CN110443715A - 基金产品推荐方法、装置、设备及计算机可读存储介质 - Google Patents
基金产品推荐方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110443715A CN110443715A CN201910568636.9A CN201910568636A CN110443715A CN 110443715 A CN110443715 A CN 110443715A CN 201910568636 A CN201910568636 A CN 201910568636A CN 110443715 A CN110443715 A CN 110443715A
- Authority
- CN
- China
- Prior art keywords
- fund
- target
- risk
- product
- fund product
- 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.)
- Granted
Links
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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供一种基金产品推荐方法、装置、设备及计算机可读存储介质,该方法包括:获取目标用户的基金投资画像数据;根据所述基金投资画像数据,确定所述目标用户的目标风险类型;通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。本申请涉及数据分析,基于基金投资画像数据和评价数据可以精确地向用户推荐基金产品,也可以提高基金产品的推荐可信度。
Description
技术领域
本申请涉及数据分析的技术领域,尤其涉及一种基金产品推荐方法、装置、设备及计算机可读存储介质。
背景技术
基金投资是指投资者购买基金产品以实现对资产的管理和分配的一种理财手段,而市面上的基金产品很多,投资者需要花费较多的时间才能找到合适的基金产品,为便于投资者够买合适的基金产品,可以基于投资者的自身投资条件向投资者推荐若干基金产品,使得投资者可以从推荐的若干基金产品中快速的找到合适的基金产品。
然而,现有的基金产品推荐方式仅依赖投资者自身的投资条件,数据较为单一,无法向投资者精确的推荐基金产品,此外,投资者只能自己主观评价推荐的基金产品的优劣,对推荐的基金产品的信任较低,因此,如何精确推荐基金产品和提高基金产品的推荐可信度是目前亟待解决的问题。
发明内容
本申请的主要目的在于提供一种基金产品推荐方法、装置、设备及计算机可读存储介质,旨在精确推荐基金产品和提高基金产品的推荐可信度。
第一方面,本申请提供一种基金产品推荐方法,所述基金产品推荐方法包括以下步骤:
获取目标用户的基金投资画像数据;
根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
第二方面,本申请还提供一种基金产品推荐装置,所述基金产品推荐装置包括:
获取模块,用于获取目标用户的基金投资画像数据;
确定模块,用于根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
线程并发模块,用于通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
产品推荐模块,用于根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
第三方面,本申请还提供一种计算机设备,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如上述的基金产品推荐方法的步骤。
第四方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如上述的基金产品推荐方法的步骤。
本申请提供一种基金产品推荐方法、装置、设备及计算机可读存储介质,本申请先通过用户的基金投资画像数据,确定用户的目标风险类型,再通过线程并发技术从镜像阵列条带中获取包含属于改目标风险类型的每个基金产品的评价数据,最后基于评价数据,确定待推荐的目标基金产品,并生成该目标基金产品的基金评价图表,且将基金评价图表发送至用户终端,通过结合基金投资画像数据与评价数据,可以精确地向用户推荐基金产品,也可以提高基金产品的推荐可信度,同时通过线程并发技术可以快速的获取评价数据,也可以间接的提高基金产品推荐效率。
附图说明
为了更清楚地说明本申请实施例技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请实施例提供的一种基金产品推荐方法的流程示意图;
图2为本申请实施例中基金评价图表的一示意图;
图3为本申请实施例提供的另一种基金产品推荐方法的流程示意图;
图4为本申请实施例提供的另一种基金产品推荐方法的流程示意图;
图5为本申请实施例提供的一种基金产品推荐装置的示意性框图;
图6为本申请实施例提供的另一种基金产品推荐装置的示意性框图;
图7为本申请实施例提供的另一种基金产品推荐装置的示意性框图;
图8为本申请一实施例涉及的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
附图中所示的流程图仅是示例说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解、组合或部分合并,因此实际执行的顺序有可能根据实际情况改变。
本申请实施例提供一种基金产品推荐方法、装置、计算机设备及计算机可读存储介质。其中,该基金产品推荐方法可应用于服务器中,该服务器可以为单台的服务器,也可以为由多台服务器组成的服务器集群。
下面结合附图,对本申请的一些实施方式作详细说明。在不冲突的情况下,下述的实施例及实施例中的特征可以相互组合。
请参照图1,图1为本申请的实施例提供的一种基金产品推荐方法的流程示意图。
如图1所示,该基金产品推荐方法包括步骤S101至步骤S104。
步骤S101、获取目标用户的基金投资画像数据。
其中,目标用户为服务器推荐基金产品的投资者,该基金投资画像数据是根据投资者的社会属性、生活习惯和消费行为等信息抽象出的一个标签化的模型。该基金投资画像数据可体现投资者自身的投资条件,该基金投资画像数据包括但不限于年龄、职业、收入、投资经验、投资比例、风险偏好和承受亏损值。
需要说明的是,投资者的年龄越大,越偏向于购买风险较低的基金产品,反之,投资者的年龄越小,越偏向于购买风险较高的基金产品;投资者的职业一般与投资者的性格相关,性格不同的投资者可能选择不同风险的基金产品,反之,性格相同的投资者可能选择购买相同风险的基金产品;收入可以是投资者的可支配收入,也可以是投资者的纯收入,收入也可能影响投资者选择基金产品的基金类型;
投资经验是指投资者在投资基金或者投资其他金融理财产品上的经验,一般投资经验越少,越偏向于购买风险较低的基金产品;投资比例是指投资者购买基金产品占所有投资的比例,根据投资比例的高低,可确定该投资者偏向于购买哪种风险的基金产品;风险偏好是投资者的风险偏好,根据风险偏好,可确定投资者偏向于购买哪种风险的基金产品;承受亏损值是投资者可以承受亏损的值,可基于承受亏损值,可确定投资者偏向于购买哪种风险的基金产品。
在需要向投资者推荐基金产品时,获取目标用户的基金投资画像数据,即获取投资者个人信息,并将该投资者个人信息对应的基金投资画像数据确定为目标用户的基金投资画像数据。具体实施中,接收用户终端发送的基金推荐请求,并从该基金推荐请求中获取投资者个人信息,然后将该投资者个人信息对应的基金投资画像数据确定为目标用户的基金投资画像数据。其中,投资者个人信息包括但不限于姓名、身份证号码和手机号码,风险类型包括但不限于股票型、普通股票型、被动指数型、增强指数型、增强指数型、混合型、偏股混合型、平衡混合型、偏债混合型和灵活配置型。
步骤S102、根据所述基金投资画像数据,确定所述目标用户的目标风险类型。
在获取基金投资画像数据之后,根据该基金投资画像数据,确定目标用户的目标风险类型,即通过预设的风险类型决策模型基于该基金投资画像数据,确定目标用户的目标风险类型,具体为将该基金投资画像数据输入至风险类型决策模型,并将该风险类型决策模型输出风险类型确定为目标用户的目标风险类型。
其中,该风险类型决策模型是以大数据量的基金投资画像数据作为样本数据,采用聚类算法进行训练得到的。具体为对作为样本数据的基金投资画像数据中的每一类风险参数进行聚类,得到若干聚类类簇,且每个聚类类簇有一个中心投资者,该中心投资者对应的画像数据为中心画像数据;然后根据每个聚类类簇的中心画像数据,确定每个聚类类簇的风险类型,从而训练得到风险类型决策模型。风险参数包括但不限于为年龄、职业、收入、投资经验、投资比例、风险偏好和承受亏损值。
步骤S103、通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
其中,服务器定时对全部基金产品进行评价,可以得到每个基金产品的评价信息,并将该评价信息存储在镜像阵列条带中。由于评价信息是存储在镜像阵列条带中,可以提高评价信息的访问速度,也可以提高评价信息的容错能力。该评价信息包括但不限于绝对收益评分、相对收益评分、赚钱能力评分、最大回撤评分、卡玛比率评分、管理能力评分、选股择时评分和综合评分;其中该赚钱能力评分为绝对收益打分与相对收益打分的平均值。
在确定目标风险类型之后,通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为目标风险类型的每个基金产品的评价数据。具体为创建预设数量的线程,以形成线程池,并获取风险类型为目标风险类型的每个基金产品,以形成基金产品池;然后将基金产品池中的基金产品平均的分配给线程池中的线程,以确定线程池中每个线程待处理的基金产品;最后通过每个线程并发的按照各自待处理的基金产品从镜像阵列条带中获取每个基金产品对应的评价信息,并汇集获取得到的评价信息,从而得到风险类型为目标风险类型的每个基金产品的评价数据。需要说明的是,上述预设数量可基于实际情况进行设置,本申请对此不作具体限定。
在一实施例中,评价数据的获取方式具体还可以为:根据目标风险类型对应的基金产品数,确定目标线程数,并创建包含目标线程数的线程的线程池,然后通过线程池中的每个线程并发的从镜像阵列条带中获取风险类型为目标风险类型的每个基金产品的评价数据。
其中,目标线程数的确定方式具体为:判断该目标风险类型对应的基金产品数是否小于或等于预设阈值,如果该目标风险类型对应的基金产品数小于或等于预设阈值,则将该目标风险类型对应的基金产品数确定为目标线程数,即每个基金产品对应一个线程,而如果该目标风险类型对应的基金产品数大于预设阈值,则将预设阈值确定为目标风险类型。需要说明的是,上述预设阈值可基于实际情况进行设置,本申请对此不作具体限定。
步骤S104、根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
在获取到评价数据之后,根据该评价数据,确定待推荐的目标基金产品,即从评价数据中获取每个基金产品的综合评分,并将该综合评分最高的基金产品确定为待推荐的目标基金产品;然后生成目标基金产品的基金评价图表,且从该评价数据中获取该目标基金产品的评价信息,并将该目标基金产品的评价信息填充至预设的基金评价图表模板,以生成该目标基金产品的基金评价图表;最后将该基金评价图表发送至用户终端,该用户终端显示基金评价图表。需要说明的是,综合评分越高的基金产品,则越好,越值得购买,而综合评分越低的基金产品,则越差,不值得购买。
其中,基金评价图表的生成方式具体为:从该评价信息中获取目标基金产品的各评价指标的评分,例如绝对收益评分、相对收益评分、赚钱能力评分、最大回撤评分、卡玛比率评分、管理能力评分、选股择时评分、综合评分中的至少一项;然后基于管理能力评分、赚钱能力评分、最大回撤评分、卡玛比率评分和选股择时评分中的至少一项,生成基金评价图,并将该基金评价图和各评价指标的评分填充至预设的基金评价图表模板的对应位置,得到对应的基金评价图表。
图2为本申请实施例中基金评价图表的一示意图,如图2所示,该目标基金产品的综合评分为86、赚钱能力为90、坑跌能力为100、风险收益为68、选股择时为10和管理能力为100,其中,风险收益为卡玛比率评分,抗跌能力评分为最大回撤评分,该赚钱能力=(绝对收益打分+相对收益打分)/2。
上述实施例提供的基金产品推荐方法,先通过用户的基金投资画像数据,确定用户的目标风险类型,再通过线程并发技术从镜像阵列条带中获取包含属于改目标风险类型的每个基金产品的评价数据,最后基于评价数据,确定待推荐的目标基金产品,并生成该目标基金产品的基金评价图表,且将基金评价图表发送至用户终端,通过结合基金投资画像数据与评价数据,可以精确地向用户推荐基金产品,也可以提高基金产品的推荐可信度,同时通过线程并发技术可以快速的获取评价数据,也可以间接的提高基金产品推荐效率。
请参照图3,图3为本申请实施例提供的另一种基金产品推荐方法的流程示意图。
如图3所示,该基金产品推荐方法包括步骤S201至204。
步骤S201、获取目标用户的基金投资画像数据。
在需要向投资者推荐基金产品时,获取目标用户的基金投资画像数据。具体地,接收用户终端发送的基金推荐请求,并从该基金推荐请求中获取投资者个人信息,然后将该投资者个人信息对应的基金投资画像数据确定为目标用户的基金投资画像数据。其中,投资者个人信息包括但不限于姓名、身份证号码和手机号码。
步骤S202、根据所述基金投资画像数据,确定所述目标用户的目标风险指数。
具体地,从该基金投资画像数据中获取每种风险参数的目标数值,并根据每种风险参数的目标数值,确定每种风险参数各自对应的风险指数,然后根据每种风险参数各自对应的风险指数,确定该目标用户的目标风险指数。
在一实施例中,每种风险参数各自对应的风险指数的确定方式具体为:查询预存的每种风险参数的数值与风险指数之间的映射关系表,获取每种风险参数的目标数值各自对应的风险指数。需要说明的是,风险参数包括但不限于年龄、职业、收入、投资经验、投资比例、风险偏好和承受亏损值,每种风险参数的数值与风险指数之间的映射关系表可基于实际情况进行设置,本申请对此不作具体限定。
在一实施例中,目标风险指数的确定方式具体为:将每种风险参数各自对应的风险指数与各自对应的预设权重系数相乘,得到每种风险参数各自对应的风险权重指数,并将每种风险参数各自对应的风险权重指数之和确定为所述目标用户的目标风险指数。或者将每种风险参数各自对应的风险指数之和确定为目标用户的目标风险指数。需要说明的是,每种风险参数各自对应的预设权重系数可基于实际情况进行设置,本申请对此不作具体限定。
步骤S203、根据所述目标风险指数,确定所述目标用户的目标风险类型。
具体地,确定该目标风险指数所处的风险指数范围,并查询风险指数范围与风险类型的映射关系表,将该目标风险指数所处的风险指数范围对应的风险类型确定为目标风险类型。需要说明的是,风险指数范围与风险类型的映射关系表可基于实际情况进行设置,本申请对此不作具体限定。
步骤S204、通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
在确定目标风险类型之后,通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为目标风险类型的每个基金产品的评价数据。具体为创建预设数量的线程,以形成线程池,并获取风险类型为目标风险类型的每个基金产品,以形成基金产品池,然后将基金产品池中的基金产品平均的分配给线程池中的线程,以确定线程池中每个线程待处理的基金产品,最后通过每个线程并发的按照各自待处理的基金产品从镜像阵列条带中获取每个基金产品对应的评价信息,并汇集获取得到的评价信息,从而得到风险类型为目标风险类型的每个基金产品的评价数据。需要说明的是,上述预设数量可基于实际情况进行设置,本申请对此不作具体限定。
步骤S205、根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
在获取到评价数据之后,根据该评价数据,确定待推荐的目标基金产品,即从评价数据中获取每个基金产品的综合评分,并将该综合评分最高的基金产品确定为待推荐的目标基金产品;然后生成目标基金产品的基金评价图表,且从该评价数据中获取该目标基金产品的评价信息,并将该目标基金产品的评价信息填充至预设的基金评价图表模板,以生成该目标基金产品的基金评价图表;最后将该基金评价图表发送至用户终端,该用户终端显示基金评价图表。
上述实施例提供的基金产品推荐方法,通过基金投资画像数据先确定目标风险指数,再通过目标风险指数确定目标风险类型,可以进一步地提高风险类型的推荐准确性,然后结合评价数据,可以提高基金产品的推荐可信度。
请参照图4,图4为本申请实施例提供的另一种基金产品推荐方法的流程示意图。
如图4所示,该基金产品推荐方法包括步骤S301至305。
步骤S301、执行基金产品评价操作,得到每个基金产品的评价信息,并将每个基金产品的评价信息存储至镜像阵列条带中。
具体地,执行基金产品评价操作,得到每个基金产品的评价信息,即获取包含全部基金产品的基金产品池,并创建预设线程数的线程,以形成目标线程池,然后将该基金产品池中的基金产品平均的分配给该目标线程池中的每个线程,以确定每个线程各自对应的目标基金产品池,最后通过该目标线程池中的每个线程并发执行基金产品评价操作,直至每个线程完成对各自对应的目标基金产品池中每个基金产品的评价,得到每个基金产品的评价信息,然后将评价得到的每个基金产品的评价信息存储至镜像阵列条带中。
其中,基金产品评价过程包括:计算基金产品的绝对收益、相对收益、赚钱能力、最大回撤、卡玛比率、管理能力、选股择时和综合评分。绝对收益的计算方式具体为:查询最新复权净值表,得到最新复权净值,并查询历史复权净值表,得到三个预设时间段各自对应的产品复权净值,按照(最新复权净值-产品复权净值)/产品复权净值的方式,计算得到三个预设时间段各自对应的绝对收益,再用三个预设时间段各自对应的绝对收益,乘以各自对应的预设权重系数,得到三个预设时间段各自对应的权重绝对收益,并累加三个预设时间段各自对应的权重绝对收益,得到基金产品的最终绝对收益。需要说明的是,复权净值是对基金的单位净值进行了复权计算,对基金的分红或拆分因素进行了综合考虑,计算出基金没有进行任何分红或拆分情况下的历史净值,从而对基金净值进行了复权还原。
相对收益的计算方式具体为:查询业绩比较基准表,获取三个预设时间段各自对应的业绩比较基准,并用三个预设时间段各自对应的绝对收益减去各自对应的业绩比较基准,得到三个预设时间段各自对应的相对收益;再用三个预设时间段各自对应的相对收益,乘以各自对应的预设权重系数,得到三个预设时间段各自对应的权重相对收益,并累加三个预设时间段各自对应的权重相对收益,得到基金产品的最终相对收益。需要说明的是,基金的业绩比较基准是给该基金定义一个适当的基准组合,通过比较基金收益率和业绩比较基准的收益率,可以对基金的表现加以衡量。
最大回撤的计算方式具体为:查询历史复权净值表,获取三个预设时间段各自对应的复权净值,并按照日期的先后将其中一个预设时间段内的复权净值划分为两组,一组包含其中一个预设时间段内净值日期大的第一复权净值,另一组包含其中一个预设时间段内净值日期小的第二复权净值,然后按照max((第二复权净值-第一复权净值)/第一复权净值),计算其中一个预设时间段内的最大回撤,并按照同样的方式计算基金产品在另外两个预设时间段内的最大回撤,然后在得到三个预设时间段各自对应的最大回撤之后,再用三个预设时间段各自对应的最大回撤,乘以各自对应的预设权重系数,得到三个预设时间段各自对应的权重最大回撤,并累加三个预设时间段各自对应的权重最大回撤,得到基金产品的最终最大回撤。需要说明的是,最大回撤为在选定周期内任一历史时点往后推,产品净值走到最低点时的收益率回撤幅度的最大值。
卡玛比率的计算方式具体为:根据基金产品在三个预设时间段各自对应的绝对收益、时段内的最小绝对收益和最大回撤的绝对值,计算基金产品在三个预设时间段各自对应的卡玛比率,然后再用三个预设时间段各自对应的卡玛比率,乘以各自对应的预设权重系数,得到三个预设时间段各自对应的权重卡玛比率,并累加三个预设时间段各自对应的权重卡玛比率,得到基金产品的最终卡玛比率。需要说明的是,卡玛比率描述的是收益和最大回撤之间的关系。
管理能力的计算方式具体为:查询基金管理人表,获取指定基金产品的当前基金管理人,并获取当前基金管理人管理的所有基金产品和每个基金产品的任职起始日,然后获取当前基金管理人管理的每个基金产品的实际任职天数,并获取最新净值日的复权单位净值和任职起始日前一交易日的复权单位净值,最后按照公式(/任职起始日上一交易日的复权单位净值)^(365/实际任职天数)-1,计算每个基金产品的平均日收益率,并累加全部基金产品的平均日收益率,得到总平均日收益率,然后用总平均日收益率除以基金总数,再根据最新复权单位净值日期和任职开始日期的月份差计算基金产品在三个预设时间段各自对应的管理能力,然后再用三个预设时间段各自对应的管理能力,乘以各自对应的预设权重系数,得到三个预设时间段各自对应的权重管理能力,并累加三个预设时间段各自对应的权重管理能力,得到基金产品的最终管理能力。管理能力是指基金产品的管理人的管理情况。
绝对收益评分、相对收益评分、最大回撤评分、卡玛比率评分和管理能力评分的方式具体为:基于同类型的全部基金产品的目标绝对收益、目标相对收益、目标最大回撤、目标卡玛比率和目标管理能力,分别生成基金产品的绝对收益排名表、相对收益排名表、最大回撤排名表、卡玛比率排名表和管理能力排名表,然后获取基金产品的绝对收益排名、相对收益排名、最大回撤排名、卡玛比率排名和管理能力排名,最后分别用绝对收益排名、相对收益排名、最大回撤排名、卡玛比率排名和管理能力排名,除以各自的总排名数量,得到绝对收益排名比率、相对收益排名比率、最大回撤排名比率、卡玛比率排名比率和管理能力排名比率,并基于绝对收益排名比率、相对收益排名比率、最大回撤排名比率、卡玛比率排名比率和管理能力排名比率以及打分规则,可以得到基金产品的绝对收益评分、相对收益评分、最大回撤评分、卡玛比率评分和管理能力评分。
其中,打分规则可基于实际情况进行设置,本申请对此不作具体限定,可选地,基金产品的成立时间小于或等于6个月,则该打分规则为:
比率小于等于40%,则评分为100分;
比率在40%-60%之间,则评分为(60%-比率)/60%*20+80;
比率在60%-90%之间,则评分为(90%-比率)/90%*30+60;
比率在90%-100%之间,则评分为60分;
基金产品的成立时间大于6个月,则该打分规则为:
比率小于等于40%,则评分为100分;
比率在40%-60%之间,则评分为(60%-比率)/60%*20+80;
比率在60%-90%之间,则评分为(90%-比率)/90%*30+60;
比率在90%-100%之间,则评分为(100%-比率)/100%*10。
选股择时能力的计算方式具体为:计算市场基准组合收益率、计算市场基准组合平方收益率、计算基金收益率与无风险利率之差、计算小盘股与大盘股收益之差、计算价值股与成长股收益率之差,然后将上述五个值作为入参输入至预设脚本进行线性回归计算,得到选股择时能力。需要说明的是,上述三个预设时间段可基于实际情况进行设置,本申请对此不作具体限定,可选地,三个预设时间段分别为三个月、六个月和一年。
综合评分的计算方式具体为:按照a×赚钱能力评分+b×抗跌能力评分+c×卡玛比率评分+d×选股择时评分+e×管理能力评分的方式,计算基金产品的综合评分,其中,a、b、c、d和e为权重值,且a+b+c+d+e=1,该赚钱能力评分=(绝对收益打分+相对收益打分)/2,抗跌能力评分=最大回撤评分,需要说明的是,权重值可基于实际情况进行设置,本申请对此不作具体限定,可选地,a、b、c、d和e分别为0.4、0.2、0.2、0.1和0.1。
步骤S302、获取目标用户的基金投资画像数据。
在需要向投资者推荐基金产品时,获取目标用户的基金投资画像数据。具体地,接收用户终端发送的基金推荐请求,并从该基金推荐请求中获取投资者个人信息,然后将该投资者个人信息对应的基金投资画像数据确定为目标用户的基金投资画像数据。
步骤S303、根据所述基金投资画像数据,确定所述目标用户的目标风险类型。
在获取基金投资画像数据之后,根据该基金投资画像数据,确定目标用户的目标风险类型,即通过预设的风险类型决策模型基于该基金投资画像数据,确定目标用户的目标风险类型,即将该基金投资画像数据输入至风险类型决策模型,并将该风险类型决策模型输出风险类型确定为目标用户的目标风险类型。
步骤S304、通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
在确定目标风险类型之后,通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为目标风险类型的每个基金产品的评价数据。具体为创建预设数量的线程,以形成线程池,并获取风险类型为目标风险类型的每个基金产品,以形成基金产品池,然后将基金产品池中的基金产品平均的分配给线程池中的线程,以确定线程池中每个线程待处理的基金产品,最后通过每个线程并发的按照各自待处理的基金产品从镜像阵列条带中获取每个基金产品对应的评价信息,并汇集获取得到的评价信息,从而得到风险类型为目标风险类型的每个基金产品的评价数据。
步骤S305、根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
在获取到评价数据之后,根据该评价数据,确定待推荐的目标基金产品,即从评价数据中获取每个基金产品的综合评分,并将该综合评分最高的基金产品确定为待推荐的目标基金产品;然后生成目标基金产品的基金评价图表,且从该评价数据中获取该目标基金产品的评价信息,并将该目标基金产品的评价信息填充至预设的基金评价图表模板,以生成该目标基金产品的基金评价图表;最后将该基金评价图表发送至用户终端,该用户终端显示基金评价图表。
上述实施例提供的基金产品推荐方法,通过执行基金产品评价操作,可以得到每个基金产品的评价信息,并将每个基金产品的评价信息存储至镜像阵列条带中,然后在推荐基金产品时,基于基金投资画像数据与评价数据共同推荐基金产品,可以进一步地提高风险类型的推荐准确性和可信度。
请参照图5,图5为本申请实施例提供的一种基金产品推荐装置的示意性框图。
如图5所示,该基金产品推荐装置400,包括:获取模块401、确定模块402、线程并发模块403和产品推荐模块404。
获取模块401,用于获取目标用户的基金投资画像数据。
确定模块402,用于根据所述基金投资画像数据,确定所述目标用户的目标风险类型。
线程并发模块403,用于通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
在一个实施例中,所述线程并发模块403,还用于根据所述目标风险类型对应的基金产品数,确定目标线程数,并创建包含所述目标线程数的线程的线程池;通过所述线程池中的每个线程并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
产品推荐模块404,用于根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
在一个实施例中,所述产品推荐模块404,还用于从所述评价数据中获取每个基金产品的综合评分,并将所述综合评分最高的基金产品确定为待推荐的目标基金产品;从所述评价数据中获取所述目标基金产品的评价信息;将所述目标基金产品的评价信息填充至预设的基金评价图表模板,以生成所述目标基金产品的基金评价图表。
请参照图6,图6为本申请实施例提供的另一种基金产品推荐装置的示意性框图。
如图6所示,该基金产品推荐装置500,包括:获取模块501、确定模块502、线程并发模块503和产品推荐模块504。
获取模块501,用于获取目标用户的基金投资画像数据。
确定模块502,用于根据所述基金投资画像数据,确定所述目标用户的目标风险类型。
在一实施例中,如图6所示,所述确定模块502包括指数确定子模块5021和类型确定子模块5022。
指数确定子模块5021,用于根据所述基金投资画像数据,确定所述目标用户的目标风险指数。
类型确定子模块5022,用于根据所述目标风险指数,确定所述目标用户的目标风险类型。
在一实施例中,所述指数确定子模块5021,还用于从所述基金投资画像数据中获取每种风险参数的目标数值;根据每种风险参数的目标数值,确定每种风险参数各自对应的风险指数;根据每种风险参数各自对应的风险指数,确定所述目标用户的目标风险指数。
在一实施例中,所述指数确定子模块5021,还用于将每种风险参数各自对应的风险指数与各自对应的预设权重系数相乘,得到每种风险参数各自对应的风险权重指数;将每种风险参数各自对应的风险权重指数之和确定为所述目标用户的目标风险指数。
线程并发模块503,用于通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
产品推荐模块504,用于根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
请参照图7,图7为本申请实施例提供的另一种基金产品推荐装置的示意性框图。
如图7所示,该基金产品推荐装置600,包括:基金评价模块601、获取模块602、确定模块603、线程并发模块604和产品推荐模块605。
基金评价模块601,用于执行基金产品评价操作,得到每个基金产品的评价信息,并将每个基金产品的评价信息存储至镜像阵列条带中。
获取模块602,用于获取目标用户的基金投资画像数据。
确定模块603,用于根据所述基金投资画像数据,确定所述目标用户的目标风险类型。
线程并发模块604,用于通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
产品推荐模块605,用于根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
需要说明的是,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和各模块及单元的具体工作过程,可以参考前述基金产品推荐方法实施例中的对应过程,在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式,该计算机程序可以在如图8所示的计算机设备上运行。
请参阅图8,图8为本申请实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以为服务器。
如图8所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口,其中,存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令,该程序指令被执行时,可使得处理器执行任意一种基金产品推荐方法。
处理器用于提供计算和控制能力,支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境,该计算机程序被处理器执行时,可使得处理器执行任意一种基金产品推荐方法。
该网络接口用于进行网络通信,如发送分配的任务等。本领域技术人员可以理解,图8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。
应当理解的是,处理器可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中,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。
其中,在一个实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
获取目标用户的基金投资画像数据;
根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
在一个实施例中,所述处理器在实现通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据时,用于实现:
根据所述目标风险类型对应的基金产品数,确定目标线程数,并创建包含所述目标线程数的线程的线程池;
通过所述线程池中的每个线程并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
在一个实施例中,所述处理器在实现根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表时,用于实现:
从所述评价数据中获取每个基金产品的综合评分,并将所述综合评分最高的基金产品确定为待推荐的目标基金产品;
从所述评价数据中获取所述目标基金产品的评价信息;
将所述目标基金产品的评价信息填充至预设的基金评价图表模板,以生成所述目标基金产品的基金评价图表。
其中,在另一实施例中,所述处理器用于运行存储在存储器中的计算机程序实现根据所述基金投资画像数据,确定所述目标用户的目标风险类型时,用于实现:
根据所述基金投资画像数据,确定所述目标用户的目标风险指数;
根据所述目标风险指数,确定所述目标用户的目标风险类型。
在一个实施例中,所述处理器在实现根据所述基金投资画像数据,确定所述目标用户的目标风险指数时,用于实现:
从所述基金投资画像数据中获取每种风险参数的目标数值;
根据每种风险参数的目标数值,确定每种风险参数各自对应的风险指数;
根据每种风险参数各自对应的风险指数,确定所述目标用户的目标风险指数。
在一个实施例中,所述处理器在实现根据每种风险参数的目标数值,确定每种风险参数各自对应的风险指数时,用于实现:
将每种风险参数各自对应的风险指数与各自对应的预设权重系数相乘,得到每种风险参数各自对应的风险权重指数;
将每种风险参数各自对应的风险权重指数之和确定为所述目标用户的目标风险指数。
其中,在另一实施例中,所述处理器用于运行存储在存储器中的计算机程序,以实现如下步骤:
执行基金产品评价操作,得到每个基金产品的评价信息,并将每个基金产品的评价信息存储至镜像阵列条带中;
获取目标用户的基金投资画像数据;
根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序中包括程序指令,所述程序指令被执行时所实现的方法可参照本申请基金产品推荐方法的各个实施例。
其中,所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元,例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备,例如所述计算机设备上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基金产品推荐方法,其特征在于,包括:
获取目标用户的基金投资画像数据;
根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
2.如权利要求1所述的基金产品推荐方法,其特征在于,所述根据所述基金投资画像数据,确定所述目标用户的目标风险类型的步骤,包括:
根据所述基金投资画像数据,确定所述目标用户的目标风险指数;
根据所述目标风险指数,确定所述目标用户的目标风险类型。
3.如权利要求2所述的基金产品推荐方法,其特征在于,所述根据所述基金投资画像数据,确定所述目标用户的目标风险指数的步骤,包括:
从所述基金投资画像数据中获取每种风险参数的目标数值;
根据每种风险参数的目标数值,确定每种风险参数各自对应的风险指数;
根据每种风险参数各自对应的风险指数,确定所述目标用户的目标风险指数。
4.如权利要求3所述的基金产品推荐方法,其特征在于,所述根据每种风险参数各自对应的风险指数,确定所述目标用户的目标风险指数的步骤,包括:
将每种风险参数各自对应的风险指数与各自对应的预设权重系数相乘,得到每种风险参数各自对应的风险权重指数;
将每种风险参数各自对应的风险权重指数之和确定为所述目标用户的目标风险指数。
5.如权利要求1所述的基金产品推荐方法,其特征在于,所述通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据的步骤,包括:
根据所述目标风险类型对应的基金产品数,确定目标线程数,并创建包含所述目标线程数的线程的线程池;
通过所述线程池中的每个线程并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据。
6.如权利要求1-5中任一项所述的基金产品推荐方法,其特征在于,所述根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表的步骤,包括:
从所述评价数据中获取每个基金产品的综合评分,并将所述综合评分最高的基金产品确定为待推荐的目标基金产品;
从所述评价数据中获取所述目标基金产品的评价信息;
将所述目标基金产品的评价信息填充至预设的基金评价图表模板,以生成所述目标基金产品的基金评价图表。
7.如权利要求1-4中任一项所述的基金产品推荐方法,其特征在于,所述获取目标用户的基金投资画像数据的步骤之前,还包括:
执行基金产品评价操作,得到每个基金产品的评价信息,并将每个基金产品的评价信息存储至镜像阵列条带中。
8.一种基金产品推荐装置,其特征在于,所述基金产品推荐装置包括:
获取模块,用于获取目标用户的基金投资画像数据;
确定模块,用于根据所述基金投资画像数据,确定所述目标用户的目标风险类型;
线程并发模块,用于通过预设的线程并发策略并发的从镜像阵列条带中获取风险类型为所述目标风险类型的每个基金产品的评价数据;
产品推荐模块,用于根据所述评价数据确定待推荐的目标基金产品,并生成所述目标基金产品的基金评价图表,且将所述基金评价图表发送至用户终端。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序,其中所述计算机程序被所述处理器执行时,实现如权利要求1至7中任一项所述的基金产品推荐方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,其中所述计算机程序被处理器执行时,实现如权利要求1至7中任一项所述的基金产品推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568636.9A CN110443715B (zh) | 2019-06-27 | 2019-06-27 | 基金产品推荐方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910568636.9A CN110443715B (zh) | 2019-06-27 | 2019-06-27 | 基金产品推荐方法、装置、设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443715A true CN110443715A (zh) | 2019-11-12 |
CN110443715B CN110443715B (zh) | 2023-06-06 |
Family
ID=68428358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910568636.9A Active CN110443715B (zh) | 2019-06-27 | 2019-06-27 | 基金产品推荐方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443715B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990446A (zh) * | 2019-12-19 | 2020-04-10 | 国网区块链科技(北京)有限公司 | 一种基于投资者画像的智能投顾检索方法及装置 |
CN111222993A (zh) * | 2020-01-03 | 2020-06-02 | 中国工商银行股份有限公司 | 基金推荐方法及装置 |
CN111681113A (zh) * | 2020-05-29 | 2020-09-18 | 泰康保险集团股份有限公司 | 一种基金产品对象配置的系统和服务器 |
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 |
CN112862182A (zh) * | 2021-02-04 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种投资预测方法、装置、电子设备及存储介质 |
CN113159972A (zh) * | 2021-05-20 | 2021-07-23 | 深圳前海微众银行股份有限公司 | 组合确定方法、装置、电子设备及计算机可读存储介质 |
CN113362186A (zh) * | 2021-06-10 | 2021-09-07 | 中国邮政储蓄银行股份有限公司 | 智能投顾策略的配置方法与装置 |
TWI809669B (zh) * | 2022-01-20 | 2023-07-21 | 新光金融控股股份有限公司 | 客戶價值三維探索方法及其系統 |
WO2023245549A1 (zh) * | 2022-06-23 | 2023-12-28 | 深圳市富途网络科技有限公司 | 基于人工智能的基金组合更新方法、装置、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128391A1 (zh) * | 2016-01-30 | 2017-08-03 | 杨钰 | 贷款产品推荐技术的数据发送方法及贷款提示系统 |
CN108090834A (zh) * | 2017-12-18 | 2018-05-29 | 孙嘉 | 基金评价方法和装置 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
-
2019
- 2019-06-27 CN CN201910568636.9A patent/CN110443715B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017128391A1 (zh) * | 2016-01-30 | 2017-08-03 | 杨钰 | 贷款产品推荐技术的数据发送方法及贷款提示系统 |
CN108090834A (zh) * | 2017-12-18 | 2018-05-29 | 孙嘉 | 基金评价方法和装置 |
CN108665355A (zh) * | 2018-05-18 | 2018-10-16 | 深圳壹账通智能科技有限公司 | 金融产品推荐方法、装置、设备和计算机存储介质 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990446A (zh) * | 2019-12-19 | 2020-04-10 | 国网区块链科技(北京)有限公司 | 一种基于投资者画像的智能投顾检索方法及装置 |
CN111222993A (zh) * | 2020-01-03 | 2020-06-02 | 中国工商银行股份有限公司 | 基金推荐方法及装置 |
CN111681113A (zh) * | 2020-05-29 | 2020-09-18 | 泰康保险集团股份有限公司 | 一种基金产品对象配置的系统和服务器 |
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 |
CN112862182A (zh) * | 2021-02-04 | 2021-05-28 | 北京百度网讯科技有限公司 | 一种投资预测方法、装置、电子设备及存储介质 |
CN113159972A (zh) * | 2021-05-20 | 2021-07-23 | 深圳前海微众银行股份有限公司 | 组合确定方法、装置、电子设备及计算机可读存储介质 |
CN113159972B (zh) * | 2021-05-20 | 2024-05-24 | 深圳前海微众银行股份有限公司 | 组合确定方法、装置、电子设备及计算机可读存储介质 |
CN113362186A (zh) * | 2021-06-10 | 2021-09-07 | 中国邮政储蓄银行股份有限公司 | 智能投顾策略的配置方法与装置 |
CN113362186B (zh) * | 2021-06-10 | 2023-12-05 | 中国邮政储蓄银行股份有限公司 | 智能投顾策略的配置方法与装置 |
TWI809669B (zh) * | 2022-01-20 | 2023-07-21 | 新光金融控股股份有限公司 | 客戶價值三維探索方法及其系統 |
WO2023245549A1 (zh) * | 2022-06-23 | 2023-12-28 | 深圳市富途网络科技有限公司 | 基于人工智能的基金组合更新方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110443715B (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443715A (zh) | 基金产品推荐方法、装置、设备及计算机可读存储介质 | |
US11276007B2 (en) | Method and system for composite scoring, classification, and decision making based on machine learning | |
US20200410595A1 (en) | Systems and methods for customizing a portfolio using visualization and control of factor exposure | |
US7882001B2 (en) | Graphical system for determining the relative attractiveness of investments | |
Guzmán | Measuring efficiency and sustainable growth in Spanish football teams | |
CN107436866A (zh) | 理财产品的推荐方法及装置 | |
US20140025605A1 (en) | Database for risk data processing | |
Türegün | Financial performance evaluation by multi-criteria decision-making techniques | |
Tsoulfidis et al. | Unproductive labour, capital accumulation and profitability crisis in the Greek economy | |
JP2017504126A (ja) | 投資証券の層別コンポジットポートフォリオ | |
Naraidoo et al. | Debt sustainability and financial crises in South Africa | |
Wang et al. | An experimental study on real-options strategies | |
MacDermott | Linking exchange rates to foreign direct investment | |
Wilinski et al. | An analysis of price impact functions of individual trades on the London stock exchange | |
Obeng et al. | Democracy, globalization and private investment in Ghana | |
Johal et al. | Is the stock market a disciplinary institution? French giant firms and the regime of accumulation | |
Lim | Beyond the ‘global city’paradigm | |
Farooq et al. | Measuring the impact of country-level governance on corporate investment: a new panel data evidence | |
CN109872024A (zh) | 信用评估指标处理方法以及装置 | |
Nursimulu et al. | Excessive volatility is also a feature of individual level forecasts | |
CN109472455A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN109636088A (zh) | 一种用于评估银行间市场流动性的方法及装置 | |
CN109840271A (zh) | 组织机构综合能力的分析方法、服务器及存储介质 | |
Naumenkova et al. | Forecasting of capitalization of banking institutions in Ukraine | |
US20200294168A1 (en) | Physician performance and recommendation interface |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |