一种确定用户风险偏好、理财产品的推荐方法和装置
技术领域
本申请涉及互联网技术领域,尤其涉及一种用户风险偏好的确定、理财产品的推荐方法和装置。
背景技术
随着互联网技术的飞速发展,越来越多的用户可以通过互联网购买各种理财产品。通常,不同的理财产品可以具有不同的风险,为了提升用户体验,理财产品的服务方对用户的风险偏好进行分析,根据用户的风险偏好,向用户推荐具有相应风险的理财产品。
然而,在实际应用中,影响用户风险偏好的因素有很多种,既包含主观因素,又包含客观因素,因此,很难准确得到用户的风险偏好,从而无法精准地向用户推荐理财产品,影响用户体验。
发明内容
本申请实施例提供一种确定用户风险偏好、产品推荐方法和装置,用于解决现有技术无法准确得到用户的风险偏好,从而无法精准地向用户推荐理财产品的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出一种确定用户风险偏好的方法,包括:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好。
第二方面,提出一种确定用户风险偏好的装置,包括:
获取单元,获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
第一确定单元,根据所述用户信息,确定所述目标用户的风险特征值;
第二确定单元,根据所述风险特征值,确定所述目标用户的风险偏好。
第三方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好。
第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好。
第五方面,提出一种理财产品的推荐方法,包括:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好;
向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
第六方面,提出一种理财产品的推荐装置,包括:
获取单元,获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
第一确定单元,根据所述用户信息,确定所述目标用户的风险特征值;
第二确定单元,根据所述风险特征值,确定所述目标用户的风险偏好;
推荐单元,向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
第七方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好;
向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
第八方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好;
向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例提供的技术方案,在确定某个用户的风险偏好时,以用户对理财产品的真实购买行为、用户的持仓信息以及用户的资产信息为基础,分析用户的风险特征值,根据风险特征值确定用户的风险偏好,因此,确定得到的用户风险偏好的客观性、真实性和准确性都比较高,同时,由于用户的真实购买行为、用户的持仓信息以及用户的资产信息可以实时更新,因此,基于这些信息分析得到的用户风险偏好的实时性也比较好。这样,在基于用户风险偏好向用户推荐理财产品时,可以精准地向用户推荐符合用户真实需求的理财产品,从而提升用户体验。
附图说明
为了更清楚地说明本申请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申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例确定用户风险偏好的方法的流程示意图;
图2是本申请的一个实施例确定用户风险偏好的方法的流程示意图;
图3是本申请的一个实施例理财产品的推荐方法的流程示意图;
图4是本申请的一个实施例电子设备的结构示意图;
图5是本申请的一个实施例确定用户风险偏好的装置的结构示意图;
图6是本申请的一个实施例电子设备的结构示意图;
图7是本申请的一个实施例理财产品的推荐装置的结构示意图。
具体实施方式
现有技术中,理财产品的服务方可以对用户的风险偏好进行分析,以便根据用户的风险偏好向用户推荐具有相应风险的理财产品。
例如,待推荐的理财产品包括具有高风险的产品A,具有中风险的产品B以及具有低风险的产品C,经分析得知,用户的风险偏好为高风险,则可以向用户推荐理财产品A。
然而,在实际应用中,用户的风险偏好易受各种因素的影响,例如,用户性格、用户的投资经验等主观因素,用户拥有的资产等客观因素,导致很难准确得到用户的风险偏好。
现有技术中,理财产品的服务方在对用户的风险偏好进行分析时,通常采用答题测试的方式。具体地,首先,理财产品的服务方可以向用户提供固定个数的测试题目,这些题目涉及用户的个人信息、工作信息、家庭信息、投资信息等;其次,根据用户的答案对用户的风险偏好进行打分;最后,根据打分结果分析用户的风险偏好。
然而,上述分析用户风险偏好的方法,由于测试题目的个数有限,且维度较少,因此,可以获取到的用户信息有限;通常,用户在选择答案时,出于保护隐私的心理,尤其是涉及资产方面的信息,并不愿意透露真实情况,因此答案的真实性不高,并且,用户对题目的理解可能与题目本身想表达的意思有偏差,也会进一步导致答案的真实性不高,从而基于用户的答案分析得到的用户风险偏好的准确度较低;用户在对题目进行一次作答后,很少会再次作答,然而大多数的用户信息是动态信息,这些动态信息会影响用户的风险偏好,导致分析得到的用户风险偏好的实时性较差。
由此可见,现有技术在确定用户的风险偏好时,评估维度较少、准确性和实时性较差,导致无法准确得到用户的风险偏好,从而无法精准地向用户推荐理财产品。
为了解决上述问题,本申请实施例提供一种确定用户风险偏好、理财产品的推荐方法和装置,该确定用户风险偏好的方法包括:获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:根据所述用户信息,确定所述目标用户的风险特征值;根据所述风险特征值,确定所述目标用户的风险偏好。
本申请实施例在确定某个用户的风险偏好时,以用户对理财产品的真实购买行为、用户的持仓信息以及用户的资产信息为基础进行分析,因此,确定得到的用户风险偏好的客观性、真实性和准确性都比较高,同时,由于用户的真实购买行为、用户的持仓信息以及用户的资产信息可以实时更新,因此,基于这些信息分析得到的用户风险偏好的实时性也比较好。这样,在基于用户风险偏好向用户推荐理财产品时,可以精准地向用户推荐符合用户真实需求的理财产品,从而提升用户体验。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
本申请实施例针对理财产品的应用场景,可以准确得到用户的风险偏好,并基于用户的风险偏好精准地向用户推荐理财产品。应理解,在其他具有风险的业务或产品的应用场景下,也可以通过本申请实施例提供的技术方案准确得到用户针对其他业务或产品的风险偏好,从而精准地向用户推荐相应业务或产品。这里不再对其他应用场景一一举例说明。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例确定用户风险偏好的方法的流程示意图。所述方法包括以下步骤。
S102:获取目标用户的用户信息。
在S102中,在确定某个用户(以下由目标用户表示)的风险偏好时,可以获取目标用户的用户信息。
本申请实施例中,为了准确得到目标用户的风险偏好,获取的用户信息可以是与目标用户的风险偏好相关以及可能相关的信息,具体可以包括目标用户对各种理财产品的购买信息、目标用户当前的持仓信息以及目标用户当前的资产信息中的至少一种。
所述对各种理财产品的购买信息可以理解为目标用户对各理财产品的购买行为数据,具体可以包括目标用户购买了哪些理财产品,购买的各理财产品的数量、金额,购买时间等。
所述持仓信息可以包括目标用户当前持仓了哪些理财产品,这些理财产品各自的风险状况等。
所述资产信息可以包括目标用户的历史投资能力,资产持有量,消费能力等信息。
应理解,所述用户信息不限于上述三种信息,也可以是其他与用户的风险偏好相关以及可能相关的信息,这里不再一一举例说明。
需要说明的是,所述用户信息都可以从各理财产品的服务后台中获取得到,其中,服务后台中的数据可以随时间实时更新,因此,本申请实施例可以在不同时间获取到不同的用户信息,这样,可以保证后续确定得到的用户风险偏好的实时性。
在获取得到目标用户的用户信息后,可以执行S104。
S104:根据所述用户信息,确定所述目标用户的风险特征值。
在S104中,可以对目标用户的用户信息进行分析,得到目标用户的风险特征值。
需要说明的是,在实际应用中,不同的用户信息与风险偏好的相关性不同,通常可以认为与风险偏好相关性较弱的用户信息,对用户风险偏好的影响也比较弱,且可以忽略不计,因此,本申请实施例仅考虑所述用户信息中与风险偏好强相关的用户信息。
本申请实施例中,所述用户信息中与风险偏好强相关的用户信息可以统称为目标用户的风险特征信息,所述风险特征值可以理解为所述风险特征信息对应的特征值,即所述风险特征值可以表征与风险偏好强相关的特征对应的特征值。
在根据所述用户信息,确定所述目标用户的风险特征值时,可以包括:
对所述用户信息进行相关性分析,确定所述用户信息中与风险偏好强相关的风险特征信息;
根据所述风险特征信息,确定所述目标用户的风险特征值。
具体地,可以基于现有技术中记载的相关性分析方法,对所述用户信息进行相关性分析,确定所述用户信息中哪些用户信息与目标用户的风险偏好强相关,哪些用户信息与目标用户的风险偏好弱相关,并将与目标用户的风险偏好强相关的用户信息确定为目标用户的风险特征信息。
所述风险特征信息可以包括以下至少一种:目标用户购买各理财产品的数量,理财产品的总购买数量,够买各理财产品的金额,理财产品的总购买金额,目标用户拥有的总资产。
为了保证后续确定得到的目标用户风险偏好的准确性,所述风险特征信息可以包括上述五种信息的全部。
当然,除上述记载的五种风险特征信息外,风险特征信息还可以包括其他用户信息,具体可以根据实际的相关性分析结果确定,本申请实施例仅以上述五种风险特征信息为例进行说明。
在得到目标用户的风险特征信息后,可以基于该风险特征信息进行分析,得到目标用户的风险特征值。
本申请实施例中,目标用户的风险特征值可以包括第一特征值、第二特征值以及第三特征值中的至少一种,所述第一特征值可以表征目标用户购买某种理财产品的数量与理财产品总购买数量的比值,所述第二特征值可以表征目标用户购买某种理财产品的金额与理财产品总购买金额的比值,所述第三特征值表征目标用户购买理财产品的总金额与目标用户的总资产的比值。
其中,所述第三特征值的个数为一个,当目标用户购买的理财产品的种类有多种时,所述第一特征值的个数可以是多个,所述第二特征值的个数也可以是多个。
例如,目标用户购买了三种理财产品A、B和C,其中,购买理财产品A的数量为a1,金额为a2,购买理财产品B的数量为b1,金额为b2,购买理财产品C的数量为c1,金额为c2,目标用户的总资产为m。
由此可知,所述第一特征值为所述第二特征值为所述第三特征值为
在本申请的一个实施例中,当所述第一特征值的个数为多个时,由于多个第一特征值的和为1,其中任一个特征值都可以根据其他特征值确定得到,因此,在不影响后续计算结果的情况下,为了简化后续的计算步骤,可以去掉其中一个特征值(该特征值可以理解为冗余的特征值)。相应地,当所述第二特征值的个数为多个时,也可以去掉其中一个特征值。其中,本实施例对具体去掉哪一个特征值不做具体限定。
例如,上述三个第一特征值中,可以去掉保留和第二特征值中可以去掉保留和由于可以根据和得到,可以根据和得到,因此,去掉特征值后的第一特征值和第二特征值并不会影响后续的计算结果。
在基于上述记载的方法得到目标用户的风险特征值后,可以执行S106。
S106:根据所述风险特征值,确定所述目标用户的风险偏好。
在S106中,可以对目标用户的风险特征值进行分析,确定目标用户的风险偏好。本申请实施例中,可以将风险偏好划分为四个等级,分别为高风险、中风险、低风险、平衡型,根据目标用户的风险特征值确定得到的风险偏好可以是这四种等级中的一种。
应理解,在其他实现方式中,风险偏好划分的等级个数还可以是2个(例如高风险、低风险)、3个(例如高风险、中风险和低风险)或者其他个数,本申请实施例仅以上述记载的高风险、中风险、低风险、平衡型四个风险等级为例进行说明。
在根据目标用户的风险特征值,确定目标用户的风险偏好时,可以包括以下步骤:
根据所述风险特征值,确定各风险等级对应的分值;
根据所述各风险等级对应的分值,确定所述目标用户的风险偏好。
所述各风险等级可以与上述记载的风险偏好的等级对应,可以是高风险、中风险和低风险。根据目标用户的风险特征值,可以计算得到各风险等级对应的分值,其中,各风险等级对应的分值可以作为用于后续确定目标用户风险偏好的依据。
在根据目标用户的风险特征值,确定各风险等级对应的分值时,可以包括以下步骤:
根据所述风险特征值得到特征向量;
基于预设权重对所述特征向量中各维度的值进行线性组合,得到所述各风险等级对应的分值。
本申请实施例中,所述特征向量可以用于描述目标用户的风险偏好,在根据所述风险特征值得到特征向量时,可以将风险特征值中包含的各特征值组合得到所述特征向量,其中,所述特征向量的维度可以与所述风险特征值中包含的特征值的个数相同。
例如,若所述风险特征特征包括第一特征值a,第二特征值b,第三特征值c,则所述特征向量可以表示为[a,b,c];若所述风险特征特征包括第一特征值a1、a2,第二特征值b1、b2,第三特征值c,则所述特征向量可以表示为[a1,a2,b1,b2,c]。
在得到所述特征向量后,可以基于预设权重对所述特征向量中各维度的值进行线性组合,得到各风险等级对应的分值。
以所述特征向量为[x1,x2,x3],可以通过以下公式确定得到各风险等级对应的分值:
SH=ω11x1+ω21x2+ω31x3
SM=ω12x1+ω22x2+ω32x3,
SL=ω13x1+ω23x2+ω33x3
其中,SH为高风险等级对应的分值,SM为中风险等级对应的分值,SL为低风险等级对应的分值,ωij(i=1,2,3,j=1,2,3)为预设权重。
需要说明的是,所述预设权重可调,可以基于经验确定得到,也可以通过模型训练的方式确定得到。
在确定得到各风险等级对应的分值后,在根据各分值确定目标用户的风险偏好时,可以包括以下步骤:
基于预设算法,将所述各风险等级对应的分值转化为概率向量;
将所述概率向量映射到相应维度的空间中;
获取预先确定得到的预设对应关系,所述预设对应关系为所述空间中不同位置与不同风险偏好之间的对应关系;
根据所述概率向量映射到所述空间中的目标位置以及预设对应关系,确定所述目标用户的风险偏好。
所述预设算法可以是softmax算法,softmax算法是一种机器学习多分类问题中常用的方法,可以将多个输出映射为概率,在本实施例中,使用softmax算法可以将各风险等级对应的分值映射为多个概率,得到由多个概率组成的概率向量。
所述概率向量可以描述目标用户的风险偏好,所述概率向量的维度等于各风险等级对应的分值的个数。在使用预设算法将各风险等级对应的分值转化为概率向量时,以高、中、低三个风险等级对应的分值SH、SM、SL为例,可以通过以下公式转化为概率向量:
其中,[PH,PM,PL]为转化得到的概率向量,PH,PM和PL分别高、中和第三个风险等级的概率值。
在将各风险等级对应的分值转化为概率向量后,可以将概率向量映射到相应维度的空间中。本实施例中,所述相应维度的空间可以理解为所述概率向量张成的空间,将概率向量映射到相应维度的空间可以理解为,确定概率向量在该空间中的位置(以下由目标位置表示)。
以概率向量为[PH,PM,PL]为例,由于概率向量中PH,PM和PL的和为1,因此,概率向量[PH,PM,PL]张成的空间为三维的锥子形空间,将概率向量[PH,PM,PL]映射到三维锥子形空间中,即确定概率向量[PH,PM,PL]在三维锥子形空间中的目标位置,该目标位置即为三维锥子形空间中坐标点[PH,PM,PL]的位置。
在将概率向量映射到相应维度的空间后,可以获取预先确定得到的预设对应关系,该预设对应关系为所述空间中不同位置与不同风险偏好之间的对应关系,基于该预设对应关系可以将所述空间划分为多个区域,一个区域可以对应一个用户风险偏好。
本实施例中,以三维锥子形空间为例,所述预设对应关系可以是空间中不同位置与高风险、中风险、低风险和平衡型这四个风险偏好之间的对应关系,在确定所述预设对应关系时,可以基于线性门限函数确定得到,所述线性门限函数如下:
thh1≤a11PH+a21PM+a31PL≤thh2
thm1≤a12PH+a22PM+a32PL≤thm2,
thl1≤a13PH+a23PM+a33PL≤thl2
其中,thh1、thh2、thm1、thm2、thl1、thl2均为预设值,可以用于限定各风险偏好对应的空间区域的边界,具体可以根据实际情况确定,PH可以对应高风险的一个概率值,PM可以对应一个中风险的概率值,PL可以对应一个低风险的固定值,具体也可以根据实际情况确定,aij(i=1,2,3,j=1,2,3)为预设系数,该预设系数可根据实际情况调整,通过调整预设系数可以改变各风险偏好对应的空间区域。
在三维锥子形空间中,上述线性门限函数中的第一行表示的空间区域可以对应高风险,第二行表示的空间区域可以对应中风险,第三行表示的空间区域可以对应低风险,三维锥子形空间中的其他区域可以对应平衡型。
在确定目标用户的风险偏好时,可以根据概率向量映射到空间中的目标位置以及所述预设对应关系,确定该目标位置位于哪个风险偏好对应的空间区域中,从而得到目标用户的风险偏好。
在本申请实施例中,在确定得到目标用户的风险偏好后,还可以定时或不定时地更新目标用户的风险偏好,以保证目标用户风险偏好的实时性。其中,在更新目标用户的风险偏好时,主要是更新S102中获取到的用户信息,基于更新后的用户信息,采用本申请实施例上述记载的技术方案确定得到目标用户新的风险偏好。
在本申请的一个实施例中,在确定目标用户的风险偏好之后,还可以向目标用户推荐与目标用户的风险偏好匹配的理财产品。
例如,确定得到的目标用户的风险偏好为中风险,则可以向目标用户推荐具有中风险的理财产品。
由于本申请实施例确定得到的用户风险偏好的准确性和实时性较高,因此,可以实现向用户精准推荐理财产品的目的。
本申请实施例提供的技术方案,在确定某个用户的风险偏好时,以用户对理财产品的真实购买行为、用户的持仓信息以及用户的资产信息为基础,分析用户的风险特征值,根据风险特征值确定用户的风险偏好,因此,确定得到的用户风险偏好的客观性、真实性和准确性都比较高,同时,由于用户的真实购买行为、用户的持仓信息以及用户的资产信息可以实时更新,因此,基于这些信息分析得到的用户风险偏好的实时性也比较好。这样,在基于用户风险偏好向用户推荐理财产品时,可以精准地向用户推荐符合用户真实需求的理财产品,从而提升用户体验。
为了便于理解整个技术方案,可以参见图2。图2是本申请的一个实施例确定用户风险偏好的方法的流程示意图。本实施例中,可以将用户的风险偏好划分为高风险、中风险、低风险和平衡四个等级进行说明。
S201:获取目标用户的用户信息。
所述用户信息可以是与目标用户的风险偏好相关以及可能相关的信息,具体可以包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种。
S202:对所述用户信息进行相关性分析,确定所述用户信息中与风险偏好强相关的风险特征信息。
所述风险特征信息可以包括以下至少一种:目标用户购买各理财产品的数量,理财产品的总购买数量,够买各理财产品的金额,理财产品的总购买金额,目标用户拥有的总资产。
S203:根据所述风险特征信息,确定所述目标用户的风险特征值。
所述风险特征值可以包括第一特征值、第二特征值以及第三特征值中的至少一种,其中,所述第一特征值表征所述目标用户购买某种理财产品的数量与理财产品总购买数量的比值,所述第二特征值表征所述目标用户购买某种理财产品的金额与理财产品总购买金额的比值,所述第三特征值表征所述目标用户购买理财产品的总金额与所述目标用户的总资产的比值。
S204:根据所述风险特征值得到特征向量。
所述特征向量的维度与所述风险特征值中包含的特征值的个数相同。
S205:基于预设权重对所述特征向量中各维度的值进行线性组合,得到各风险等级对应的分值。
所述各风险等级包括高风险、中风险和低风险。
S206:基于预设算法,将所述各风险等级对应的分值转化为概率向量。
所述预设算法可以是softmax算法,所述概率向量可以用于描述用户的风险偏好。
S207:将所述概率向量映射到相应维度的空间中。
所述相应维度的空间可以是三维锥子形空间,在将概率向量映射到相应维度的空间中后,可以得到概率向量在该空间中的位目标置。
S208:根据所述概率向量映射到所述空间中的目标位置和预设对应关系,确定所述目标用户的风险偏好。
所述预设对应关系为所述空间中不同位置与不同风险偏好之间的对应关系,可以预先根据线性门限函数确定得到。本实施例中,可以根据所述预设对应关系可以确定得到,高风险、中风险、低风险以及平衡型各风险偏好对应哪部分空间区域。
在确定目标用户的风险偏好时,可以根据所述目标位置以及所述预设对应关系,确定该目标位置位于哪个风险偏好对应的空间区域中,从而可以确定目标用户的风险偏好。
S209:向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
上述S201至S209的具体实现方式可以参见图1所示实施例中相应步骤的具体实现,这里不再重复描述。
由于本申请实施例以用户购买理财产品的真实行为数据、用户的持仓信息以及用户的资产信息为基础,分析得到与用户的风险偏好强相关的特征对应的风险特征值,进而确定得到用户的风险偏好,因此,不仅可以避免评估维度少的问题,还可以提高确定得到的风险偏好的准确性,同时,由于可以通过获取新的用户信息来更新用户的风险偏好,因此,可以保证用户风险偏好的实时性较好,在基于本申请实施例确定得到的用户风险偏好向用户推荐理财产品时,可以实现精准推荐的目的。
图3是本申请的一个实施例理财产品的推荐方法的流程示意图,所述方法包括以下步骤。
S302:获取目标用户的用户信息。
所述用户信息可以是与目标用户的风险偏好相关以及可能相关的信息,具体可以包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种。
S304:根据所述用户信息,确定所述目标用户的风险特征值。
所述风险特征值可以表征与所述目标用户的风险偏好强相关的特征对应的特征值
S306:根据所述风险特征值,确定所述目标用户的风险偏好。
上述S302至S306的具体实现可参考图1所示实施例中对应步骤的具体实现,本说明书一个或多个实施例在此不再赘述。
S308:向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
在S308中,在基于S302至S306记载的方法确定目标用户的风险偏好后,在向目标用户推荐理财产品时,可以向目标用户推荐与目标用户的风险偏好相匹配的理财产品。
本申请实施例在向用户推荐理财产品时,由于根据用户对理财产品的真实购买行为、用户的持仓信息以及用户的资产信息,分析得到的用户风险偏好的准确性和实时性较高,因此,基于分析得到的风险偏好向用户推荐相匹配的理财产品时,可以实现精准推荐的目的,从而提升用户体验。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成确定用户风险偏好的装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好。
上述如本申请图4所示实施例揭示的确定用户风险偏好的装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1和图2的方法,并实现确定用户风险偏好的装置在图1和图2所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1和图2所示实施例的方法,并具体用于执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好。
图5是本申请的一个实施例确定用户风险偏好的装置50的结构示意图。请参考图5,在一种软件实施方式中,所述确定用户风险偏好的装置50可包括:获取单元51、第一确定单元52和第二确定单元53,其中:
获取单元51,获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
第一确定单元52,根据所述用户信息,确定所述目标用户的风险特征值;
第二确定单元53,根据所述风险特征值,确定所述目标用户的风险偏好。
可选地,所述风险特征值表征与风险偏好强相关的特征对应的特征值;
其中,所述第一确定单元52,根据所述用户信息,确定所述目标用户的风险特征值,包括:
对所述用户信息进行相关性分析,确定所述用户信息中与风险偏好强相关的风险特征信息;
根据所述风险特征信息,确定所述目标用户的风险特征值。
可选地,所述风险特征值包括以下至少一种:
第一特征值,所述第一特征值表征所述目标用户购买某种理财产品的数量与理财产品总购买数量的比值;
第二特征值,所述第二特征值表征所述目标用户购买某种理财产品的金额与理财产品总购买金额的比值;
第三特征值,所述第三特征值表征所述目标用户购买理财产品的总金额与所述目标用户的总资产的比值。
可选地,所述第二确定单元53,根据所述风险特征值,确定所述目标用户的风险偏好,包括:
根据所述风险特征值,确定各风险等级对应的分值;
根据所述各风险等级对应的分值,确定所述目标用户的风险偏好。
可选地,所述第二确定单元53,根据所述风险特征值,得到各风险等级对应的分值,包括:
根据所述风险特征值得到特征向量;
基于预设权重对所述特征向量中各维度的值进行线性组合,得到所述各风险等级对应的分值。
可选地,所述第二确定单元53,根据所述各风险等级对应的分值,确定所述目标用户的风险偏好,包括:
基于预设算法,将所述各风险等级对应的分值转化为概率向量;
将所述概率向量映射到相应维度的空间中;
获取预先确定得到的预设对应关系,所述预设对应关系为所述空间中不同位置与不同风险偏好之间的对应关系;
根据所述概率向量映射到所述空间中的目标位置以及所述预设对应关系,确定所述目标用户的风险偏好。
可选地,所述确定用户风险偏好的装置50还包括:推荐单元54,其中:
所述推荐单元54,在所述第二确定单元53确定所述目标用户的风险偏好之后,向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
本申请实施例提供的确定用户风险偏好的装置50还可执行图1和图2的方法,并实现确定用户风险偏好的装置在图1和图2所示实施例的功能,本申请实施例在此不再赘述。
图6是本申请的一个实施例电子设备的结构示意图。请参考图6,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成理财产品的推荐装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好;
向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
上述如本申请图6所示实施例揭示的理财产品的推荐装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图3的方法,并实现理财产品的推荐装置在图3所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图3所示实施例的方法,并具体用于执行以下操作:
获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
根据所述用户信息,确定所述目标用户的风险特征值;
根据所述风险特征值,确定所述目标用户的风险偏好;
向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
图7是本申请的一个实施例确定理财产品的推荐装置70的结构示意图。请参考图7,在一种软件实施方式中,所述理财产品的推荐装置70可包括:获取单元71、第一确定单元72、第二确定单元73和展示单元74,其中:
获取单元71,获取目标用户的用户信息,所述用户信息包括对理财产品的购买信息、持仓信息以及资产信息中的至少一种:
第一确定单元72,根据所述用户信息,确定所述目标用户的风险特征值;
第二确定单元73,根据所述风险特征值,确定所述目标用户的风险偏好;
推荐单元74,向所述目标用户推荐与所述目标用户的风险偏好匹配的理财产品。
本申请实施例提供的理财产品的推荐装置70还可执行图3的方法,并实现理财产品的推荐装置70在图3所示实施例的功能,本申请实施例在此不再赘述。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、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、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。