CN109727136A - 金融资产的配置方法及装置 - Google Patents
金融资产的配置方法及装置 Download PDFInfo
- Publication number
- CN109727136A CN109727136A CN201810328378.2A CN201810328378A CN109727136A CN 109727136 A CN109727136 A CN 109727136A CN 201810328378 A CN201810328378 A CN 201810328378A CN 109727136 A CN109727136 A CN 109727136A
- Authority
- CN
- China
- Prior art keywords
- assets
- asset
- investment
- data
- financial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 16
- 230000007774 longterm Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000586 desensitisation Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 claims description 2
- 239000010931 gold Substances 0.000 claims description 2
- 229910052737 gold Inorganic materials 0.000 claims description 2
- 238000012797 qualification Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 239000004577 thatch Substances 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种金融资产的配置方法及装置，涉及金融资产技术领域，解决了相关技术中具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求的问题。方法包括：获取金融客户的基本属性信息以及购买理财产品的交易数据；按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中；运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。本申请适用于金融资产的配置。
Description
技术领域
本发明涉及金融资产技术领域，尤其是涉及到一种金融资产的配置方法及装置。
背景技术
随着中国经济的不断发展、壮大，证券业已经成为中国金融领域不可或缺的经营方式。目前，针对传统服务方式，只有在某个金融机构的户头上，资产-负债超过该金融机构一定标准的高净值客户群体才能享受到高水平的资产配置服务。但是，由于证券业中具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求。
发明内容
本发明实施例提供了一种金融资产的配置方法及装置，解决了相关技术中具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求的问题。
根据本发明实施例的一个方面，提供一种金融资产的配置方法，包括：
获取金融客户的基本属性信息以及购买理财产品的交易数据；
按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
进一步，所述获取金融客户的基本属性信息以及购买理财产品的交易数据之前，所述方法还包括：
提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
进一步，所述按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据包括：
按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
进一步，所述按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中包括：
按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物分别对数值化后的第一资产数据、第二资产数据进行分类，将分类后的数值化数据与资产定额分配曲线进行匹配，将匹配出的差值作为预设资产供给需求模型的输入。
进一步，所述运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案包括：
通过运行所述预设资产供给需求模型得到预期资产配置方案，并按照所述金融客户的购买力及投资偏好通过投资风险承担计算公式对所述预期资产配置方案进行模拟评分，选定最优资产配置方案，所述投资风险承担计算公式为其中，所述a为购买力，b为投资偏好，c为风险承受能力，Q为预期资产配置方案参数，M为不可调用资产与可调用资产占比，所述购买力、投资偏好、风险承受能力通过数值化列表准换为可用于公式计算的数值。
根据本发明实施例的另一方面，提供一种金融资产的配置装置，包括：
获取单元，用于获取金融客户的基本属性信息以及购买理财产品的交易数据；
处理单元，用于按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
匹配单元，用于按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
确定单元，用于运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
进一步，所述装置还包括：
提取单元，用于提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
进一步，所述处理单元，具体用于按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
进一步，所述匹配单元，具体用于按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物分别对数值化后的第一资产数据、第二资产数据进行分类，将分类后的数值化数据与资产定额分配曲线进行匹配，将匹配出的差值作为预设资产供给需求模型的输入。
进一步，所述确定单元，具体用于通过运行所述预设资产供给需求模型得到预期资产配置方案，并按照所述金融客户的购买力及投资偏好通过投资风险承担计算公式对所述预期资产配置方案进行模拟评分，选定最优资产配置方案，所述投资风险承担计算公式为其中，所述a为购买力，b为投资偏好，c为风险承受能力，Q为预期资产配置方案参数，M为不可调用资产与可调用资产占比，所述购买力、投资偏好、风险承受能力通过数值化列表准换为可用于公式计算的数值。
根据本申请的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述金融资产的配置方法对应的操作。
根据本申请的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述金融资产的配置方法对应的操作。
本申请提供了一种金融资产的配置方法及装置，首先获取金融客户的基本属性信息以及购买理财产品的交易数据，然后按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据，再按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物，最后运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。与现有的具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求相比，本申请实施例通过对金融客户的基本属性信息以及购买理财产品的交易数据作为投资模型运算的输入，按照大类资产的分类方式运行预设资产供给需求模型，最后集合金融客户的购买力及投资偏好确定出资产配置方案，实现金融资产配置的自动化，无需人工设计投资方案，减少因人为因素为金融客户代理的不同效益的投资方案，更加有效的提高了金融投资的配置效率。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1示出了本申请实施例提供的一种金融资产的配置方法流程图；
图2示出了本申请实施例提供的另一种金融资产的配置方法流程图；
图3示出了本申请实施例提供的一种资产定额分配曲线示意图；
图4示出了本申请实施例提供的一种金融资产的配置装置框图；
图5示出了本申请实施例提供的另一种金融资产的配置装置框图；
图6示出了本申请实施例提供的一种终端结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
本发明实施例提供了一种金融资产的配置方法，如图1所示，所述方法包括：
101、获取金融客户的基本属性信息以及购买理财产品的交易数据。
其中，所述金融客户为参与购买证券、基金等理财产品的客户，所述基本属性信息为客户的身份信息、收入水平、可投资资产、资产偏好等，所述购买理财产品的交易数据为按照购买的证券、理财产品名称排序后，认购的证券和基金的种类、数量、金额。
需要说明的是，由于传统的理财产品的购买，都是通过理财师等专业人士对客户的资产数据进行合理配置，然后推荐一些可以为客户带来最大收益的投资配置方案，因此，客户的基本属性信息以及购买理财产品的交易数据都属于需要保密的信息，本发明实施例中，需要在进行配置之前，将客户的基本属性信息及购买理财产品的交易数据信息录入计算机中，并进行加密或脱敏处理，确保这些数据的敏感性。
102、按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据。
其中，所述数据处理可以包括数据清洗、数值化，数据清洗即是将基本数据信息以及购买理财产品的交易数据删除掉不用于投资方案配置的数据，数值化为将基本属性信息以及购买理财产品的交易数据中的文字信息转换为数值数据，以便可以进行模型运算或公式计算，本发明实施例不做具体限定。
需要说明的是，所述投资模型可以为利用关联规则、决策树等投资组合的大数据挖掘模型，可以为金融理财专业人员预先写入的投资模型，本发明实施例不做具体限定。
103、按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中。
其中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物，境内权益资产是指在中国境内为获取其他企业的权益或净资产所进行的投资，境内固定收益资产是指中国境内投资于银行定期存款、协议存款、国债、金融债、企业债、可转换债券、债券型基金等固定收益类资产，相对的，境外权益资产是指在中国境外为获取其他企业的权益或净资产所进行的投资，境外固定收益资产是指中国境外投资于银行定期存款、协议存款、国债、金融债、企业债、可转换债券、债券型基金等固定收益类资产，房地产是指国内外购买的房产，本发明实施例不做具体限定。
需要说明的是，预设资产供给需求模型即是指可以按照大类资产分类得到供客户进行投资方案配置的数学模型，例如马克维茨模型，以便进行投资组合优化，以获得最优大类资产配置方案，并生成产品配置模板供客户进行选择。
104、运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
其中，所述购买力为购买理财产品的能力，投资偏好为客户在投资过程中购买理财产品的倾向选择，而购买力与投资偏好可以通过分析购买理财产品的交易数据进行获取，也可以通过直接向金融客户索取对应的购买力及投资偏好数据，本发明实施例不做具体限定。
需要说明的是，在运行预设资产供给需求模型后，可以将投资组合出最后的几组投资配置方案，然后根据购买力及投资偏好选择一种或两种资产配置方案为客户进行提供。例如，针对马克维茨模型，是把风险定义为期望收益率的波动率，利用数理统计的方法应用到投资组合选择的研究中，这种模型方法使相互制约的目标能够达到最佳的平衡效果。
本申请提供了一种金融资产的配置方法，与现有的具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求相比，本申请实施例通过对金融客户的基本属性信息以及购买理财产品的交易数据作为投资模型运算的输入，按照大类资产的分类方式运行预设资产供给需求模型，最后集合金融客户的购买力及投资偏好确定出资产配置方案，实现金融资产配置的自动化，无需人工设计投资方案，减少因人为因素为金融客户代理的不同效益的投资方案，更加有效的提高了金融投资的配置效率。
本发明实施例提供了另一种金融资产的配置方法，如图2所示，所述方法包括：
201、提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
对于本发明实施例，由于不同的保险公司对购买理财产品客户的信息都需要进行保密处理，而针对保险行业来说，最保险的方式就是对客户存储于金融数据库中的资产历史信息进行脱敏处理，其中，资产历史信息为客户在当前保险公司注册、购买、录入的购买理财产品的信息。
需要说明的是，在存储于金融数据库中的资产历史信息中，脱敏处理即是指将关于理财产品、客户信息中关于保险公司需要保密的内容进行敏感词汇处理，本发明实施例中，选择将理财产品的收益、客户购买年限、为客户提供的优惠金额、客户等级作为敏感词汇，具体的脱敏处理的方法为将理财产品的收益、客户购买年限、为客户提供的优惠金额、客户等级转换为供保险公司理财专业人员进行识别的标识码，如将理财产品的收益按照二进制数据进行转换，将客户购买年限按照以2000年为基础年限相加的方法进行转换，本发明实施例不做具体限定。针对脱敏后的资产历史信息存储于金融数据库中，当需要进行本发明实施例中的投资配置方法时，将这些数据提取，进行反脱敏处理，得到正常显示的基本属性信息以及购买理财产品的交易数据。
202、获取金融客户的基本属性信息以及购买理财产品的交易数据。
本步骤与图1所示的步骤104方法相同，在此不再赘述。
203、按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
对于本发明实施例，为了对细化及对按照具体的投资方向对基本属性信息及购买理财产品的交易数据进行区分，本实施例中将投资方向划分为长期投资时间段以及短期投资时间段，其中，对于保险公司来说，为了确保理财投资的最大化效益，长期投资的时间段可以为5年以上，短期投资时间段可以为5年以下，第一资产数据即为客户超过5年以上的投资数据，第二资产数据即为客户5年以内的投资数据，第一资产数据可以包括第二资产数据，若客户并没有超过5年以上的投资数据，则不存在第一资产数据，可以为0，本发明实施例不做具体限定。另外，为了使数值化操作自动进行，可以为不同的文本信息配置对应的数值，系统后台通过数值化列表将第一资产数据、第二资产数据中的文本信息准换为具体的数值，完成数据的数值化。
204、按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物分别对数值化后的第一资产数据、第二资产数据进行分类，将分类后的数值化数据与资产定额分配曲线进行匹配，将匹配出的差值作为预设资产供给需求模型的输入。
对于本发明实施例，为了进一步优化数据作为预设资产供给需求模型的输入，需要对数值化后的第一资产数据、第二资产数据进行分类，即为按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物的类别进行分类，然后通过不同的类别与资产定额分配曲线进行匹配。其中，资产定额分配曲线如图3所示，图中纵轴为第一资产数据、第二资产数据不同分类后数值化数据，横轴为不同分类，图中曲线为资产定额分配曲线，一般由保险公司的理财专业人士整合近几年客户理财信息得到的资产定额分配曲线，圆点为客户数值化数据，在进行对比过程中，可以通过计算客户的数值化数据与资产定额分配曲线之间的方差作为匹配出的差值，带入预设资产供给需求模型中。然后通过将匹配出的差值作为预设资产供给需求模型的输入，即为马克维茨模型的输入，以便通过马克维茨模型确定出预期资产配置方案。
205、通过运行所述预设资产供给需求模型得到预期资产配置方案，并按照所述金融客户的购买力及投资偏好通过投资风险承担计算公式对所述预期资产配置方案进行模拟评分，选定最优资产配置方案。
其中，所述投资风险承担计算公式为其中，所述a为购买力，b为投资偏好，c为风险承受能力，Q为预期资产配置方案参数，M为不可调用资产与可调用资产占比，所述购买力、投资偏好、风险承受能力通过数值化列表准换为可用于公式计算的数值。
一般的，在利用预设资产供给需求模块运行得到的预期资产配置方案为一个预期方案，在进行运算过程中，可以通过调整马克维茨模型中参数得到不同的预期资产配置方案，因此，为了对得到的预期资产配置方案进行更为优化的、更加智能的选定，根据投资风险承担计算公式计算预期资产配置方案是否为最优的资产配置方案。其中，购买力、为投资偏好、风险承受能力、预期资产配置方案参数的数值可以通过对于的数值化列表进行匹配，例如，购买力为强时，对应的数值为10，极强时为15，一般时为5，弱时为1，本发明实施例对数值化列表中的具体数值不做具体限定。
本申请提供了另一种金融资产的配置方法，本申请实施例通过对金融客户的基本属性信息以及购买理财产品的交易数据作为投资模型运算的输入，按照大类资产的分类方式运行预设资产供给需求模型，最后集合金融客户的购买力及投资偏好确定出资产配置方案，实现金融资产配置的自动化，无需人工设计投资方案，减少因人为因素为金融客户代理的不同效益的投资方案，更加有效的提高了金融投资的配置效率。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种金融资产的配置装置，如图4所示，该装置包括：获取单元31、处理单元32、匹配单元33、确定单元34。
获取单元31，用于获取金融客户的基本属性信息以及购买理财产品的交易数据；所述获取单元31为金融资产的配置装置执行获取金融客户的基本属性信息以及购买理财产品的交易数据的程序模块。
处理单元32，用于按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；所述处理单元32为金融资产的配置装置执行按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据的程序模块。
匹配单元33，用于按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；所述匹配单元33为金融资产的配置装置执行按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中的程序模块。
确定单元34，用于运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。所述确定单元34为金融资产的配置装置执行运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案的程序模块。
本申请提供了一种金融资产的配置装置，与现有的具有投资顾问资格，又具有资产配置服务能力的专业人员数目极少，且良莠不齐，服务不具备标准化，难以满足绝大多数客户财富管理的需求相比，本申请实施例通过对金融客户的基本属性信息以及购买理财产品的交易数据作为投资模型运算的输入，按照大类资产的分类方式运行预设资产供给需求模型，最后集合金融客户的购买力及投资偏好确定出资产配置方案，实现金融资产配置的自动化，无需人工设计投资方案，减少因人为因素为金融客户代理的不同效益的投资方案，更加有效的提高了金融投资的配置效率。
进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种金融资产的配置装置，如图5所示，该装置包括：获取单元41、处理单元42、匹配单元43、确定单元44、提取单元45。
获取单元41，用于获取金融客户的基本属性信息以及购买理财产品的交易数据；
处理单元42，用于按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
匹配单元43，用于按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
确定单元44，用于运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
进一步，所述装置还包括：
提取单元45，用于提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
进一步，所述处理单元42，具体用于按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
进一步，所述匹配单元43，具体用于按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物分别对数值化后的第一资产数据、第二资产数据进行分类，将分类后的数值化数据与资产定额分配曲线进行匹配，将匹配出的差值作为预设资产供给需求模型的输入。
进一步，所述确定单元44，具体用于通过运行所述预设资产供给需求模型得到预期资产配置方案，并按照所述金融客户的购买力及投资偏好通过投资风险承担计算公式对所述预期资产配置方案进行模拟评分，选定最优资产配置方案，所述投资风险承担计算公式为其中，所述a为购买力，b为投资偏好，c为风险承受能力，Q为预期资产配置方案参数，M为不可调用资产与可调用资产占比，所述购买力、投资偏好、风险承受能力通过数值化列表准换为可用于公式计算的数值。
本申请提供了另一种金融资产的配置装置，本申请实施例通过对金融客户的基本属性信息以及购买理财产品的交易数据作为投资模型运算的输入，按照大类资产的分类方式运行预设资产供给需求模型，最后集合金融客户的购买力及投资偏好确定出资产配置方案，实现金融资产配置的自动化，无需人工设计投资方案，减少因人为因素为金融客户代理的不同效益的投资方案，更加有效的提高了金融投资的配置效率。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的金融资产的配置方法。
图6示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图6所示，该终端可以包括：处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502，用于执行程序510，具体可以执行上述金融资产的配置方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：
获取金融客户的基本属性信息以及购买理财产品的交易数据；
按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。
Claims (10)
1.一种金融资产的配置方法，其特征在于，包括：
获取金融客户的基本属性信息以及购买理财产品的交易数据；
按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
2.根据权利要求1所述的方法，其特征在于，所述获取金融客户的基本属性信息以及购买理财产品的交易数据之前，所述方法还包括：
提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
3.根据权利要求2所述的方法，其特征在于，所述按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据包括：
按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
4.根据权利要求3所述的方法，其特征在于，所述按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中包括：
按照境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物分别对数值化后的第一资产数据、第二资产数据进行分类，将分类后的数值化数据与资产定额分配曲线进行匹配，将匹配出的差值作为预设资产供给需求模型的输入。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案包括：
通过运行所述预设资产供给需求模型得到预期资产配置方案，并按照所述金融客户的购买力及投资偏好通过投资风险承担计算公式对所述预期资产配置方案进行模拟评分，选定最优资产配置方案，所述投资风险承担计算公式为其中，所述a为购买力，b为投资偏好，c为风险承受能力，Q为预期资产配置方案参数，M为不可调用资产与可调用资产占比，所述购买力、投资偏好、风险承受能力通过数值化列表准换为可用于公式计算的数值。
6.一种金融资产的配置装置，其特征在于，包括：
获取单元，用于获取金融客户的基本属性信息以及购买理财产品的交易数据；
处理单元，用于按照不同的投资方向对所述基本属性信息以及购买理财产品的交易数据进行数据处理，得到可用于投资模型运算的数值化数据；
匹配单元，用于按照大类资产的分类将所述数值化数据匹配至预设资产供给需求模型中，所述大类资产包括境内权益资产、境内固定收益资产、境外权益资产、境外固定收益资产、房地产、现金及现金等价物；
确定单元，用于运行所述预设资产供给需求模型，并结合所述金融客户的购买力及投资偏好确定所述金融客户的资产配置方案。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
提取单元，用于提取金融客户存储于金融数据库中的资产历史信息，并对所述资产历史信息进行反脱敏处理得到基本属性信息以及购买理财产品的交易数据。
8.根据权利要求7所述的装置，其特征在于，
所述处理单元，具体用于按照长期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于长期投资的第一资产数据，以及按照短期投资时间段提取所述基本属性信息、购买理财产品的交易数据中可用于短期投资的第二资产数据，将所述第一资产数据、第二资产数据中的数据对数值化列表进行匹配取值，得到数值化数据。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-5中任一项所述的金融资产的配置方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-5中任一项所述的金融资产的配置方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810328378.2A CN109727136A (zh) | 2018-04-12 | 2018-04-12 | 金融资产的配置方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810328378.2A CN109727136A (zh) | 2018-04-12 | 2018-04-12 | 金融资产的配置方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109727136A true CN109727136A (zh) | 2019-05-07 |
Family
ID=66293761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810328378.2A Pending CN109727136A (zh) | 2018-04-12 | 2018-04-12 | 金融资产的配置方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109727136A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264366A (zh) * | 2019-05-20 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 终端设备、信息处理方法及存储介质 |
| CN110288483A (zh) * | 2019-05-22 | 2019-09-27 | 平安证券股份有限公司 | 账号开通方法、装置、设备及计算机可读存储介质 |
| CN111401985A (zh) * | 2020-02-26 | 2020-07-10 | 京东数字科技控股有限公司 | 信息的展示方法和装置、存储介质和电子装置 |
| CN111402061A (zh) * | 2020-02-28 | 2020-07-10 | 中国建设银行股份有限公司 | 一种资产管理方法和系统 |
| CN111951113A (zh) * | 2020-08-17 | 2020-11-17 | 中国银行股份有限公司 | 一种基于大数据的投资服务方法和装置 |
| CN112541827A (zh) * | 2020-12-10 | 2021-03-23 | 中信银行股份有限公司 | 一种投资金额智能配置方法和装置 |
| CN113344674A (zh) * | 2021-06-28 | 2021-09-03 | 平安信托有限责任公司 | 基于用户购买力的产品推荐方法、装置、设备及存储介质 |
| CN113888338A (zh) * | 2021-09-29 | 2022-01-04 | 中国工商银行股份有限公司 | 资产配置监控方法、系统、设备、介质、产品 |
| CN115511569A (zh) * | 2022-10-09 | 2022-12-23 | 湖南工商大学 | 一种金融风险监控装置和方法 |
-
2018
- 2018-04-12 CN CN201810328378.2A patent/CN109727136A/zh active Pending
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110264366A (zh) * | 2019-05-20 | 2019-09-20 | 深圳壹账通智能科技有限公司 | 终端设备、信息处理方法及存储介质 |
| CN110288483A (zh) * | 2019-05-22 | 2019-09-27 | 平安证券股份有限公司 | 账号开通方法、装置、设备及计算机可读存储介质 |
| CN111401985A (zh) * | 2020-02-26 | 2020-07-10 | 京东数字科技控股有限公司 | 信息的展示方法和装置、存储介质和电子装置 |
| CN111401985B (zh) * | 2020-02-26 | 2024-01-16 | 京东科技控股股份有限公司 | 信息的展示方法和装置、存储介质和电子装置 |
| CN111402061A (zh) * | 2020-02-28 | 2020-07-10 | 中国建设银行股份有限公司 | 一种资产管理方法和系统 |
| CN111402061B (zh) * | 2020-02-28 | 2024-03-08 | 中国建设银行股份有限公司 | 一种资产管理方法和系统 |
| CN111951113A (zh) * | 2020-08-17 | 2020-11-17 | 中国银行股份有限公司 | 一种基于大数据的投资服务方法和装置 |
| CN112541827A (zh) * | 2020-12-10 | 2021-03-23 | 中信银行股份有限公司 | 一种投资金额智能配置方法和装置 |
| CN113344674A (zh) * | 2021-06-28 | 2021-09-03 | 平安信托有限责任公司 | 基于用户购买力的产品推荐方法、装置、设备及存储介质 |
| CN113888338A (zh) * | 2021-09-29 | 2022-01-04 | 中国工商银行股份有限公司 | 资产配置监控方法、系统、设备、介质、产品 |
| CN115511569A (zh) * | 2022-10-09 | 2022-12-23 | 湖南工商大学 | 一种金融风险监控装置和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109727136A (zh) | 金融资产的配置方法及装置 | |
| CN105243117B (zh) | 一种数据处理系统和方法 | |
| CN102236870A (zh) | 一种用于获得稳定回报的数量化多因子投资组合控制方法 | |
| CN110264342A (zh) | 一种基于机器学习的业务审核方法及装置 | |
| CN109859052A (zh) | 一种投资策略的智能推荐方法、装置、存储介质和服务器 | |
| Gao et al. | The performance of the P2P finance industry in China | |
| CN107437227A (zh) | 股票投资分析装置与方法 | |
| CN110796539A (zh) | 一种征信评估方法及装置 | |
| CN110991441A (zh) | 基于图像识别的资产评估方法、装置以及计算机存储介质 | |
| CN107609771A (zh) | 一种供应商价值评价方法 | |
| CN107169856A (zh) | 一种公积金业务对账方法和系统 | |
| CN112529628A (zh) | 客户标签的生成方法、装置、计算机设备及存储介质 | |
| Scott et al. | Challenges with the financial reporting of biological assets by public entities in South Africa | |
| CN103430201A (zh) | 私人公司估价 | |
| CN116071150A (zh) | 数据处理方法、银行产品推广、风控系统、服务器及介质 | |
| CN111932368B (zh) | 一种信用卡发卡系统及其构建方法、装置 | |
| Singh et al. | A new investment opportunity: Bitcoin & ethereum cryptocurrency | |
| Wang et al. | Stock return prediction based on Bagging-decision tree | |
| CN114358519B (zh) | 一种智能信贷额度利率调整方法及装置 | |
| CN116258593A (zh) | 金融产品创设方法、装置、设备及存储介质 | |
| CN115797060A (zh) | 资金流向的追踪方法及其装置、电子设备及存储介质 | |
| Agba et al. | Does foreign direct investments impact agricultural output in Nigeria? An error correction modelling approach | |
| Kosala | Predicting the likelihood of dividend payment from Indonesian public companies with data mining methods | |
| Cerchiello et al. | ICOs White Papers: identity card or lark mirror? | |
| Mehta et al. | Analysis of Stocks by the Use of Clustering and Classification Algorithms |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |