CN110599351A - 一种投资数据处理方法及装置 - Google Patents

一种投资数据处理方法及装置 Download PDF

Info

Publication number
CN110599351A
CN110599351A CN201910736042.4A CN201910736042A CN110599351A CN 110599351 A CN110599351 A CN 110599351A CN 201910736042 A CN201910736042 A CN 201910736042A CN 110599351 A CN110599351 A CN 110599351A
Authority
CN
China
Prior art keywords
investment
data
investment projects
risk
projects
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
Application number
CN201910736042.4A
Other languages
English (en)
Inventor
段辉辉
牛红燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suning Financial Technology Nanjing Co Ltd
Original Assignee
Suning Financial Technology Nanjing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suning Financial Technology Nanjing Co Ltd filed Critical Suning Financial Technology Nanjing Co Ltd
Priority to CN201910736042.4A priority Critical patent/CN110599351A/zh
Publication of CN110599351A publication Critical patent/CN110599351A/zh
Pending legal-status Critical Current

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
    • 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

本发明公开了一种投资数据处理方法及装置，属于大数据技术领域。所述方法包括：获取至少两个投资项目对应的风险值数据；根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；将所述风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。本发明实施例提供的投资数据处理方法及装置，通过运用一种简化的风险平价模型以及其他数据处理手段，模型计算简单，并且上述投资数据的处理结果经过实际验证，具有更好的投资参考作用和投资回报率。

Description

一种投资数据处理方法及装置
技术领域
本发明涉及大数据技术领域，特别涉及一种投资数据处理方法及装置。
背景技术
大数据、云计算、人工智能等科技概念正日渐与我们的社会生活接轨，可以说，数据信息，早已渗透到当今每一个行业和业务职能领域，成为重要的生产因素。而大数据与金融领域结合而生的量化投资，在如今这跌宕起伏的市场行情里，以其特有的策略属性，可以有效降低投资组合的波动性，在资产配置组合中发挥出了稳定器的作用。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，先进的大数据处理手段以及机器学习的发展也对量化投资起了促进作用。
风险平价(Risk Parity)，指的是通过数学的方法对投资组合中的资产分配相同权重的风险的一种资产配置模型，与传统的60/40股票和债券的资产配置模型相比，风险平价模型将股票和债券的风险等权重设置，而60/40组合的风险敞口绝大部分都在股票资产端。目前，基于风险配置的风险平价(Risk Parity)模型已经成为全球投资界主流的资产配置理念之一，其中最典型的代表就是桥水基金(Bridgewater Associates)的全天候策略(All Weather)。
事实上，对投资数据进行数据处理的深度学习模型，即传统风险平价模型，是一个资产配比和资产风险贡献相等的约束条件下非线性问题，模型计算过程相对复杂，不利于计算模型的推广，因此亟需提供一种优化投资数据处理方案，尤其简化的风险平价模型，以便服务于互联网环境下的量化投资领域。下面简单介绍这种传统风险平价模型。
假设投资组合中共有n个资产，第i个资产对整个投资组合的风险贡献值为RCi。先计算组合的波动率对每一项资产权重的偏导数。
风险贡献值RCi为
其中，
为投资组合的波动率，用以衡量组合的整体风险；
w为风险组合内各项资产的权重向量，wi为其中第i项资产的权重；
∑为投资组合收益率的协方差矩阵；
1i为第i个元素为1，其他元素为0的n维列向量。
∑wi为向量∑w的第i行元素。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种投资数据处理方法及装置，通过运用一种简化的风险平价模型以及其他数据处理手段，模型计算简单，并且上述投资数据的处理结果经过实际验证，具有更好的投资参考作用和投资回报率。所述技术方案如下：
一方面，提供了一种投资数据处理方法，所述方法包括：
获取至少两个投资项目对应的风险值数据；
根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；
将所述风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；
根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。
进一步地，获取至少两个投资项目对应风险值数据，包括：
获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据。
进一步地，获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据，包括：
获取所述至少两个投资项目对应的历史日收益率数据，根据所述历史日收益率数据计算标准差，计算所述历史日收益率数据的标准差的倒数，得到所述至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
进一步地，所述预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
进一步地，所述方法还包括：
将根据所述至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对所述预设风险平价模型进行验证。
另一方面，提供了一种投资数据处理装置，所述装置包括：
数据获取模块，用于获取至少两个投资项目对应风险值数据；
统计分类模块，用于根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；
模型计算模块，用于将所述不同等级的风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；
分类处理模块，用于根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。
进一步地，所述数据获取模块用于：
获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据。
进一步地，所述数据获取模块包括获取子模块和计算子模块，所述获取子模块获取所述至少两个投资项目对应的历史日收益率数据，所述计算子模块根据所述历史日收益率数据计算标准差，计算所述历史日收益率数据的标准差的倒数，得到所述至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
进一步地，所述预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
进一步地，所述装置还包括模型验证模块，所述模型验证模块用于：将根据所述至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对所述预设风险平价模型进行验证。
本发明实施例提供的技术方案带来的有益效果是：
1、通过运用一种简化的风险平价模型结合其他数据处理手段，对投资数据进行处理，数模型计算简单，由于模型公式涉及参数较少，前期参数的获取过程也相对简便；
2、并且，模型可靠性高，因为上述投资数据的处理结果经过实际验证，总体上比根据复杂风险平价模型获得的收益数据要高，具有较好的投资参考作用和投资回报率。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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是本发明实施例1提供的投资数据处理方法流程图；
图2是本发明实施例2提供的投资数据处理方法流程图；
图3是收益数据对比曲线图；
图4是本发明实施例3提供的投资数据处理装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。在本发明的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
本发明实施例提供的投资数据处理方法及装置，通过运用一种简化的风险平价模型结合其他数据处理手段，对投资数据进行处理，数模型计算简单，并且上述投资数据的处理结果经过实际验证，具有较好的投资参考作用和投资回报率，因此适用于涉及金额投资的大数据处理技术领域，尤其适用于涉及量化投资的数据处理领域。
下面结合具体实施例及附图，对本发明实施例提供的投资数据处理方法及装置，作详细说明。
实施例1
图1是本发明实施例1提供的投资数据处理方法流程图。如图1所示，本发明实施例提供的投资数据处理方法，包括以下步骤：
101、获取至少两个投资项目对应的风险值数据。
具体的，获取至少两个投资项目对应的历史波动率数据，根据历史波动率数据，确定至少两个投资项目对应的风险值数据。获取至少两个投资项目对应的历史日收益率数据，根据历史日收益率数据计算标准差，计算历史日收益率数据的标准差的倒数，得到至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。这里的投资项目类型包括股票、债券、基金等金融行业内任何可能的投资项目，本发明实施例不对其加以特别限制。此外，投资项目对应的风险值代表该投资项目一定意义上的风险程度，这里通过该投资项目预定周期内的历史波动率能够反映这一指标，当然根据需要，风险值这一指标也可以采用现有技术中任何可能的其他项目数值或计算方式来反映，本发明实施例不对其加以特别限定。另外，这里的历史周期可以根据需要进行相应设定，例如可以选取三个月。
示例性地，同属基金项目的沪深300指数基金和10年国债指数基金，根据平台数据监控或从平台数据库获取各自历时三个月日收益率数据，然后通过计算得到沪深300指数基金、10年国债指数基金的历史日收益率的标准差分别为15％和5％，即
沪深300指数基金的波动率的倒数为：
10年国债指数基金的波动率的倒数为：
102、根据预设风险值范围对至少两个投资项目进行统计分类，获取不同等级的风险值数据。
具体地，由于不同类型的投资项目风险值差别很大，甚至同一类型下不同品牌的投资项目之间的风险值也有差别，因此可以根据风险值大小，将不同类型的繁杂投资项目进行归类，将风险值相近的投资项目和这些风险值数据归纳为一类，获取不同等级的投资项目和风险值数据，然后将这些投资数据分类存储，例如，通过统计分析将将1/(5％)～1/(10％)风险值范围统计归类为风险一级，将1/(10％)～1/(15％)风险值范围统计归类为风险二级。经过上述统计分类操作，在风险值维度上投资数据之间的划分变得更清晰，并且在风险值数据规模较为庞大的情况下，可以将小预定范围的风险值取平均值，当需要输入预设风险平价模型计算权重时，直接将该风险值的平均值输入模型计算即可，既能够满足一定误差范围内的权重计算，又节约可计算成本。并且，这样的投资数据分类结果也便于用户根据投资风险承受程度进行相应选择。另外，这里预定风险值范围可以根据需要进行相应选取，本发明实施例不对其加以特别限定。
103、将风险值数据，输入预设风险平价模型，输出至少两个投资项目各自的资产配置权重结果。
根据风险平价模型风险贡献相等的思想，即投资组合中不同资产分配相同的风险权重，有如下两个等式成立：
Wi*Vi＝Wj*Vj (1)
W1+W2+…+WN＝1 (2)
等式(1)：投资组合中的每个资产的风险损失相同；
等式(2)：策略权重之和为1。
由等式(1)可得：
Wi＝Wj*Vj/Vi (3)
将等式(3)带入等式(2)可得：
即
所以，单个资产的权重为：
其中，Wi为i投资项目的资产配置权重，V1、V2、Vi、Vj为投资项目1、投资项目2、投资项目i、投资项目j的各自风险值，i、j、N均为≥2的整数。
显而易见，通过上述权重计算公式，比传统风险平价模型的计算公式，不论是已知参数还是计算过程都简便得多，因此，进一步地，本发明实施例提供的预设风险平价模型包括计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
需要注意的是，这里的预设风险平价模型也可以采用现有技术中任何可能的简化风险平价模型，本发明实施例不对其加以特别限定。
104、根据资产配置权重结果，对至少两个投资项目进行分类处理。
具体地，根据至少两个投资项目的资产配置权重结果，将投资项目划分为多个资产配置组，每一资产配置组的投资项目相互组合，均满足上述风险平价模型风险贡献相等的思想，并将分类处理得到多组资产配置组数据存储到投资平台数据库，以便于用户根据资产配置组的不同情况进行选择。
实施例2
图2是本发明实施例2提供的投资数据处理方法流程图。如图2所示，本发明实施例提供的投资数据处理方法，包括以下步骤：
201、获取至少两个投资项目对应的历史日收益率数据，根据历史日收益率数据计算标准差，计算历史日收益率数据的标准差的倒数，得到至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
这里的投资项目类型包括股票、债券、基金等金融行业内任何可能的投资项目，本发明实施例不对其加以特别限制。此外，投资项目对应的风险值代表该投资项目一定意义上的风险程度，这里通过该投资项目预定周期内的历史波动率能够反映这一指标，当然根据需要，风险值这一指标也可以采用现有技术中任何可能的其他项目数值或计算方式来反映，本发明实施例不对其加以特别限定。另外，这里的历史周期可以根据需要进行相应设定。
值得注意的是，步骤201的过程，除了上述步骤所述的方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。
202、根据预设风险值范围对至少两个投资项目进行统计分类，获取不同等级的风险值数据。
根据风险值大小，将不同类型的繁杂投资项目进行归类，将风险值相近的投资项目和这些风险值数据归纳为一类，获取不同等级的投资项目和风险值数据，然后将这些投资数据分类存储。
值得注意的是，步骤202的过程，除了上述步骤所述的方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。
203、将风险值数据，输入预设风险平价模型，输出至少两个投资项目各自的资产配置权重结果。
其中，预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
值得注意的是，步骤203的过程，除了上述步骤所述的方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。
204、将根据至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对预设风险平价模型进行验证。
根据至少两个投资项目各自的资产配置权重结果，进行相应资产配置，然后监控并记录该资产配置方案下的收益情况数据，并将该收益数据与根据背景技术中所述复杂风险平价模型进行资产配置的历史收益数据进行对比，从而对预设风险平价模型进行验证。
示例性地，表1是收益数据对比表，其中股债RP(H30322)项代表根据复杂风险平价模型获得的收益数据，简易风险平价项代表本发明实施例简易风险平价模型获得的收益数据。
图3是收益数据对比曲线图，同样地，股债RP(H30322)项代表根据复杂风险平价模型获得的收益数据，简易风险平价项代表本发明实施例简易风险平价模型获得的收益数据。其中，1、回测时间区间：2014/06/09-2018/12/31；2、年化收益率以一年有250个交易日计算；3、年化波动率以一年有250个交易日计算；4、夏普率以无风险利率为1.5％计算。
由表1及图3均可以看出，根据本发明实施例简易风险平价模型进行权重配置而获得的收益数据，总体上比根据复杂风险平价模型获得的收益数据要高，由此可知该简易风险平价模型既计算简单，由于模型公式涉及参数较少，前期参数的获取过程也相对简便，并且模型可靠性高，因此具有较好的投资参考作用和投资回报率。
值得注意的是，步骤204的过程，除了上述步骤所述的方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。
205、根据资产配置权重结果，对至少两个投资项目进行分类处理。
具体地，根据至少两个投资项目的资产配置权重结果，将投资项目划分为多个资产配置组，每一资产配置组的投资项目相互组合，均满足上述风险平价模型风险贡献相等的思想，并将分类处理得到多组资产配置组数据存储到投资平台数据库，以便于用户根据资产配置组的不同情况进行选择。
值得注意的是，步骤205的过程，除了上述步骤所述的方式之外，还可以通过其他方式实现该过程，本发明实施例对具体的方式不加以限定。
实施例3
图4是本发明实施例3提供的投资数据处理装置结构示意图，如图4所示，本发明实施例提供的投资数据处理装置，包括数据获取模块31、统计分类模块32、模型计算模块33和分类处理模块34。
其中，数据获取模块31用于获取至少两个投资项目对应风险值数据。具体地，数据获取模块31用于：获取至少两个投资项目对应的历史波动率数据，根据历史波动率数据，确定至少两个投资项目对应的风险值数据。进一步地，数据获取模块31包括获取子模块311和计算子模块312，获取子模块311获取至少两个投资项目对应的历史日收益率数据，计算子模块312根据历史日收益率数据计算标准差，计算历史日收益率数据的标准差的倒数，得到至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
统计分类模块32，用于根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的风险值数据。
模型计算模块33，用于将不同等级的风险值数据，输入预设风险平价模型，输出至少两个投资项目各自的资产配置权重结果。其中预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
分类处理模块34，用于根据资产配置权重结果，对至少两个投资项目进行分类处理。
进一步地，上述投资数据处理装置还包括模型验证模块35，模型验证模块35用于：将根据至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对预设风险平价模型进行验证。
需要说明的是：上述实施例提供的投资数据处理装置在触发投资数据处理业务时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的投资数据处理装置与投资数据处理方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
综上所述，本发明实施例提供的投资数据处理方法及装置，相比现有技术，具有以下有益效果：
1、通过运用一种简化的风险平价模型结合其他数据处理手段，对投资数据进行处理，数模型计算简单，由于模型公式涉及参数较少，前期参数的获取过程也相对简便；
2、并且，模型可靠性高，因为上述投资数据的处理结果经过实际验证，总体上比根据复杂风险平价模型获得的收益数据要高，具有较好的投资参考作用和投资回报率。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本申请实施例中是参照根据本申请实施例中实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，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，均应包含在本发明的保护范围之内。

Claims (10)

1.一种投资数据处理方法，其特征在于，所述方法包括：
获取至少两个投资项目对应的风险值数据；
根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；
将所述风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；
根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。
2.根据权利要求1所述的方法，其特征在于，获取至少两个投资项目对应风险值数据，包括：
获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据。
3.根据权利要求2所述的方法，其特征在于，获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据，包括：
获取所述至少两个投资项目对应的历史日收益率数据，根据所述历史日收益率数据计算标准差，计算所述历史日收益率数据的标准差的倒数，得到所述至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
4.根据权利要求1所述的方法，其特征在于，所述预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
将根据所述至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对所述预设风险平价模型进行验证。
6.一种投资数据处理装置，其特征在于，所述装置包括：
数据获取模块，用于获取至少两个投资项目对应风险值数据；
统计分类模块，用于根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；
模型计算模块，用于将所述不同等级的风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；
分类处理模块，用于根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。
7.根据权利要求6所述的装置，其特征在于，所述数据获取模块用于：
获取所述至少两个投资项目对应的历史波动率数据，根据所述历史波动率数据，确定所述至少两个投资项目对应的风险值数据。
8.根据权利要求7所述的装置，其特征在于，所述数据获取模块包括获取子模块和计算子模块，所述获取子模块获取所述至少两个投资项目对应的历史日收益率数据，所述计算子模块根据所述历史日收益率数据计算标准差，计算所述历史日收益率数据的标准差的倒数，得到所述至少两个投资项目对应的风险值V1……Vi，i为≥2的整数。
9.根据权利要求6所述的装置，其特征在于，所述预设风险平价模型包括以下计算公式：
其中，Wi为i投资项目的资产配置权重，Vi为i投资项目的风险值，i、N均为≥2的整数。
10.根据权利要求6至9任一项所述的装置，其特征在于，所述装置还包括模型验证模块，所述模型验证模块用于：将根据所述至少两个投资项目各自的资产配置权重结果得到的收益数据，结合历史收益数据，对所述预设风险平价模型进行验证。
CN201910736042.4A 2019-08-09 2019-08-09 一种投资数据处理方法及装置 Pending CN110599351A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910736042.4A CN110599351A (zh) 2019-08-09 2019-08-09 一种投资数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910736042.4A CN110599351A (zh) 2019-08-09 2019-08-09 一种投资数据处理方法及装置

Publications (1)

Publication Number Publication Date
CN110599351A true CN110599351A (zh) 2019-12-20

Family

ID=68853996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910736042.4A Pending CN110599351A (zh) 2019-08-09 2019-08-09 一种投资数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN110599351A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767132A (zh) * 2021-01-26 2021-05-07 北京国腾联信科技有限公司 一种数据处理方法及系统
CN112765498A (zh) * 2021-01-14 2021-05-07 京东数字科技控股股份有限公司 信息展示方法、设备、存储介质及计算机程序产品
CN115907837A (zh) * 2023-02-24 2023-04-04 山东财经大学 基于机器学习的期货数据分析、风险预测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112765498A (zh) * 2021-01-14 2021-05-07 京东数字科技控股股份有限公司 信息展示方法、设备、存储介质及计算机程序产品
CN112767132A (zh) * 2021-01-26 2021-05-07 北京国腾联信科技有限公司 一种数据处理方法及系统
CN112767132B (zh) * 2021-01-26 2024-02-02 北京国腾联信科技有限公司 一种数据处理方法及系统
CN115907837A (zh) * 2023-02-24 2023-04-04 山东财经大学 基于机器学习的期货数据分析、风险预测方法及系统

Similar Documents

Publication Publication Date Title
Farboodi et al. Long-run growth of financial data technology
TWI248001B (en) Methods and apparatus for automated underwriting of segmentable portfolio assets
Yoshino et al. Small and medium-sized enterprise (SME) credit risk analysis using bank lending data: An analysis of Thai SMEs
US20060167777A1 (en) Method and apparatus for determining investment manager skill
CN112598500A (zh) 一种无额度客户的授信处理方法及系统
CN110599351A (zh) 一种投资数据处理方法及装置
CN110796539A (zh) 一种征信评估方法及装置
CN111222994A (zh) 客户风险评估方法、装置、介质和电子设备
Stanisic et al. Corporate bankruptcy prediction in the Republic of Serbia
US7698196B1 (en) Method and system for modeling and benchmarking private equity and applications of same
Mostafa Impacts of inflation and exchange rate on foreign direct investment in Bangladesh
JP2018514889A (ja) 当初証拠金標準モデルに基づいて当初証拠金を計算及び提供する方法及びシステム
CN113988459A (zh) 一种基于电力营销数据的中小企业成长性评估方法及系统
WO2024036867A1 (zh) 跨境供应链金融的数据核验方法
CN115860924A (zh) 供应链金融信用风险预警方法及相关设备
US20240119529A1 (en) Machine learning based personalized ethical interest and sensitivity profile generation for investment management
Ginting et al. The Influence of Inflation and Net Profit Margins on Banking Sector Stock Prices in Mediation of Profitability on the Indonesian Stock Exchange for the 2017-2021 Period
CN107305662A (zh) 识别违规账户的方法及装置
Polanski et al. Forecasting multidimensional tail risk at short and long horizons
CN117252677A (zh) 信贷额度确定方法和装置、电子设备及存储介质
CN114418776A (zh) 一种数据处理方法、装置、终端设备及介质
CN114119107A (zh) 一种钢贸企业交易测评方法、装置、设备及存储介质
CN113177733A (zh) 基于卷积神经网络的中小微企业数据建模方法及系统
Takahashi et al. Altman’s bankruptcy prediction model: test on a wide out of business private companies sample
Simpson et al. The role of restrictive covenants in Moody's and standard and Poor's debenture credit ratings

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: 20191220