CN109272407A - 一种大类资产配置类智能投顾集中度控制方法 - Google Patents

Abstract

本发明公开了一种大类资产配置类智能投顾集中度控制方法，包括数据采集模块、用户策略初始生成模块、基金集中度控制模块、用户策略调整模块、用户策略推送模块组成；本发明主要就大类资产配置类智能投顾系统可能产生的基金交易集中度风险提出基于大数据的解决方案及系统实现。

Description

一种大类资产配置类智能投顾集中度控制方法

技术领域

本发明涉及金融科技领域，特别涉及一种大类资产配置类智能投顾集中度控制方法。

背景技术

随着移动互联网技术，人工智能等技术的飞速发展，以及互联网金融的兴起，智能投顾系统正在世界各国得到蓬勃发展。该系统主要依托量化投资、大数据分析、人工智能等方法向不同投资偏好、不同投资目标、不同风险等级的广大中小投资者提供个性化的选股建议，资产配置建议等服务。智能投顾系统在给投资者提供投资建议的同时，也引起了金融监管层的广泛关注，担心该技术的不当使用会产生操纵市场、资金池等违规行为，危害到其他投资者。

大类资产配置类智能投顾主要通过马科维茨、Black-Litterman等资产配置模型为不同风险承受能力的投资者提供大类资产配置服务。在国外，这类模型配置的主要投资标的是大型、流动性好的大类资产相关ETF基金。而在国内，由于ETF基金尚处于发展阶段，ETF基金对应的大类资产种类还不够完善、部分ETF基金的流动性也较差。所以国内的大类资产类智能投顾为了实现大类资产配置目的，通常会同时投资于场内ETF基金和场外ETF连接基金或者普通开放式基金。由于场内交易型ETF的流动性相对较差，如果智能投顾同时建议大量用户买入或者卖出同一支场内ETF基金，则会造成市场冲击风险。场外ETF基金由于挂钩场内交易型ETF基金，目标是实现对相关指数的跟踪，也会产生类似的问题。由于普通场外开放式基金的买卖盘由基金管理团队负责操作，同时对一支场外普通开放式基金进行大量申购赎回，通常不会直接作用于相关的交易市场。但是，如果收购赎回的份额占基金总份额的比例较高，也会造成基金原有持有人的利益被摊薄，增加基金管理人操作产品难度的问题。

发明内容

本发明所要解决的技术问题是提供一种大类资产配置类智能投顾集中度控制方法，能够有效解决现有技术中的不足。

本发明是通过以下技术方案来实现的：一种大类资产配置类智能投顾集中度控制方法，包括数据采集模块、用户策略初始生成模块、基金集中度控制模块、用户策略调整模块、用户策略推送模块组成；

其中，数据采集模块1从多个数据源采集基金集中度控制所需的各种数据到大数据存储系统；

数据采集模块至少包括以下子模块：

(1)当前及历史用户模拟盘数据模块：用户首先选择智能投顾中的基金策略，输入初始投资金额后，系统会为用户创建模拟盘，该模拟盘根据策略设计，在不同的交易日向用户推荐持有基金及所持基金份额，以及根据不同的市场情况对基金份额进行调整规避市场风险，这些推荐基金及所持基金份额信息，调整份额信息等构成了用户模拟盘数据；

(2)当前及历史用户实盘委托及交易数据：该模块采集用户通过智能投顾系统真正进行的实盘委托及成交数据，真正反映了用户通过智能投顾系统完成的交易及基金所持份额；

(3)当前及历史行情数据：该模块主要采集场外交易ETF基金的行情数据，比如：净值、收盘价、涨跌幅、成交量、成交份额等当前及历史信息，以及场内基金的净值、份额、规模数据；

大数据存储系统可采用常用的Apache Hadoop HDFS，数据采集可根据数据源的不同存储方式采用不同的方法；

用户策略初始生成模块：该模块主要利用大数据计算引擎，根据策略算法及用户的投资资金量、风险偏好特点生成建议用户投资的基金代码及份额；

基金集中度控制模块,该模块利用大数据计算引擎根据采集到的用户数据、行情数据及策略模块生成的策略数据来判断是否需要进行集中度控制；

用户策略调整模块，该模块主要利用大数据计算引擎，根据基金集中度控制模块的判决结果对操作建议进行基金更换，份额重新分配调整；

当原始推送的操作建议触发了基金集中度控制后，可以采取如下处理方式：

(1)假设原始策略建议新买入A基金的份额市值为Ma，如该值超出可买市值上限Ml，可将操作建议调整为建议买入A基金份额市值Ml-Mo，其中Mo为用户已持A基金份额的市值，然后从基金池中挑选出另一只不会触发集中度控制的基金B，买入Ma-(Ml-Mo)；另一种处理方式就是直接从候选基金池中挑选出另一只不会触发集中度控制的基金B买入Ma；如果基金池中基金均达到买入上限则关闭当前策略，停止新建投资模拟组合，直至有效模拟组合数量与策略关闭时模拟组合数相比小于一定阈值或由于市场成交量放大等原因导致可买入余额提高到投资限额一定比率后，方可重新打开模拟组合创建；

(2)如果策略建议卖出A基金的份额市值为Ma超出了每日交易量的控制量Ml，则建议用户分批卖出，分批数为对Ma/Ml取整后加1；

用户策略推送模块：该模块将基金集中度调整后的操作策略通过微信推送平台、手机短信、APP消息推送方式推送给客户。

作为优选的技术方案，基金集中度控制模块首先判断当前选中的基金是ETF基金还是普通场外基金，若为ETF基金，则根据投资建议形成的预期交易量占基金交易量的比例限定阈值，若为普通场外基金，则以个人基金所持份额占基金最近公布总份额的比例来设定阈值，该模块至少包含以下子模块：

(一)、基金类型判断模块：判断策略生成模块中产生的投资基金类型；

(二)若判断为ETF基金，则执行以下模块：

a.ETF基金参数设定模块：

主要设置参数为：参数1：客户所持ETF基金份额与当前基金总份额的比例设为x，该参数主要用于避免智能投顾客户持有某只ETF基金的过多份额，在行情发生巨大波动，比如大幅下跌，客户自行卖出所持基金份额所造成的市场冲击，或者新认购人数过多，把原持有人的收益摊薄的影响；参数2：T+1日客户ETF基金预期交易量占基金预期交易量的比例y，该参数主要用于避免正常交易日推荐的单只ETF基金交易数量过多，对日常交易形成市场冲击，一般x可以设置为5％，y可设置为1％，考虑到用户的具体下单数量具有不可控性及T+1日行情的不可完全预知性，还可以进一步降低阈值的数值；

b.T+1日下单比估算模块：

该模块主要用于估算T日和(或)T+1的下单比b，该值可以简单设定为过去10个有策略推送的交易日下单比的最大值，或者对历史的下单比进行建模，然后根据模型的参数进行设置，比如设定为模型的下单比为模型均值+3个标准差；

c.是否触发集中度控制判断模块：

该模块由以下步骤实现：

判断为ETF基金的步骤如下：

步骤1：从模块中获取集中度控制阈值，假设智能投顾客户所持ETF基金份额与当前基金总份额的比例不超过x，客户基金每日交易量占流通市值的比例不超过y；

步骤2：利用模块计算T日结算后，该ETF基金份额占比为x1；

步骤3：利用模块计算T+1日下单比b；

步骤4：判断是否需要进行集中度控制，操作建议中该基金如为净买入，则净买入份额不能超过min((x-x1)*基金当日份额/b，当日ETF基金预期交易量*y/b),如为净卖出(买入-卖出<0)，则卖出不超过基金预期交易量*y/b；

(3)若判断为普通场外基金类型

a.普通场外基金参数设定模块，设置单一参数，即个人申购或赎回基金份额所占当前基金总规模比例z；

b.若判断为普通场外基金，则从模块中获取集中度控制阈值，假设用户申购或赎回基金份额占当前基金总规模比例超过阈值z，则判断为需要进行集中度控制，需要对推荐的操作建议进行调整。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，

图1是本发明的整体框图；

图2是本发明的数据采集模块框图；

图3是本发明的集中度控制流程框图；

图4是本发明的用户策略调整模块框图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换，即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1所示，数据采集模块，该模块主要从多个数据源采集公募基金集中度控制所需的各种数据到大数据存储系统。一般包括(但不限于)，当前及历史用户投资的基金类型、基金板块等等，当前及历史用户实盘委托及交易数据，当前及历史行情数据(例如：场外交易基金的规模份额、净值，场内交易基金的历史收盘价，成交量等)。

用户策略初始生成模块。该模块主要利用大数据计算引擎根据策略算法及用户的投资资金量、投资年限、风险偏好等特点生成建议用户投资的基金代码及数量。

基金集中度控制模块，该模块利用大数据计算引擎，根据采集到的用户数据、行情数据、策略模块生成的策略数据以及不同基金类型来判断限定的阈值，以ETF基金为例，主要根据该ETF基金的预期交易量及自身的基金规模来限定合理的买入阈值；其余的基金，则主要根据基金本身的规模设置来限定买入阈值。

用户策略调整模块。该模块主要利用大数据计算引擎，根据基金集中度控制模块的判决结果对操作建议进行基金更换、购买基金份额重新分配等调整。

用户策略推送模块，该模块将调整后的操作策略推送给客户。

如图1所示，本发明主要由数据采集模块、用户策略初始生成模块、基金集中度控制模块、用户策略调整模块、用户策略推送模块组成。

其中数据采集模块从多个数据源采集基金集中度控制所需的各种数据到大数据存储系统。

数据采集模块1至少包括(但不限于)，以下子模块：

(1)当前及历史用户模拟盘数据模块1.1。用户首先选择智能投顾中的基金策略，然后输入初始投资金额后。这时系统会为用户创建模拟盘。该模拟盘根据策略设计，在不同的交易日向用户推荐持有基金及所持基金份额，以及根据不同的市场情况对基金份额进行调整规避市场风险。这些推荐基金及所持基金份额信息，调整份额信息等构成了用户模拟盘数据。

(2)当前及历史用户实盘委托及交易数据1.2。该模块采集用户通过智能投顾系统真正进行的实盘委托及成交数据，真正反映了用户通过智能投顾系统完成的交易及基金所持份额。

(3)当前及历史行情数据1.3。该模块主要采集场外交易ETF基金的行情数据，比如：净值、收盘价、涨跌幅、成交量、成交份额等当前及历史信息。以及场内基金的净值、份额、规模等数据。

大数据存储系统可采用较常用的Apache Hadoop HDFS。数据采集可根据数据源的不同存储方式采用不同的方法，比如：实时的数据可以通过KAFKA等采集方法，Oracle，MySQL等关系型数据库的数据可以通过Apache Sqoop采集，日志类型的数据可以通过Apache Flume进行采集。数据采集到Apache Hadoop HDFS后，可通过Apache Hive等大数据仓库进行管理。

用户策略初始生成模块。该模块主要利用大数据计算引擎(比如Apache Hadoop的MapReduce，Apache Spark，Apache Flink等)，根据策略算法及用户的投资资金量、风险偏好等特点生成建议用户投资的基金代码及份额。

基金集中度控制模块3该模块利用大数据计算引擎根据采集到的用户数据、行情数据及策略模块生成的策略数据来判断是否需要进行集中度控制。

首先判断当前选中的基金是ETF基金还是普通场外基金，若为ETF基金，则根据投资建议形成的预期交易量占基金交易量的比例限定阈值。若为普通场外基金，则以个人基金所持份额占基金最近公布总份额的比例来设定阈值，该模块至少包含(但不限于)以下子模块：

(1)基金类型判断模块3.1。判断策略生成模块中产生的投资基金类型(普通场外基金或ETF基金)。

(2)若判断为ETF基金，则执行以下模块。

a.ETF基金参数设定模块3.2。

主要设置参数为：参数1：客户所持ETF基金份额与当前基金总份额的比例设为x，该参数主要用于避免智能投顾客户持有某只ETF基金的过多份额，在行情发生巨大波动，比如大幅下跌，客户自行卖出所持基金份额所造成的市场冲击。或者新认购人数过多把原持有人的收益摊薄的影响；参数2：T+1日客户ETF基金预期交易量占基金预期交易量(ETF的预期交易量可以取最近10个交易日该ETF基金交易量的均值)的比例y，该参数主要用于避免正常交易日推荐的单只ETF基金交易数量过多，对日常交易形成市场冲击。一般x可以设置为5％，y可设置为1％，考虑到用户的具体下单数量具有不可控性及T+1日行情的不可完全预知性，还可以进一步降低阈值的数值。

b.T+1日下单比估算模块3.3

该模块主要用于估算T日和(或)T+1的下单比b(即：客户基金实际交易金额/基金模拟盘推荐交易金额)。该值可以简单设定为过去10个有策略推送的交易日下单比的最大值，或者对历史的下单比进行建模(比如采用高斯模型)，然后根据模型的参数进行设置，比如设定为模型的下单比为模型均值+3个标准差。

c.是否触发集中度控制判断模块3.4。

该模块由以下步骤实现：

判断为ETF基金的步骤如下：

步骤1：从模块3.2中获取集中度控制阈值。假设智能投顾客户所持ETF基金份额与当前基金总份额的比例不超过x，客户基金每日交易量占流通市值的比例不超过y；

步骤2：利用模块3.2计算T日结算后，该ETF基金份额占比为x1；

步骤3：利用模块3.3计算T+1日下单比b；

步骤4：判断是否需要进行集中度控制。操作建议中该基金如为净买入(买入-卖出>0)，则净买入份额不能超过min((x-x1)*基金当日份额/b，当日ETF基金预期交易量*y/b),如为净卖出(买入-卖出<0)，则卖出不超过基金预期交易量*y/b。

(3)若判断为普通场外基金类型

a.普通场外基金参数设定模块3.5。设置单一参数，即个人申购或赎回基金份额所占当前基金总规模比例z。

b.若判断为普通场外基金，则从模块3.5中获取集中度控制阈值。假设用户申购或赎回基金份额占当前基金总规模比例超过阈值z，则判断为需要进行集中度控制，需要对推荐的操作建议进行调整。

用户策略调整模块，该模块主要利用大数据计算引擎，根据基金集中度控制模块的判决结果对操作建议进行基金更换，份额重新分配等调整。当原始推送的的操作建议触发了基金集中度控制后，可以采取如下处理方式：

(1)假设原始策略建议新买入A基金的份额市值为Ma，如该值超出可买市值上限Ml，可将操作建议调整为建议买入A基金份额市值Ml-Mo，其中Mo为用户已持A基金份额的市值，然后从基金池中挑选出另一只不会触发集中度控制的基金B，买入Ma-(Ml-Mo)。另一种处理方式就是直接从候选基金池中挑选出另一只不会触发集中度控制的基金B买入Ma。如果基金池中基金均达到买入上限则关闭当前策略，停止新建投资模拟组合，直至有效模拟组合数量与策略关闭时模拟组合数相比小于一定阈值或由于市场成交量放大等原因导致可买入余额提高到投资限额一定比率后，方可重新打开模拟组合创建。(注：为了保护原有用户的利益，原有用户正常的仓位调整仍需正常执行，所以上述阈值设定时需要保留一定的裕度，防止现有用户正常提高仓位或卖出时照成市场冲击风险。)。

(2)如果策略建议卖出A基金的份额市值为Ma超出了每日交易量的控制量Ml，则建议用户分批卖出，分批数为对Ma/Ml取整后加1。

用户策略推送模块，该模块将基金集中度调整后的操作策略通过微信推送平台、手机短信、APP消息推送等方式推送给客户。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何不经过创造性劳动想到的变化或替换，都应涵盖在本发明的保护范围之内，因此，本发明的保护范围应该以权利要求书所限定的保护范围为准。

Claims (2)

1.一种大类资产配置类智能投顾集中度控制方法，其特征在于：包括数据采集模块、用户策略初始生成模块、基金集中度控制模块、用户策略调整模块、用户策略推送模块组成；

其中，数据采集模块1从多个数据源采集基金集中度控制所需的各种数据到大数据存储系统；

数据采集模块至少包括以下子模块：

(1)当前及历史用户模拟盘数据模块：用户首先选择智能投顾中的大类资产配置类策略，输入初始投资金额后，系统会为用户创建模拟盘，该模拟盘根据资产配置策略设计，在不同的交易日向用户推荐建议持有的基金及所持基金份额，以及根据不同的市场情况对基金份额进行调整以规避市场风险，这些推荐基金及所持基金份额信息，调整份额信息等构成了用户模拟盘数据；

(2)当前及历史用户实盘委托及交易数据：该模块采集用户通过智能投顾系统真正进行的实盘委托及成交数据，真正反映了用户通过智能投顾系统完成的交易及基金所持份额；

(3)当前及历史行情数据：该模块主要采集场外交易ETF基金的行情数据，比如：净值、收盘价、涨跌幅、成交量、成交份额等当前及历史信息，以及场内基金的净值、份额、规模数据；

大数据存储系统可采用常用的Apache Hadoop HDFS，数据采集可根据数据源的不同存储方式采用不同的方法；

用户策略初始生成模块：该模块主要利用大数据计算引擎，根据策略算法及用户的投资资金量、风险偏好特点生成建议用户投资的基金代码及份额；

基金集中度控制模块,该模块利用大数据计算引擎根据采集到的用户数据、行情数据及策略模块生成的策略数据来判断是否需要进行集中度控制；

用户策略调整模块，该模块主要利用大数据计算引擎，根据基金集中度控制模块的判决结果对操作建议进行基金更换，份额重新分配调整；

当原始推送的操作建议触发了基金集中度控制后，可以采取如下处理方式：

(1)假设原始策略建议新买入A基金的份额市值为Ma，如该值超出可买市值上限Ml，可将操作建议调整为建议买入A基金份额市值Ml-Mo，其中Mo为用户已持A基金份额的市值，然后从配置策略基金池中挑选出另一只不会触发集中度控制的基金B，买入Ma-(Ml-Mo)；另一种处理方式就是直接从候选基金池中挑选出另一只不会触发集中度控制的基金B买入Ma；如果基金池中基金均达到买入上限则关闭当前策略，停止新建投资模拟组合，直至有效模拟组合数量与策略关闭时模拟组合数相比小于一定阈值或由于市场成交量放大等原因导致可买入余额提高到投资限额一定比率后，方可重新打开模拟组合创建；

(2)如果策略建议卖出A基金的份额市值为Ma超出了每日交易量的控制量Ml，则建议用户分批卖出，分批数为对Ma/Ml取整后加1；

用户策略推送模块：该模块将基金集中度调整后的操作策略通过微信推送平台、手机短信、APP消息推送方式推送给客户。

2.如权利要求1所述的大类资产配置类智能投顾集中度控制方法，其特征在于：所述基金集中度控制模块首先判断当前选中的基金是场内ETF基金还是普通场外基金，若为ETF基金，则根据投资建议形成的预期交易量占基金交易量的比例限定阈值，若为普通场外基金，则以个人基金所持份额占基金最近公布总份额的比例来设定阈值，该模块至少包含以下子模块：

(一)基金类型判断模块：判断策略生成模块中产生的投资基金类型；

(二)若判断为ETF基金，则执行以下模块：

a.ETF基金参数设定模块：

主要设置参数为：参数1：客户所持ETF基金份额与当前基金总份额的比例设为x，该参数主要用于避免智能投顾客户持有某只ETF基金的过多份额，在行情发生巨大波动，比如大幅下跌，客户自行卖出所持基金份额所造成的市场冲击，或者新认购人数过多把原持有人的收益摊薄的影响；参数2：T+1日客户ETF基金预期交易量占基金预期交易量的比例y，该参数主要用于避免正常交易日推荐的单只ETF基金交易数量过多，对日常交易形成市场冲击，一般x可以设置为5％，y可设置为1％，考虑到用户的具体下单数量具有不可控性及T+1日行情的不可完全预知性，还可以进一步降低阈值的数值；

b.T+1日下单比估算模块：

该模块主要用于估算T日和(或)T+1的下单比b，该值可以简单设定为过去10个有策略推送的交易日下单比的最大值，或者对历史的下单比进行建模，然后根据模型的参数进行设置，比如设定为模型的下单比为模型均值+3个标准差；

c.是否触发集中度控制判断模块：

该模块由以下步骤实现：

判断为ETF基金的步骤如下：

步骤1：从参数设置模块中获取集中度控制阈值，假设智能投顾客户所持ETF基金份额与当前基金总份额的比例不超过x，客户基金每日交易量占流通市值的比例不超过y；

步骤2：利用模块计算T日结算后，该ETF基金份额占比为x1；

步骤3：利用模块计算T+1日下单比b；

步骤4：判断是否需要进行集中度控制，操作建议中该基金如为净买入，则净买入份额不能超过min((x-x1)*基金当日份额/b，当日ETF基金预期交易量*y/b),如为净卖出(买入-卖出<0)，则卖出不超过基金预期交易量*y/b；

(3)若判断为普通场外基金类型

a.普通场外基金参数设定模块，设置单一参数，即个人申购或赎回基金份额所占当前基金总规模比例z；

b.若判断为普通场外基金，则从模块中获取集中度控制阈值，假设用户申购或赎回基金份额占当前基金总规模比例超过阈值z，则判断为需要进行集中度控制，需要对推荐的操作建议进行调整。