CN110009503A - 理财产品推荐方法、装置、计算机设备及存储介质 - Google Patents
理财产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110009503A CN110009503A CN201910264798.3A CN201910264798A CN110009503A CN 110009503 A CN110009503 A CN 110009503A CN 201910264798 A CN201910264798 A CN 201910264798A CN 110009503 A CN110009503 A CN 110009503A
- Authority
- CN
- China
- Prior art keywords
- product
- information
- historical
- transaction data
- data table
- 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 41
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000004458 analytical method Methods 0.000 claims abstract description 69
- 230000008859 change Effects 0.000 claims abstract description 54
- 230000006870 function Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 29
- 238000012216 screening Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 15
- 238000011156 evaluation Methods 0.000 claims description 13
- 238000012502 risk assessment Methods 0.000 claims description 13
- 238000013210 evaluation model Methods 0.000 claims description 12
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 355
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007115 recruitment Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请涉及大数据处理技术领域，提供一种理财产品推荐方法、装置、计算机设备及存储介质，根据从各平台采集的历史交易数据，生成客户历史交易数据表和产品历史交易数据表；获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。整个过程，通过服务器自动广泛的获取历史交易数据，结合客户增益以及产品盈亏快速专业的进行产品推荐，平衡企业与客户之间的增益，提高了产品推荐工作的效率。
Description
技术领域
本申请涉及大数据技术领域，特别是涉及一种理财产品推荐方法、装置、计算机设备及存储介质。
背景技术
随着经济的发展和科技的进步，人们的理财意识逐渐增强，越来越多的人将闲置资金投入到理财金融理财产品中。
传统的理财规划，由专业的理财分析师，根据自身经验积累以及搜集各行业资讯，对客户资金进行管理规划，推荐理财产品，为客户创造投资收益。
但是传统的理财经理在对客户进行资产规划推荐理财投资建议时，根据经验判断过于主观，难以平衡企业与客户之间的共同利益，且去各平台搜集各行业资讯信息不准确耗费时长，产品推荐工作效率低。
发明内容
基于此，有必要针对产品推荐工作效率低的问题，提供一种高效的理财产品推荐方法、装置、计算机设备及存储介质。
一种理财产品推荐方法，包括：
采集各平台历史交易数据；
根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；
获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
在其中一个实施例中，根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表包括：
对历史交易数据进行清洗；
根据聚类算法对已清洗的历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据；
根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中获取与预设筛选关键词对应的客户历史交易数据和产品历史交易数据；
根据与预设筛选关键词对应的客户历史交易数据和产品历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
在其中一个实施例中，获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息包括：
获取预设理财分析模型，预设理财分析模型根据历史交易数据，基于回归方程进行训练得到；
将当前交易数据、客户历史交易数据表以及产品历史交易数据表输入预设理财分析模型，预测客户交易增益，获取增益信息。
在其中一个实施例中，获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息包括：
接收产品认购信息和产品净值变化信息，对产品认购信息和产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；
根据产品固定成本和产品变化成本率对产品进行盈亏平衡分析，获取盈亏平衡点；
根据盈亏平衡点，获取产品盈亏信息。
在其中一个实施例中，根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品包括：
根据客户历史交易数据表，对客户交易行为进行分析；
根据交易分析结果，对客户风险承受能力等级进行评估；
根据产品盈亏信息、客户风险能力承受等级以及增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重；
根据权重，推荐理财产品。
在其中一个实施例中，根据交易分析结果，对客户风险承受能力等级进行评估包括：
获取历史风险评估参数以及风险评估结果数据；
将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；
针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；
根据交易分析结果以及风险评估模型，对客户风险承受能力等级进行评估。
在其中一个实施例中，根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品之后还包括：
接收理财产品确认消息；
根据理财产品确认消息确定目标理财产品；
模拟预设时间内目标理财产品的收益数据；
反馈收益数据。
一种理财产品推荐装置，包括：
历史数据采集模块，用于采集各平台历史交易数据；
数据表生成模块，用于根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
增益信息获取模块，用于获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；
盈亏分析模块，用于获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
产品推荐模块，用于根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：
采集各平台历史交易数据；
根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；
获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
采集各平台历史交易数据；
根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；
获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
上述理财产品推荐方法、装置、计算机设备及存储介质，采集各平台历史交易数据；根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。整个过程，通过服务器自动广泛的获取历史交易数据，结合客户增益以及产品盈亏快速专业的进行产品推荐，平衡企业与客户之间的增益，提高了产品推荐工作的效率。
附图说明
图1为上述理财产品推荐方法其中一个实施例流程示意图；
图2为上述理财产品推荐方法另一个实施例流程示意图；
图3为上述理财产品推荐装置其中一个实施例结构示意图；
图4为计算机设备其中一个实施例内部结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在其中一个实施例中，如图1所示，提供了一种理财产品推荐方法，包括以下步骤：
S110：采集各平台历史交易数据。
服务器响应用户信息采集操作，通过数据接口与各平台系统建立联系，采集各交易平台的历史交易数据，其中各平台可以是债券、股票、公募基金、私募基金、黄金、房产、保险等交易平台，交易数据包括，交易客户、交易客户基本信息、交易时间、交易方法、交易产品等信息，非必要，历史交易数据的采集可以通过设定间隔时间进行自动采集数据，例如3分钟、30分钟等，并可通过设置数据保留时效，例如12小时、36小时等，即，在间隔时间内采集历史交易数据后，每一次采集的历史交易数据在数据池内保存12小时后，自动删除。
S120：根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
采集历史交易数据后，对历史交易数据进行清洗、格式标准化等预处理，获取清洗后的历史交易数据，对历史交易数据进行分类处理，根据交易主体和被执行体进行分类，即将历史交易数据分为客户历史交易数据和产品历史交易数据，本实施例中，客户历史交易数据表是指，以客户身份为主体，将客户的交易类型、交易产品、交易时间、交易数据进行分类整合生成客户历史交易数据表，产品历史交易数据表是指，以交易产品为主体，将产品购买人数、产品交易时间、产品交易数量等信息进行整合，生成产品历史交易数据表。
S130：获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息。
当前交易数据是指，现时刻创建交易产生的交易数据以及，以前创建的交易在现时刻显示的产品价值，产品收益等。例如，客户历史交易数据表中有，3年前，客户A购买100万购买了某基金，到现时刻为止，此基金的价值为200万。根据当前交易数据和历史交易数据，获取该基金的增益。进一步的，当产品历史交易数据表中有，产品某基金，2017年12月9日，有50万人购买，产品价值为100万，现时刻产品B，购买人数为65万，产品价值为150万，获取单个产品增益以及，可以对产品基金未来增长趋势进行预测。获取增益信息。
S140：获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息。
产品认购信息是指，在产品成立前进行的预订购买，例如，基金认购，是投资者在开放式基金募集期间、基金尚未成立时购买基金份额的过程，相当于产品预定。产品净值变化信息是指，固定资产原始价值或重置完全价值减去累计说明固定资产现在折旧额后的余额，折余价值反映固定资产经磨损后的现有价值，实际占用资金数额。在本实施例中，产品净值变化可以指代产品的净利润变化信息。盈亏平衡分析又称保本点分析或者本量利分析法，是根据产品的业务量、销量、成本、利润之间的相互制约关系的综合分析，用来预测利润、控制成本，判断经营的一种数学分析方法。通过盈亏平衡点分析项目成本与收益的平衡关系，各种不确定的因素，如投资、成本、销售量、产品价格、项目寿命期等的变化会影响投资方案的经济效益，当这些因素的变化达到某一临界值时，就会影响方案的取舍，本实施例中，通过产品的认购信息和产品的净值变化信息，对产品收益与亏损之间的平衡点进行计算，得到产品与企业保底成本之间的盈亏关系。在本实施例中，接收产品认购信息和净值变化信息，统计每一种产品的认购总量，获取产品的预估总成本与总收益，根据净值变化信息和产品认购信息计算盈亏平衡点处的收益率，分析产品成本与收益的平衡关系。
S150：根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
根据产品盈亏信息，对接近盈亏平衡点的产品按照最近距离进行排序，以及根据客户历史交易数据表，对客户购买的产品、类型等进行分析，获取客户收益最高、以及偏好产品类型，对客户进行产品推荐，具体的，根据盈亏排序可知，产品与企业保底成本最接近收益最高点距离最近的产品排序为A、B、C。从客户历史交易数据表分析得知，客户购买了产品B和C，通过增益分析其中B的收益大于C，且C的收益呈增长趋势，可以对客户结合自身增益以及企业增益进行理财产品推荐。
上述理财产品推荐方法，采集各平台历史交易数据；根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。整个过程，通过服务器自动广泛的获取历史交易数据，结合客户增益以及产品盈亏快速专业的进行产品推荐，平衡企业与客户之间的增益，提高了产品推荐工作的效率。
在其中一个实施例中，如图2所示，根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表包括：
S210：对历史交易数据进行清洗。
S220：根据聚类算法对已清洗的历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据。
S230：根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中获取与预设筛选关键词对应的客户历史交易数据和产品历史交易数据。
S240：根据与预设筛选关键词对应的客户历史交易数据和产品历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
当服务器从个交易平台获取交易数据时，来源于不同的各个交易平台，在采集过程中数据难免会产生畸变，丢失、脏数据等，其中脏数据是指在源系统中的数据不在给定的范围内或对与实际业务毫无疑义，或是数据格式非法，以及在源系统中存在的不规范编码和含糊的业务逻辑，因此在对数据进行采集之后，需要对采集到的历史交易数据进行清洗，追踪丢失的值，删除任何的格式错误，对数据进行重新审查和效验，删除重复信息，纠正错误的存在，并提供数据一致性。进一步的，聚类算法是研究一种统计分析方法，同时也是数据挖掘的重要算法，聚类分析由若干模式组成，通常是一个度量的向量或者是多维空间中的一个点，聚类算法包括K-MEANS算法、CURE算法、STING算法等，在本实施例中，采用K-MEANS算法对历史交易数据进行分类，K-MEANS算法是输入聚类个数K，以及包含N个数据对象的数据库，输出满足方差最小标准的K各聚类的一种算法，K-MEANS算法接收输入量2，对客户和产品进行分类，然后将N个历史交易数据对象划分为2个聚类以便于使得所获得的聚类满足，得到产品历史数据和客户历史数据，再根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中进行关键词筛选，预设筛选关键词可以是客户姓名、交易时间、产品类别等关键词。当关键词为客户A时，此时客户A为唯一标识，根据客户A的唯一标识，对含有唯一标识的数据进行查找匹配，将所有与客户A有关联的交易信息进行集合，生成客户A历史交易数据表；当筛选关键词为产品B时，根据产品B的唯一标识，查询产品B的关联数据，比如，产品B的购买数量，购买者、购买日期、地点等，对产品交易数据进行整合，生成产品历史交易数据表。保证了数据来源广泛性和数据准确性。
在其中一个实施例中，获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息包括：获取预设理财分析模型，预设理财分析模型根据历史交易数据，基于回归方程进行训练得到；将当前交易数据、客户历史交易数据表以及产品历史交易数据表输入预设理财分析模型，预测客户交易增益，获取交易增益信息。预设理财分析模型是事先采集历史交易样本数据，对历史数据进行训练，基于线性回归方程对客户增益进行预测，其中，线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一,训练过程就是优化问题minMSE(θ)代价函数的求解过程：
MSE(θ)＝(Xθ-y)T＝θTXTXθ-2yTXθ+yTy
thenθ*＝(XTX)-1XTy
式中，θ*是优化问题的最优解，模型交易数据参数，y＝{y(1),y(2),...y(m)}T是交易数据目标值向量，m是训练集中的交易数据实数，X∈Rm×(n+1),即每一行对应一个实例，XTX是n×n的矩阵。在本实施例中，当客户A，2016年19月22购买了200万基金，当前交易数据为客户A，2018年10月22日，基金价值400万，将历史数据和当前交易数据输入至理财分析模型，得到客户A购买基金3年的增益为200万，结合行业风险、日变化率、年增益率等对基金未来趋势进行预测。简单方便的实现对增益的信息的获取以及对未来增益的预测。
在其中一个实施例中，获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息包括：接收产品认购信息和产品净值变化信息，对产品认购信息和产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；根据产品固定成本和产品变化成本对产品进行盈亏平衡分析，获取盈亏平衡点；根据盈亏平衡点，获取产品盈亏信息。其中，接收理财经理输入的产品净值变化信息和产品净值变化信息，根据产品净值变化信息中的产品净值变化与产品销售量的乘积得到产品变动成本率；根据产品认购信息中产品认购量和产品成本的乘积得到固定成本，根据固定成本除以，1与变动成本率之间的差，得到的商为盈亏平衡点，即，盈亏平衡点＝固定成本/(1-变动成本率)，进一步的，根据客户增益和产品增益在盈亏平衡点附件的浮动状况，对交易产品的盈亏状况进行分析，当产品A低于盈亏平衡点且远离盈亏平衡点时，说明产品A除在亏损区，属于重度亏损，获取产品A的盈亏分析信息。保证了结果的准确，提高了工作效率。
在其中一个实施例中，根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品包括：根据客户历史交易数据表，对客户交易行为进行分析；根据对交易行为的分析，对客户风险承受能力等级进行评估；根据产品盈亏信息、客户风险能力承受等级以及增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重，根据权重，推荐理财产品。其中，权重是指某一因素相对于某一事物的重要程度，其不同于一般的比重，体现的不仅仅是某一因素或指标所占的百分比，强调的是因素或者指标的相对重要程度，倾向于贡献度或重要性。权重可通过划分多个层次指标进行判断和计算，常用的方法包括层次分析法、模糊法、模糊层次分析法和专家评价法等。在本实施例中，采用主次指标排队分类法，将考核指标体系中所有指标按照一定标准，如其重要性程度进行排列，设置权重在排队的基础上。进一步的，根据客户的购买行为，对客户风险承受能力等级进行评估，当客户偏重购买保险时，则可分析各户的风险承受能力等级较低，根据等级进行权重排队，设置权重，根据增益与盈亏平衡点的距离进行排队设置权重，以及对客户的收益状况设置权重，例如设置产品盈亏权重为40％，增益为40％，客户风险承受能力权重为20％，根据产品盈亏中的各产品排序给予相应权重；根据增益中各产品的增益排序给予相应权值；根据客户风险承受能力等级排序给予相应权值，根据最终的产品权值比较，推荐权值最高的理财产品。能专业化、准确化的平衡企业盈亏与客户增益之间利益进行理财产品推荐，提高了工作效率。
在其中一个实施例中，根据交易分析结果，对客户风险承受能力等级进行评估包括：获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；根据交易分析结果以及风险评估模型，对客户风险承受能力等级进行评估。其中，初始风险评估模型可以理解为传统用于进行风险评估的模型，将历史风险评估参数以及对应的风险评估结果数据分为训练样本集，针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型，最后使用该模型对测试样本集进行测试，评估风险结果。
具体来说，高斯径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是Φ(x)＝Φ(‖x‖)，或者还可以是到任意一点c的距离，c点称为中心点，也就是Φ(x，c)＝Φ(‖x-c‖)。任意一个满足Φ(x)＝Φ(‖x‖)特性的函数Φ都叫做高斯径向基函数，标准的一般使用欧氏距离(也叫做欧式径向基函数)，尽管其他距离函数也是可以的。在神经网络结构中，可以作为全连接层和ReLU层的主要函数。在上述实施例中，可以基于高斯径向基函数构建神经网络模型，通过训练样本对构建的神经网络模型进行迭代训练，得到最优惩罚因子C和核函数g，构建出预设风险评估模型。结果准确，提高了工作效率。
在其中一个实施例中，根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品之后还包括：接收理财产品确认消息；根据理财产品确认消息确定目标理财产品；模拟预设时间内目标理财产品的收益数据；反馈收益数据。其中，在服务器向理财经理推荐最佳理财产品之后，理财经理展示给客户，当客户想要进一步了解时，理财经理进行推荐产品确认，当服务器接收了理财产品确认消息时，解析理财产品确认消息，获取目标理财产品，将目标理财产品输入模拟购买环境，得到模拟预设时间内理财产品的收益数据，比如，未来5年、未来10年等目标产品的收益数据，将收益数据反馈至理财经理，给予理财经理在产品推荐时的数据依据，增加产品推荐的可靠性，提高工作效率。
在其中一个实施例中，如图3所示，提供了一种理财产品推荐装置，包括以下模块：
历史数据采集模块310，用于采集各平台历史交易数据；
数据表生成模块320，用于根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
增益信息获取模块330，用于获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；
盈亏分析模块340，用于获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
产品推荐模块350，用于根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
在其中一个实施例中，数据表生成模块320，还用于对历史交易数据进行清洗；根据聚类算法对已清洗的历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据；根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中获取与预设筛选关键词对应的客户历史交易数据和产品历史交易数据；根据与预设筛选关键词对应的客户历史交易数据和产品历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
在其中一个实施例中，增益信息获取模块330，还用于获取预设理财分析模型，预设理财分析模型根据历史交易数据，基于回归方程进行训练得到；将当前交易数据、客户历史交易数据表以及产品历史交易数据表输入预设理财分析模型，预测客户交易增益，获取增益信息。
在其中一个实施例中，盈亏分析模块340，还用于接收产品认购信息和产品净值变化信息，对产品认购信息和产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；根据产品固定成本和产品变化成本率对产品进行盈亏平衡分析，获取盈亏平衡点；根据盈亏平衡点，获取产品盈亏信息。
在其中一个实施例中，产品推荐模块350，还用于根据客户历史交易数据表，对客户交易行为进行分析；根据交易分析结果，对客户风险承受能力等级进行评估；根据产品盈亏信息、客户风险能力承受等级以及增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重；根据权重，推荐理财产品。
在其中一个实施例中，上述理财产品推荐装置，还包括风险评估模块，用于获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；根据交易分析结果以及风险评估模型，对客户风险承受能力等级进行评估。
在其中一个实施例中，产品推荐模块350，还用于接收理财产品确认消息；根据理财产品确认消息确定目标理财产品；模拟预设时间内目标理财产品的收益数据；反馈收益数据。
关于理财产品推荐装置的具体限定可以参见上文中对于理财产品推荐方法的限定，在此不再赘述。上述理财产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储理财产品推荐数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时实现一种理财产品推荐方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在其中一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：采集各平台历史交易数据；根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：对历史交易数据进行清洗；根据聚类算法对已清洗的历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据；根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中获取与预设筛选关键词对应的客户历史交易数据和产品历史交易数据；根据与预设筛选关键词对应的客户历史交易数据和产品历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取预设理财分析模型，预设理财分析模型根据历史交易数据，基于回归方程进行训练得到；将当前交易数据、客户历史交易数据表以及产品历史交易数据表输入预设理财分析模型，预测客户交易增益，获取增益信息。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：接收产品认购信息和产品净值变化信息，对产品认购信息和产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；根据产品固定成本和产品变化成本率对产品进行盈亏平衡分析，获取盈亏平衡点；根据盈亏平衡点，获取产品盈亏信息。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：根据客户历史交易数据表，对客户交易行为进行分析；根据交易分析结果，对客户风险承受能力等级进行评估；根据产品盈亏信息、客户风险能力承受等级以及增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重；根据权重，推荐理财产品。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；根据交易分析结果以及风险评估模型，对客户风险承受能力等级进行评估。
在其中一个实施例中，处理器执行计算机程序时还实现以下步骤：接收理财产品确认消息；根据理财产品确认消息确定目标理财产品；模拟预设时间内目标理财产品的收益数据；反馈收益数据。
在其中一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理执行时实现以下步骤：采集各平台历史交易数据；根据历史交易数据，生成客户历史交易数据表和产品历史交易数据表；获取客户当前交易数据，根据当前交易数据、客户历史交易数据表和产品历史交易数据表，获取增益信息；获取产品认购信息和产品净值变化信息，根据产品认购信息和产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；根据产品盈亏信息、客户历史交易数据表和增益信息，推荐理财产品。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：对历史交易数据进行清洗；根据聚类算法对已清洗的历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据；根据预设筛选关键词，从客户历史交易数据和产品历史交易数据中获取与预设筛选关键词对应的客户历史交易数据和产品历史交易数据；根据与预设筛选关键词对应的客户历史交易数据和产品历史交易数据，生成客户历史交易数据表和产品历史交易数据表。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取预设理财分析模型，预设理财分析模型根据历史交易数据，基于回归方程进行训练得到；将当前交易数据、客户历史交易数据表以及产品历史交易数据表输入预设理财分析模型，预测客户交易增益，获取增益信息。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收产品认购信息和产品净值变化信息，对产品认购信息和产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；根据产品固定成本和产品变化成本率对产品进行盈亏平衡分析，获取盈亏平衡点；根据盈亏平衡点，获取产品盈亏信息。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：根据客户历史交易数据表，对客户交易行为进行分析；根据交易分析结果，对客户风险承受能力等级进行评估；根据产品盈亏信息、客户风险能力承受等级以及增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重；根据权重，推荐理财产品。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；根据交易分析结果以及风险评估模型，对客户风险承受能力等级进行评估。
在其中一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收理财产品确认消息；根据理财产品确认消息确定目标理财产品；模拟预设时间内目标理财产品的收益数据；反馈收益数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种理财产品推荐方法，其特征在于，所述方法包括：
采集各平台历史交易数据；
根据所述历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
获取客户当前交易数据，根据所述当前交易数据、所述客户历史交易数据表和所述产品历史交易数据表，获取增益信息；
获取产品认购信息和产品净值变化信息，根据所述产品认购信息和所述产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
根据所述产品盈亏信息、所述客户历史交易数据表和所述增益信息，推荐理财产品。
2.根据权利要求1所述理财产品推荐方法，其特征在于，所述根据所述历史交易数据，生成客户历史交易数据表和产品历史交易数据表包括：
对所述历史交易数据进行清洗；
根据聚类算法对已清洗的所述历史交易数据进行分类，获取客户历史交易数据和产品历史交易数据；
根据预设筛选关键词，从所述客户历史交易数据和产品历史交易数据中获取与所述筛选关键词对应的所述客户历史交易数据和所述产品历史交易数据；
根据所述与所述筛选关键词对应的所述客户历史交易数据和所述产品历史交易数据，生成所述客户历史交易数据表和所述产品历史交易数据表。
3.根据权利要求1所述理财产品推荐方法，其特征在于，所述获取客户当前交易数据，根据所述当前交易数据、所述客户历史交易数据表和所述产品历史交易数据表，获取增益信息包括：
获取预设理财分析模型，所述预设理财分析模型根据所述历史交易数据，基于回归方程进行训练得到；
将所述当前交易数据、所述客户历史交易数据表以及所述产品历史交易数据表输入所述预设理财分析模型，预测客户交易增益，获取所述增益信息。
4.根据权利要求1所述理财产品推荐方法，其特征在于，所述获取产品认购信息和产品净值变化信息，对所述产品认购信息和所述产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息包括：
接收所述产品认购信息和所述产品净值变化信息，对所述产品认购信息和所述产品净值变化信息进行分析，获取产品固定成本和产品变化成本率；
根据所述产品固定成本和所述产品变化成本率对所述产品进行盈亏平衡分析，获取盈亏平衡点；
根据所述盈亏平衡点，获取产品盈亏信息。
5.根据权利要求1所述理财产品推荐方法，其特征在于，所述根据所述产品盈亏信息、所述客户历史交易数据表和所述增益信息，推荐理财产品包括：
根据所述客户历史交易数据表，对客户交易行为进行分析；
根据交易分析结果，对客户风险承受能力等级进行评估；
根据所述产品盈亏信息、客户风险能力承受等级以及所述增益信息，确定产品盈亏、客户风险能力承受等级以及增益的权重；
根据所述权重推荐理财产品。
6.根据权利要求5所述理财产品推荐方法，其特征在于，所述根据交易分析结果，对客户风险承受能力等级进行评估包括：
获取历史风险评估参数以及风险评估结果数据；
将获取的所述历史风险评估参数以及所述风险评估结果数据作为训练样本集；
针对所述训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子C和核函数g，构建风险评估模型；
根据所述交易分析结果以及所述风险评估模型，对客户风险承受能力等级进行评估。
7.根据权利要求1所述理财产品推荐方法，其特征在于，所述根据所述产品盈亏信息、所述客户历史交易数据表和所述增益信息，推荐理财产品之后还包括：
接收理财产品确认消息；
根据所述理财产品确认消息确定目标理财产品；
模拟预设时间内所述目标理财产品的收益数据；
反馈所述收益数据。
8.一种理财产品推荐装置，其特征在于，所述装置包括：
历史数据采集模块，用于采集各平台历史交易数据；
数据表生成模块，用于根据所述历史交易数据，生成客户历史交易数据表和产品历史交易数据表；
增益信息获取模块，用于获取客户当前交易数据，根据所述当前交易数据、所述客户历史交易数据表和所述产品历史交易数据表，获取增益信息；
盈亏分析模块，用于获取产品认购信息和产品净值变化信息，根据所述产品认购信息和所述产品净值变化信息进行产品盈亏平衡分析，获取产品盈亏信息；
产品推荐模块，用于根据所述产品盈亏信息、所述客户历史交易数据表和所述增益信息，推荐理财产品。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910264798.3A CN110009503A (zh) | 2019-04-03 | 2019-04-03 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910264798.3A CN110009503A (zh) | 2019-04-03 | 2019-04-03 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110009503A true CN110009503A (zh) | 2019-07-12 |
Family
ID=67169577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910264798.3A Pending CN110009503A (zh) | 2019-04-03 | 2019-04-03 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110009503A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110765355A (zh) * | 2019-10-23 | 2020-02-07 | 中国银行股份有限公司 | 金融市场产品交易策略课程的推送方法及装置 |
| CN110795620A (zh) * | 2019-09-25 | 2020-02-14 | 平安科技（深圳）有限公司 | 基于同类用户的产品推荐方法、装置、设备及存储介质 |
| CN111815070A (zh) * | 2020-07-23 | 2020-10-23 | 深圳壹账通智能科技有限公司 | 基于区块链的数据处理方法、装置、设备、及存储介质 |
| CN112037018A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 基于代发薪客户交易行为的营销方法和装置 |
| CN112330412A (zh) * | 2020-11-17 | 2021-02-05 | 中国平安财产保险股份有限公司 | 一种产品推荐方法、装置、计算机设备及存储介质 |
| CN112468543A (zh) * | 2020-11-12 | 2021-03-09 | 建信金融科技有限责任公司 | 发布信息的方法、装置、设备和计算机可读介质 |
| CN112767143A (zh) * | 2021-03-15 | 2021-05-07 | 中国工商银行股份有限公司 | 基于利润贡献度的理财产品推荐方法和装置 |
| CN112907379A (zh) * | 2021-03-15 | 2021-06-04 | 中国工商银行股份有限公司 | 理财产品推荐方法和装置 |
| CN113379545A (zh) * | 2021-06-09 | 2021-09-10 | 中国工商银行股份有限公司 | 产品推荐方法、装置、电子设备及存储介质 |
| CN113850609A (zh) * | 2021-09-09 | 2021-12-28 | 上海悦高软件股份有限公司 | 一种客户管理系统、方法、计算机设备和存储介质 |
| CN114819514A (zh) * | 2022-03-29 | 2022-07-29 | 中国银行股份有限公司 | 银行产品的投放处理方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008257677A (ja) * | 2007-03-12 | 2008-10-23 | Speiron Co Ltd | 売買注文システム及び売買注文プログラム、並びに端末装置 |
| US20170039650A1 (en) * | 2014-04-14 | 2017-02-09 | Algomi Limited | Method and system for the discovery, visualization, communication, alerting, capture and subsequent reporting of user actions and market information relating to the trading requirements and activities of investment management firms |
| CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
| CN107679946A (zh) * | 2017-09-28 | 2018-02-09 | 平安科技（深圳）有限公司 | 基金产品推荐方法、装置、终端设备及存储介质 |
| CN107871282A (zh) * | 2017-11-29 | 2018-04-03 | 上海壹账通金融科技有限公司 | 理财产品购买方法、装置、设备及可读存储介质 |
| CN108376369A (zh) * | 2018-01-29 | 2018-08-07 | 深圳前海微众银行股份有限公司 | 金融理财产品推荐方法、设备、系统及存储介质 |
| CN108681970A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市零度智控科技有限公司 | 基于大数据的理财产品推送方法、系统及计算机存储介质 |
| CN109359812A (zh) * | 2018-09-04 | 2019-02-19 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、服务器及计算机可读存储介质 |
-
2019
- 2019-04-03 CN CN201910264798.3A patent/CN110009503A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008257677A (ja) * | 2007-03-12 | 2008-10-23 | Speiron Co Ltd | 売買注文システム及び売買注文プログラム、並びに端末装置 |
| US20170039650A1 (en) * | 2014-04-14 | 2017-02-09 | Algomi Limited | Method and system for the discovery, visualization, communication, alerting, capture and subsequent reporting of user actions and market information relating to the trading requirements and activities of investment management firms |
| CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
| CN107679946A (zh) * | 2017-09-28 | 2018-02-09 | 平安科技（深圳）有限公司 | 基金产品推荐方法、装置、终端设备及存储介质 |
| CN107871282A (zh) * | 2017-11-29 | 2018-04-03 | 上海壹账通金融科技有限公司 | 理财产品购买方法、装置、设备及可读存储介质 |
| CN108376369A (zh) * | 2018-01-29 | 2018-08-07 | 深圳前海微众银行股份有限公司 | 金融理财产品推荐方法、设备、系统及存储介质 |
| CN108681970A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市零度智控科技有限公司 | 基于大数据的理财产品推送方法、系统及计算机存储介质 |
| CN109359812A (zh) * | 2018-09-04 | 2019-02-19 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、服务器及计算机可读存储介质 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110795620A (zh) * | 2019-09-25 | 2020-02-14 | 平安科技（深圳）有限公司 | 基于同类用户的产品推荐方法、装置、设备及存储介质 |
| CN110765355A (zh) * | 2019-10-23 | 2020-02-07 | 中国银行股份有限公司 | 金融市场产品交易策略课程的推送方法及装置 |
| CN111815070A (zh) * | 2020-07-23 | 2020-10-23 | 深圳壹账通智能科技有限公司 | 基于区块链的数据处理方法、装置、设备、及存储介质 |
| CN112037018A (zh) * | 2020-09-01 | 2020-12-04 | 中国银行股份有限公司 | 基于代发薪客户交易行为的营销方法和装置 |
| CN112468543B (zh) * | 2020-11-12 | 2023-04-07 | 建信金融科技有限责任公司 | 发布信息的方法、装置、设备和计算机可读介质 |
| CN112468543A (zh) * | 2020-11-12 | 2021-03-09 | 建信金融科技有限责任公司 | 发布信息的方法、装置、设备和计算机可读介质 |
| CN112330412A (zh) * | 2020-11-17 | 2021-02-05 | 中国平安财产保险股份有限公司 | 一种产品推荐方法、装置、计算机设备及存储介质 |
| CN112330412B (zh) * | 2020-11-17 | 2024-04-05 | 中国平安财产保险股份有限公司 | 一种产品推荐方法、装置、计算机设备及存储介质 |
| CN112767143A (zh) * | 2021-03-15 | 2021-05-07 | 中国工商银行股份有限公司 | 基于利润贡献度的理财产品推荐方法和装置 |
| CN112907379B (zh) * | 2021-03-15 | 2024-02-02 | 中国工商银行股份有限公司 | 理财产品推荐方法和装置 |
| CN112907379A (zh) * | 2021-03-15 | 2021-06-04 | 中国工商银行股份有限公司 | 理财产品推荐方法和装置 |
| CN113379545A (zh) * | 2021-06-09 | 2021-09-10 | 中国工商银行股份有限公司 | 产品推荐方法、装置、电子设备及存储介质 |
| CN113850609A (zh) * | 2021-09-09 | 2021-12-28 | 上海悦高软件股份有限公司 | 一种客户管理系统、方法、计算机设备和存储介质 |
| CN114819514A (zh) * | 2022-03-29 | 2022-07-29 | 中国银行股份有限公司 | 银行产品的投放处理方法及系统 |
| CN114819514B (zh) * | 2022-03-29 | 2024-07-23 | 中国银行股份有限公司 | 银行产品的投放处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110009503A (zh) | 理财产品推荐方法、装置、计算机设备及存储介质 | |
| KR100766149B1 (ko) | 컴퓨터로 구현되는 자산 샘플링 방법, 시스템 및 컴퓨터 | |
| US7171383B2 (en) | Methods and systems for rapid deployment of a valuation system | |
| KR100771718B1 (ko) | 신용 점수의 평가를 추론하는 컴퓨터로 구현되는 추론 방법, 포트폴리오 평가 시스템 및 컴퓨터 | |
| KR100771710B1 (ko) | 입찰가 판정 방법 및 시스템, 컴퓨터 | |
| US7165043B2 (en) | Valuation prediction models in situations with missing inputs | |
| US7120599B2 (en) | Methods and systems for modeling using classification and regression trees | |
| US6985881B2 (en) | Methods and apparatus for automated underwriting of segmentable portfolio assets | |
| US7028005B2 (en) | Methods and systems for finding value and reducing risk | |
| US7162445B2 (en) | Methods and systems for quantifying cash flow recovery and risk | |
| KR100746107B1 (ko) | 자산 포트폴리오의 기술 속성 상관 방법, 상관 시스템 및 상관 컴퓨터 | |
| US20010037278A1 (en) | Methods and apparatus for simulating competitive bidding yield | |
| US20020013752A1 (en) | Rapid valuation of portfolios of assets such as financial instruments | |
| CN117273946A (zh) | 银行理财产品排行方法和系统 | |
| AU2600801A (en) | Valuation prediction models in situations with missing inputs |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190712 |