CN109272208A - 个性化资产配置系统及其配置方法 - Google Patents

Abstract

本发明公开了一种个性化资产配置系统及其配置方法，该方法步骤如下：步骤1:进行需求分析和大类指数收益风险预估；步骤2：进行大类资产配置。通过需求分析、大类指数收益风险预估以及大类资产配置，实现了对大类资产的灵活配置，能够满足不同用户的不同需求。

Description

个性化资产配置系统及其配置方法

技术领域

本发明涉及资产配置技术领域，尤其是涉及一种个性化资产配置系统及其配置方法。

背景技术

资产配置(Asset Allocation)是指根据投资需求将投资资金在不同资产类别之间进行分配，通常是将资产在低风险、低收益证券与高风险、高收益证券之间进行分配。

具体而言，在现代投资管理体制下，投资一般分为规划、实施和优化管理三个阶段。投资规划即投资理财下的资产配置，它是资产组合管理决策制定步骤中最重要的环节。对资产配置的理解必须建立在对机构投资者资产和负债问题的本质、对普通股票和固定收入证券的投资特征等多方面问题的深刻理解基础之上。在此基础上，资产管理还可以利用期货、期权等衍生金融产品来改善资产配置的效果，也可以采用其他策略实现对资产配置的动态调整。不同配置具有自身特有的理论基础、行为特征和支付模式，并适用于不同的市场环境和客户投资需求。

而在投资理财下的资产配置环节，不同的客户由于收益预期、风险承受能力、可投入的总资金、流动性诉求不相同，其所需要的投资组合理应不同。但是当前市场上的投资组合，大多是非常有限的几个组合，也就是针对不同的大类资产投入资金的分配比例的组合非常有限，不能满足不同用户的不同需求。

发明内容

针对上述技术问题，本发明的目的在于提供一种个性化资产配置系统及其配置方法，通过需求分析、大类指数收益风险预估以及大类资产配置，实现了对大类资产的灵活配置，能够满足不同用户的不同需求。

为实现上述目的，本发明提供了如下技术方案：

一种个性化资产配置系统的配置方法，步骤如下：

步骤1:进行需求分析和大类指数收益风险预估；

步骤2：进行大类资产配置。

通过采用上述技术方案，实现了对大类资产的灵活配置，能够满足不同用户的不同需求。

本发明进一步设置为：所述进行需求分析包括把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型。

通过采用上述技术方案，把获得的所有组合的每个组合的收益作为自变量x和把获得的所有组合的每个组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型，这样就把所有组合的收益和风险建立了关联，这样就能通过收益和风险之间的映射关系，对不同的收益通过该映射关系预估出相应的风险以此能够兼顾考虑风险。

本发明进一步设置为：所述回归分析的方法为非线性回归分析方法。

通过采用上述技术方案，回归分析的方法为非线性回归分析方法，这样的非线性回归分析方法拟合精度高，也就提高了对不同的收益通过该映射关系预估出相应的风险的准确性。

本发明进一步设置为：所述大类指数收益风险预估的方法包括如下步骤：

步骤1：对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；

步骤2：根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率。

通过采用上述技术方案，对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率。这样就能进一步的计算出大类资产之间的各种组合的年化收益率的期望值和大类资产之间的各种组合的年化波动率，以此进行大类资产配置。

本发明进一步设置为：所述对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样的方式为：

对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样，每次采样是从设定的起始日开始往后随机抽取250个交易日的该大类资产指数的日涨幅数据；

所述根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率的方式包括如下步骤：

步骤2-1：对每一个大类资产指数的日涨幅数据进行一次采样后，就对该次采样数据进行计算得到该大类资产的该次年化收益率和该大类资产的该次年化波动率，计算该大类资产的该次年化收益率和该大类资产的该次年化波动率的公式分别为如下公式(1)和公式(2)所示：

该大类资产的该次年化收益率K＝(1+P_t)^250-1 (1)

该大类资产的该次年化波动率

其中，n为250，p_t为该次采样第t日的该大类资产的日收益率，为该次采样第t日的该大类资产的日收益率的平均值，该平均值也就是该次采样的250个交易日中每个交易日的该大类资产的日收益率相加后所得和值除以250而得的平均值；

步骤2-2：对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样后，就把该10000次的采样中的每次采样后而得的该大类资产的该次年化收益率均相加而得的和值除以10000得到的均值作为该大类资产的年化收益率，而把该10000次的采样中的每次采样后而得的该大类资产的该次年化波动率均相加而得的和值除以10000得到的均值作为该大类资产的年化波动率；

另外所述蒙特卡洛抽样方法按时间范围的抽样权重如表1所示：

表1

。

通过采用上述技术方案，这样量大的均值更能体现大类资产的年化收益率和大类资产的年化波动率的准确性。距离所述设定的起始日的时长越长，也就是距离目前的时间的时长越短而抽样权重越大，更能让所述蒙特卡洛抽样方法更接近该大类资产指数的日涨幅数据目前的状况，提高抽样的精准度。

本发明进一步设置为：所述进行大类资产配置的方式包括：

步骤3-1：把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合；

步骤3-2：计算所述每个组合的收益和所述每个组合的风险，计算所述每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的收益，也就是该组合的年化收益率的期望值；

计算所述每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；

步骤3-3：根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；

步骤3-4：核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。

通过采用上述技术方案，使得客户拥有了夏普率更高的投资组合，这种投资组合对投资者用户而言，性价比更高；根据投资权重来分配用户投入的资金，就能有所重点的进行投资，让用户投入的资金更有针对性。

本发明进一步设置为：核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重的方式为：对给用户资产配置的投资组合中的每一个大类资产分配一个初始值作为该大类资产的初始权重一，给用户资产配置的投资组合中的各个大类资产的初始权重一的值相等，且给用户资产配置的投资组合中的所有大类资产的初始权重一的值相加的和值为一；对给用户资产配置的投资组合中的每一个大类资产分配一个中间值作为该大类资产的初始权重二，所述该大类资产的初始权重二的值为：先把给用户资产配置的投资组合中的各个大类资产的年化波动率的倒数相加求和得到倒数的和，再把该大类资产的年化波动率的倒数除以该倒数的和得到的商值就为该大类资产的初始权重二；

把该大类资产的初始权重一加上该大类资产的初始权重二相加所得的和值除以二得到的商值就为该大类资产的投资权重。

通过采用上述技术方案，这样的投资权重既考虑了权重分配的均衡性，又考虑了年化波动率的影响，这样的平均处理能更好的考虑均衡性和年化波动率的影响，并做到了年化波动率越大权重越小的处理，能够减小风险的影响。

一种个性化资产配置系统，包括:至少一处理器和至少一存储器，所述至少一个存储器用于存储计算机程序，所述至少一个处理器用于调用所述至少一个存储器中的程序代码来执行所述个性化资产配置系统的配置方法。

通过采用上述技术方案，这样就能通过处理器和存储器，能够实现了对大类资产的灵活配置，能够满足不同用户的不同需求。

本发明进一步设置为：所述个性化资产配置系统包括需求分析模块、大类指数收益风险预估模块以及进行大类资产配置模块；

所述需求分析模块用于把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型；

所述大类指数收益风险预估模块用于对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；用于根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率；

所述大类资产配置模块用于把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合；用于计算所述每个组合的收益和所述每个组合的风险，计算所述每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的收益，也就是该组合的年化收益率的期望值；计算所述每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；用于根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；用于核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。

通过采用上述技术方案，把获得的所有组合的每个组合的收益作为自变量x和把获得的所有组合的每个组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型，这样就把所有组合的收益和风险建立了关联，这样就能通过收益和风险之间的映射关系，对不同的收益通过该映射关系预估出相应的风险以此能够兼顾考虑风险。对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率。这样就能进一步的计算出大类资产之间的各种组合的年化收益率的期望值和大类资产之间的各种组合的年化波动率，以此进行大类资产配置。使得客户拥有了夏普率更高的投资组合，这种投资组合对投资者用户而言，性价比更高；根据投资权重来分配用户投入的资金，就能有所重点的进行投资，让用户投入的资金更有针对性。

综上所述，本发明具有以下有益效果：

能通过收益和风险之间的映射关系，对不同的收益通过该映射关系预估出相应的风险以此能够兼顾考虑风险。就能进一步的计算出大类资产之间的各种组合的年化收益率的期望值和大类资产之间的各种组合的年化波动率，以此进行大类资产配置。使得客户拥有了夏普率更高的投资组合，这种投资组合对投资者用户而言，性价比更高；根据投资权重来分配用户投入的资金，就能有所重点的进行投资，让用户投入的资金更有针对性。通过需求分析、大类指数收益风险预估以及大类资产配置，实现了对大类资产的灵活配置，能够满足不同用户的不同需求。

附图说明

图1是本发明的个性化资产配置系统的配置方法的整体流程图；

图2是本发明的大类指数收益风险预估方法的流程图；

图3是本发明的计算出每一个大类资产的年化波动率和预期的年化收益率的方式的流程图；

图4是本发明的进行大类资产配置的方式的流程图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

如图1-图4所示，个性化资产配置系统的配置方法，步骤如下：

步骤1:进行需求分析和大类指数收益风险预估；

步骤2：进行大类资产配置。这样就实现了对大类资产的灵活配置。

进行需求分析包括把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型，就把所有组合的收益和风险建立了关联。这里每个组合的收益常常为每个组合的年化收益率，每个组合的风险常常为每个组合的年化波动率。

回归分析的方法为非线性回归分析方法，非线性回归分析方法具体采用非线性最小二乘法，该非线性最小二乘法能够采用R语言里边的nls函数来实现，这样的非线性回归分析方法拟合精度高。

大类指数收益风险预估的方法包括如下步骤：

步骤1：对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；大类资产包括货币基金、沪深A股、债券、香港股票、黄金以及美国股票，货币基金的名称设定为000198，货币基金的大类资产指数为余额宝金额；沪深A股的名称设定为399300.SZ，沪深A股的大类资产指数为沪深300指数；债券的名称设定为H11001.CSI，债券的大类资产指数为中证全债指数；香港股票的名称设定为HSCI.HI，香港股票的大类资产指数为恒生指数；黄金的名称设定为SPTAUHKDOZ.IDC，黄金的大类资产指数为港现货黄金指数；美国股票的名称设定为SPX.GI，美国股票的大类资产指数为标普500指数。

步骤2：根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率。这里每一个大类资产的年化波动率为每一个大类资产的标准方差，每一个大类资产的预期的年化收益率为每一个大类资产的预期收益率。这样就能进一步的计算出大类资产之间的各种组合的年化收益率的期望值和大类资产之间的各种组合的年化波动率，大类资产之间的各种组合的年化波动率也就是大类资产之间的各种组合的标准方差。

对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样的方式为：

对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样，每次采样是从设定的起始日开始往后随机抽取250个交易日的该大类资产指数的日涨幅数据；

根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率的方式包括如下步骤：

步骤2-1：对每一个大类资产指数的日涨幅数据进行一次采样后，就对该次采样数据进行计算得到该大类资产的该次年化收益率和该大类资产的该次年化波动率，计算该大类资产的该次年化收益率和该大类资产的该次年化波动率的公式分别为如下公式(1)和公式(2)所示：

该大类资产的该次年化收益率K＝(1+P_t)^250-1 (1)

该大类资产的该次年化波动率

其中，n为250，p_t为该次采样第t日的该大类资产的日收益率，为该次采样第t日的该大类资产的日收益率的平均值，该平均值也就是该次采样的250个交易日中每个交易日的该大类资产的日收益率相加后所得和值除以250而得的平均值；

步骤2-2：对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样后，就把该10000次的采样中的每次采样后而得的该大类资产的该次年化收益率均相加而得的和值除以10000得到的均值作为该大类资产的年化收益率，而把该10000次的采样中的每次采样后而得的该大类资产的该次年化波动率均相加而得的和值除以10000得到的均值作为该大类资产的年化波动率；这样量大的均值更能体现大类资产的年化收益率和大类资产的年化波动率的准确性。

另外蒙特卡洛抽样方法按时间范围的抽样权重如表1所示：

表1

这样距离设定的起始日的时长越长，也就是距离目前的时间的时长越短而抽样权重越大，更能让蒙特卡洛抽样方法更接近该大类资产指数的日涨幅数据目前的状况。

进行大类资产配置的方式包括：

步骤3-1：把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合，每个组合的收益就是所有组合中的各个组合的收益，每个组合的风险就是所有组合中的各个组合的风险；

步骤3-2：计算每个组合的收益和每个组合的风险，计算每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是每个组合的收益，也就是该组合的年化收益率的期望值；

计算每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；

步骤3-3：根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；一个组合的夏普比率的计算为该组合的年化收益率的期望值除以该组合的年化波动率而得到的商值，这样的选择使得客户拥有了夏普率更高的投资组合，这种投资组合对投资者用户而言，性价比更高；

步骤3-4：核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。这样根据投资权重来分配用户投入的资金，就能有所重点的进行投资。

核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重的方式为：对给用户资产配置的投资组合中的每一个大类资产分配一个初始值作为该大类资产的初始权重一，给用户资产配置的投资组合中的各个大类资产的初始权重一的值相等，且给用户资产配置的投资组合中的所有大类资产的初始权重一的值相加的和值为一；

对给用户资产配置的投资组合中的每一个大类资产分配一个中间值作为该大类资产的初始权重二，该大类资产的初始权重二的值为：先把给用户资产配置的投资组合中的各个大类资产的年化波动率的倒数相加求和得到倒数的和，再把该大类资产的年化波动率的倒数除以该倒数的和得到的商值就为该大类资产的初始权重二；

把该大类资产的初始权重一加上该大类资产的初始权重二相加所得的和值除以二得到的商值就为该大类资产的投资权重。这样的投资权重既考虑了权重分配的均衡性，又考虑了年化波动率的影响，这样的平均处理能更好的考虑均衡性和年化波动率的影响。

一种个性化资产配置系统，包括:至少一处理器和至少一存储器，至少一个存储器用于存储计算机程序，至少一个处理器用于调用至少一个存储器中的程序代码来执行个性化资产配置系统的配置方法。处理器可以是一个通用中央处理器(CPU)、微处理器、特定应用集成电路(application-specific integrated circuit，ASIC)，或一个或多个用于控制本申请方案程序执行的集成电路。

存储器可以是只读存储器(read-only memory，ROM)、可存储静态信息和指令的静态存储设备、随机存取存储器(random access memory，RAM)、或者可存储信息和指令的动态存储设备，也可以是电可擦可编程只读存储器(EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，存储器也可以和处理器集成在一起。

上述存储器可用于存储执行本申请方案的个性化资产配置系统的配置方法的应用程序代码；处理器可用于执行存储器中存储的应用程序代码。

个性化资产配置系统还可以包括输出设备和输入设备。输出设备和处理器通信，可以以多种方式来显示信息。输出设备可以是液晶显示器、发光二极管显示设备、阴极射线管显示设备、或投影仪等。输入设备和处理器通信，可以以多种方式接收用户的输入。输入设备可以是鼠标、键盘、触摸屏设备或传感设备等。用户输入的该用户期望的年化收益率就可以通过输入设备输入。

个性化资产配置系统可以是通用计算机设备、或者专用计算机设备。在具体实现中，个性化资产配置系统可以是台式机、便携式电脑、网络服务器、掌上电脑(PersonalDigital Assistant，PDA)、移动手机、平板电脑、无线终端设备、通信设备、或嵌入式设备等。本申请实施例不限定个性化资产配置系统的类型。

个性化资产配置系统包括需求分析模块、大类指数收益风险预估模块以及进行大类资产配置模块；

需求分析模块用于把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型，就把所有组合的收益和风险建立了关联；这里每个组合的收益常常为每个组合的年化收益率，每个组合的风险常常为每个组合的年化波动率。

大类指数收益风险预估模块用于对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；用于根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率；这里每一个大类资产的年化波动率为每一个大类资产的标准方差，每一个大类资产的预期的年化收益率为每一个大类资产的预期收益率。这样就能进一步的计算出大类资产之间的各种组合的年化收益率的期望值和大类资产之间的各种组合的年化波动率，大类资产之间的各种组合的年化波动率也就是大类资产之间的各种组合的标准方差。

大类资产配置模块用于把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合，每个组合的收益就是所有组合中的各个组合的收益，每个组合的风险就是所有组合中的各个组合的风险；用于计算每个组合的收益和每个组合的风险，计算每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是每个组合的收益，也就是该组合的年化收益率的期望值；计算每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；用于根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；一个组合的夏普比率的计算为该组合的年化收益率的期望值除以该组合的年化波动率而得到的商值，这样的选择使得客户拥有了夏普率更高的投资组合，这种投资组合对投资者用户而言，性价比更高；用于核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。这样根据投资权重来分配用户投入的资金，就能有所重点的进行投资。

本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (9)

1.一种个性化资产配置系统的配置方法，其特征在于：步骤如下：

步骤1:进行需求分析和大类指数收益风险预估；

步骤2：进行大类资产配置。

2.根据权利要求1所述的个性化资产配置系统的配置方法，其特征在于：所述进行需求分析包括把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型。

3.根据权利要求2所述的个性化资产配置系统的配置方法，其特征在于：所述回归分析的方法为非线性回归分析方法。

4.根据权利要求1所述的个性化资产配置系统的配置方法，其特征在于：所述大类指数收益风险预估的方法包括如下步骤：

步骤1：对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；

步骤2：根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率。

5.根据权利要求4所述的个性化资产配置系统的配置方法，其特征在于：所述对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样的方式为：

对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样，每次采样是从设定的起始日开始往后随机抽取250个交易日的该大类资产指数的日涨幅数据；

所述根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率的方式包括如下步骤：

步骤2-1：对每一个大类资产指数的日涨幅数据进行一次采样后，就对该次采样数据进行计算得到该大类资产的该次年化收益率和该大类资产的该次年化波动率，计算该大类资产的该次年化收益率和该大类资产的该次年化波动率的公式分别为如下公式(1)和公式(2)所示：

该大类资产的该次年化收益率K＝(1+P_t)^250-1 (1)

该大类资产的该次年化波动率

其中，n为250，pt为该次采样第t日的该大类资产的日收益率，为该次采样第t日的该大类资产的日收益率的平均值，该平均值也就是该次采样的250个交易日中每个交易日的该大类资产的日收益率相加后所得和值除以250而得的平均值；

步骤2-2：对每一个大类资产指数的日涨幅数据进行重复次数为10000次的采样后，就把该10000次的采样中的每次采样后而得的该大类资产的该次年化收益率均相加而得的和值除以10000得到的均值作为该大类资产的年化收益率，而把该10000次的采样中的每次采样后而得的该大类资产的该次年化波动率均相加而得的和值除以10000得到的均值作为该大类资产的年化波动率；

另外所述蒙特卡洛抽样方法按时间范围的抽样权重如表1所示：

表1

。

6.根据权利要求1所述的个性化资产配置系统的配置方法，其特征在于：所述进行大类资产配置的方式包括：

步骤3-1：把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合；

步骤3-2：计算所述每个组合的收益和所述每个组合的风险，计算所述每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的收益，也就是该组合的年化收益率的期望值；

计算所述每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；

步骤3-3：根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；

步骤3-4：核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。

7.根据权利要求6所述的个性化资产配置系统的配置方法，其特征在于：核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重的方式为：对给用户资产配置的投资组合中的每一个大类资产分配一个初始值作为该大类资产的初始权重一，给用户资产配置的投资组合中的各个大类资产的初始权重一的值相等，且给用户资产配置的投资组合中的所有大类资产的初始权重一的值相加的和值为一；

对给用户资产配置的投资组合中的每一个大类资产分配一个中间值作为该大类资产的初始权重二，所述该大类资产的初始权重二的值为：先把给用户资产配置的投资组合中的各个大类资产的年化波动率的倒数相加求和得到倒数的和，再把该大类资产的年化波动率的倒数除以该倒数的和得到的商值就为该大类资产的初始权重二；

把该大类资产的初始权重一加上该大类资产的初始权重二相加所得的和值除以二得到的商值就为该大类资产的投资权重。

8.一种个性化资产配置系统，其特征在于，包括:至少一处理器和至少一存储器，所述至少一个存储器用于存储计算机程序，所述至少一个处理器用于调用所述至少一个存储器中的程序代码来执行所述权利要求1-7中的任意一个权利要求所述的个性化资产配置系统的配置方法。

9.根据权利要求8所述的个性化资产配置系统，其特征在于，所述个性化资产配置系统包括需求分析模块、大类指数收益风险预估模块以及进行大类资产配置模块；

所述需求分析模块用于把获得的所有组合中的每个组合的收益作为自变量x和把该组合的风险作为因变量y，以此进行回归分析而得到y＝f(x)的映射关系，该映射关系就是收益风险预估模型；

所述大类指数收益风险预估模块用于对每一个大类资产指数的日涨幅数据通过蒙特卡洛抽样方法进行抽样；用于根据抽样的日涨幅数据来计算出每一个大类资产的年化波动率和预期的年化收益率；

所述大类资产配置模块用于把需要配置的大类资产之间进行各种组合，也就是枚举需要配置的大类资产之间所有可能的组合，从而得到所有组合；用于计算所述每个组合的收益和所述每个组合的风险，计算所述每个组合的收益的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的预期的年化收益率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的收益，也就是该组合的年化收益率的期望值；计算所述每个组合的风险的方式为：首先基于在该组合中的每个大类资产为等比例分配仓位的条件下，就把该组合中每个大类资产的年化波动率相加而得的和值除以该组合中的大类资产的数量而得到商值，该商值就是所述每个组合的风险，也就是该组合的年化波动率或者该组合的标准方差；用于根据用户输入的该用户期望的年化收益率，遍历每个组合的收益来把该组合的收益与用户输入的该用户期望的年化收益率相比较，得到与用户输入的该用户期望的年化收益率相比最接近的两个组合的收益，再把该两个组合的夏普比率进行比较，选择夏普比率更高的那个组合作为给用户资产配置的投资组合；用于核定针对给用户资产配置的投资组合中的每一个大类资产的投资权重，再根据每一个大类资产的投资权重，以此来把用户投入的资金按照该投资权重分配对应资金的金额至该大类资产。