求，所述需求包括用户输入的目标数据；

(2)根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数；

(3)提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重；

(4)输出结果。

实施例五

本发明还提供一种计算机存储介质，该存储介质存储有一个或多个程序，该一个或多个程序包括指令，该指令当由计算设备执行时，使得该计算设备执行如下任一步骤：

(1)设置投资需求，所述需求包括用户输入的目标数据；

(2)根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数；

(3)提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重；

(4)输出结果。

上述实施例所述的方法、装置或模块，具体可由计算机芯片或实体实现，或由具有某种功能的产品来实现，其中，一种典型的设备为计算机。具体地，计算机可以为个人计算机、计算设备、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制平台、平板计算机、可穿戴设备或这些设备中的任何设备的组合。

本领域技术人员应明白，本发明的实施例可提供方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或者结合软件和硬件方面的实施例的形式。而且，本发明可采用一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD、ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本发明的实施例，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (10)

1.一种逆向资产配置分析方法，适于在计算设备中执行，其特征在于，包括以下步骤：

(1)设置投资需求，所述需求包括用户输入的目标数据；

(2)根据所述投资需求，确认与所述投资需求相对应的策略模型，并生成相应的标的和/或所述标的的特性参数；

(3)提取多个投资标的并配置投资权重，根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重；

(4)输出结果。

2.根据权利要求1所述的逆向资产配置分析方法，其特征在于，所述步骤(2)包括：

(21)根据所述投资需求设置策略模型；或

从预设的策略模型库中提取出与所述目标数据对应的策略模型；

(22)根据所述策略模型生成相应的标的和/或所述标的的特性参数。

3.根据权利要求1或2所述的逆向资产配置分析方法，其特征在于，所述与投资需求相对应的策略模型有多个，根据所述策略模型相应地生成对应的标的和/或所述标的的特性参数；

所述特性参数包括所述标的的盈利因子、亏损因子、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或者组合；

所述盈利因子包括：阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利；

所述亏损因子包括：最大亏损、平均亏损、总亏损中的一组或者组合。

4.根据权利要求1所述的逆向资产配置分析方法，其特征在于，所述步骤(3)包括：

(31)根据预设的参数提取多个投资标的；或

用户根据所述标的的特性参数提取多个投资标的；

(32)配置所述多个投资标的的投资权重，利用优化算法优化所述多个投资标的的投资权重以达到预设的投资需求；

(33)根据所述多个投资标的的投资权重获得所述策略模型的配置权重。

5.根据权利要求1或4所述的逆向资产配置分析方法，其特征在于，所述根据所述多个投资标的的资产配置权重获得所述策略模型的配置权重具体包括：

分别统计每个策略模型对应的投资标的，根据所述各投资标的所在的策略模型的权重加权获得所述策略模型的配置权重。

6.根据权利要求1所述的逆向资产配置分析方法，其特征在于，所述步骤(2)中，当没有与所述投资需求相匹配的策略的模型时，调整所述投资需求并重新确认与所述投资需求相对应的策略模型，生成相应的标的和/或所述标的的特性参数。

7.根据权利要求1所述的逆向资产配置分析方法，其特征在于，所述步骤(5)中，输出结果包括输出标的、资产配置权重以及策略配置权重中的一组或多组。

8.根据权利要求1所述的逆向资产配置分析方法，其特征在于，所述目标数据包括盈利目标和约束条件；所述盈利目标包括阿尔法收益率、贝塔收益率、年化收益率、总盈利率、最大盈利、平均盈利中的一组或多组；所述约束条件包括最大亏损、平均亏损、总亏损、最大回撤、盈亏比、夏普比率、胜率、风险率中的一组或多组。

9.一种计算设备，包括：

一个或多个处理器；

存储器；以及

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-8所述方法中的任一方法。

10.一种计算机存储介质，所述存储介质存储有一个或多个程序，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1-8所述方法中的任一方法。