CN111681113B - 一种基金产品对象配置的系统和服务器 - Google Patents
一种基金产品对象配置的系统和服务器 Download PDFInfo
- Publication number
- CN111681113B CN111681113B CN202010480028.5A CN202010480028A CN111681113B CN 111681113 B CN111681113 B CN 111681113B CN 202010480028 A CN202010480028 A CN 202010480028A CN 111681113 B CN111681113 B CN 111681113B
- Authority
- CN
- China
- Prior art keywords
- product object
- fund product
- candidate
- fund
- daily gain
- 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.)
- Active
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
本申请实施例提供了一种基金产品对象配置的系统和服务器,所述系统包括:服务器配置为:在获得收益数据后,根据收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;针对每个基金产品对象,确定暴露参数对应的投资风格属性;确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;生成候选基金产品对象对应的择时选股能力参数;根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据。通过本申请实施例,实现了对基金产品的优化配置,能够兼顾基金的投资风格和择时选股能力,保障了基金投资的整体业绩。
Description
技术领域
本申请涉及数据处理领域,特别是涉及一种基金产品对象配置的系统和服务器。
背景技术
受托直投是由法人受托机构直接在计划层配置由企业年金基金投资管理人发行的、经人力资源和社会保障部备案通过的养老金产品。开展受托直投业务,实现产品化投资可以鼓励投管人专注做好产品投资管理,赋予了受托人主动投资和配置养老金产品的权利,减少了养老金投资工作的投资层级,提高了投资效率。
目前,由于市场上股票型养老金产品数量众多、质量参差不齐,且市场公开披露数据较少,缺乏有效的分析技术和手段对养老金产品进行深入的量化分析,受托人和投管人实际配置的养老金产品绝大多数更倾向于配置自己发行的养老金产品,极少主动配置其他投管人发行的养老金产品,难以选择符合受托人投资理念以及大类资产配置策略的养老金产品,且难以挑选更优秀的投资经理,难以稳健提升受托直投的业绩。
发明内容
鉴于上述问题,提出了以便提供克服上述问题或者至少部分地解决上述问题的一种基金产品对象配置的系统和服务器,包括:
一种基金产品对象配置的系统,所述系统包括采集装置、服务器,以及交互装置,包括:
所述采集装置配置为:
采集多个基金产品对象对应的收益数据;
所述服务器配置为:
在获得所述收益数据后,根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
生成所述候选基金产品对象对应的择时选股能力参数;
根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据;
所述交互装置配置为:
展示所述配置数据,并响应于用户操作,采用所述配置数据进行配置。
可选地,所述根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,包括:
针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数。
可选地,所述针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数,包括:
针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;
对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
可选地,所述针对每个基金产品对象,确定所述暴露参数对应的投资风格属性,包括:
按照所述暴露参数,从所述多个市场指数中筛选出目标市场指数;
确定所述目标市场指数对应的投资风格属性。
可选地,所述生成所述候选基金产品对象对应的择时选股能力参数,包括:
将所述候选基金产品对象对应的收益数据输入预置的预测模型;
接收所述预测模型输出的择时选股能力参数。
可选地,所述预测模型包括TM-FF3模型。
可选地,所述收益数据包括实际日收益率,所述基金产品对象为股票型养老金产品对象。
一种基金产品对象配置的服务器,包括:
暴露参数确定模块,用于获取多个基金产品对象对应的收益数据,并根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
投资风格属性确定模块,用于针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
候选基金产品对象确定模块,用于确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
择时选股能力参数生成模块,用于生成所述候选基金产品对象对应的择时选股能力参数;
配置数据生成模块,用于根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据。
可选地,所述暴露参数确定模块包括:
日收益率向量确定子模块,用于针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
暴露参数计算子模块,用于针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数。
可选地,所述暴露参数计算子模块包括:
滚动回归结果得到子模块,用于针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;
整体回归结果得到子模块,用于对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
本申请实施例具有以下优点:
在本申请实施例中,通过采集多个基金产品对象对应的收益数据,并根据收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,并针对每个基金产品对象,确定暴露参数对应的投资风格属性,然后确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象,生成候选基金产品对象对应的择时选股能力参数,根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据,并响应于用户操作,采用配置数据进行配置,实现了对基金产品的优化配置,能够兼顾基金的投资风格和择时选股能力,保障了基金投资的整体业绩。
附图说明
为了更清楚地说明本申请的技术方案,下面将对本申请的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是本申请一实施例提供的一种基金产品对象配置的系统的结构示意图;
图2是本申请一实施例提供的一种服务器侧的步骤流程图;
图3是本申请一实施例提供的一种暴露参数的统计图;
图4是本申请一实施例提供的另一种服务器侧的步骤流程图;
图5是本申请一实施例提供的另一种服务器侧的步骤流程图;
图6是本申请一实施例提供的一种基金产品对象配置的服务器的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。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作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。
参照图1,示出了本申请一实施例提供的一种基金产品对象配置的系统的结构示意图,该系统可以包括采集装置101、服务器102,以及交互装置103。
其中,该基金产品对象可以为股票型养老金产品对象。
采集装置101可以配置为:
采集多个基金产品对象对应的收益数据;
服务器102可以配置为:
在获得所述收益数据后,根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
生成所述候选基金产品对象对应的择时选股能力参数;
根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据;
交互装置103可以配置为:
展示所述配置数据,并响应于用户操作,采用所述配置数据进行配置。
在本申请实施例中,通过采集多个基金产品对象对应的收益数据,根据收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,并针对每个基金产品对象,确定暴露参数对应的投资风格属性,然后确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象,生成候选基金产品对象对应的择时选股能力参数,根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据,展示所述配置数据,并响应于用户操作,采用配置数据进行配置,实现了对基金产品的优化配置,能够兼顾基金的投资风格和择时选股能力,保障了基金投资的整体业绩。
以下结合图2对服务器102侧进行详细说明:
具体的,可以包括如下步骤:
步骤201,获取多个基金产品对象对应的收益数据,并根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
其中,收益数据可以为预选时间区间内的收益数据,收益数据可以包括实际日收益率,还可以包括基金产品对象对应的净值等数据。
在实际应用中,可以预先选取多个市场指数,如下表1所示的市场指数,不同的市场指数可以表征不同的投资风格。
在基金产品对象库中的基金产品对象进行初步筛选后,可以得到多个基金产品对象,具体可以根据基金产品对应的成立时间是否覆盖计算要求的预选时间区间、波动率是否严重低于其他的基金产品对象来进行筛选。
在确定多个基金产品对象后,可以从公开市场资讯或自建信息库中获取在预选时间区间内的收益数据,然后可以根据收益数据,确定每个基金产品对象分别各个市场指数下的暴露参数,以表征在不同投资风格上的偏向。
表1
步骤202,针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
对于每个基金产品对象,可以在获得在多个市场指数下的暴露参数后,对多个暴露参数进行分析,进而确定该基金产品对象对应的投资风格属性。
在本申请一实施例中,步骤202可以包括如下子步骤:
按照所述暴露参数,从所述多个市场指数中筛选出目标市场指数;确定所述目标市场指数对应的投资风格属性。
在实际应用中,可以设定多个市场指数下的暴露参数之和可以为一固定值,如1或100,则可以从多个暴露参数中筛选出最大的暴露参数,然后确定该最大的暴露参数对应的市场指数为目标市场指数。
在确定目标市场指数后,可以确定该目标市场指数对应的投资风格属性为该基金产品对象的投资风格属性。
例如,存在大盘成长、大盘价值、中盘价值等几种市场指数,如图2,某基金产品对象在大盘成长下的暴露参数为46.75%,在大盘价值下的暴露参数为26.64%,在中盘价值下的暴露参数为26.61%,可以确定目标市场指数为大盘成长,即可以确定该基金产品对象的投资风格属性为大盘成长型。
步骤203,确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
在进行投资委托时,可以确定用户投资目标,进而可以筛选出与该用户投资目标匹配的投资风格属性,进而获取该投资风格属性对应的基金产品对象作为候选基金产品对象,并可以将其加入在备选池中。
在一示例中,可以建立不同投资风格属性对应的备选池,如大盘成长型备选池、小盘价值成长型备选池等,然后可以将候选基金产品对象放入不同的备选池中,且可以定期进行更新备选池,加入新的候选基金产品对象或者将原有的候选基金产品对象删除。
步骤204,生成所述候选基金产品对象对应的择时选股能力参数;
其中,择时选股能力参数可以包括择时能力参数和择股能力参数。
在确定候选基金产品对象后,可以对候选基金产品对象进行择时选股能力分析,生成候选基金产品对象对应的择时选股能力参数。
步骤205,根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据。
在确定择时选股能力参数后,可以根据择时选股能力参数,从候选基金产品对象中选择出目标基金产品对象,然后生成针对目标基金产品对象的配置数据,以为用户配置针对目标基金产品的投资策略。
在本申请实施例中,通过获取多个基金产品对象对应的收益数据,并根据收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,并针对每个基金产品对象,确定暴露参数对应的投资风格属性,然后确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象,生成候选基金产品对象对应的择时选股能力参数,根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据,实现了对基金产品的优化配置,能够兼顾基金的投资风格和择时选股能力,保障了基金投资的整体业绩。
以下结合图4对服务器102侧进行详细说明:
步骤401,获取多个基金产品对象对应的收益数据;
其中,收益数据可以为预选时间区间内的收益数据,收益数据可以包括实际日收益率,还可以包括基金产品对象对应的净值等数据。
在基金产品对象库中的基金产品对象进行初步筛选后,可以得到多个基金产品对象,具体可以根据基金产品对应的成立时间是否覆盖计算要求的预选时间区间、波动率是否严重低于其他的基金产品对象来进行筛选,然后可以从公开市场资讯或自建信息库中获取在预选时间区间内的收益数据
步骤402,针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
对于每个基金产品对象,可以采用收益数据中的实际日收益率,生成实际日收益率向量,并可以生成无风险日收益率向量。
步骤403,针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数;
对于每个预选的市场指数,在获得实际日收益率向量和无风险日收益率向量后,可以通过预置的量化分析模型,采用回归方程计算实际日收益率向量和无风险日收益率向量对应的暴露参数,如下公式所示:
R-rf=β1(R1-rf)+β2(R2-rf)+...+α
其中,β为暴露参数,α为归因系数,rf为无风险日收益率向量,Ri为n日的实际日收益率向量Ri=[ri,1ri,2...ri,(n-1)ri,n]T,ri,1为第1日的实际日收益率,以此类推。
在本申请一实施例中,步骤403可以包括如下子步骤:
针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
在具体实现中,可以采用滚动回归的方法,设置一时间窗口,然后可以以该时间窗口进行滚动回归,得到多个滚动回归结果,滚动回归结果可以为各个时间窗口对应的暴露参数。
如下表2,以从2014-09-26开始的数据为研究对象,设定市场指数为小盘价值、小盘成长、中盘价值、中盘成长、大盘价值、大盘成长,设定时间窗口为4周,则可以确定滚动回归结果,即在各个时间窗口下的暴露参数。
小盘价值 | 小盘成长 | 中盘价值 | 中盘成长 | 大盘价值 | 大盘成长 | |
2014/9/30 | 0% | 0% | 0% | 0% | 100% | 0% |
2014/10/10 | 0% | 0% | 0% | 0% | 100% | 0% |
2014/10/17 | 0% | 0% | 0% | 0% | 0% | 100% |
2014/10/24 | 0% | 0% | 0% | 100% | 0% | 0% |
2014/10/31 | 0% | 0% | 0% | 94% | 0% | 6% |
2014/11/7 | 0% | 0% | 21% | 74% | 5% | 0% |
2014/11/14 | 0% | 0% | 0% | 100% | 0% | 0% |
2014/11/21 | 0% | 66% | 0% | 34% | 0% | 0% |
2014/11/28 | 0% | 100% | 0% | 0% | 0% | 0% |
2014/12/5 | 0% | 100% | 0% | 0% | 0% | 0% |
2014/12/12 | 0% | 57% | 0% | 0% | 0% | 43% |
2014/12/19 | 0% | 54% | 0% | 0% | 0% | 46% |
2014/12/26 | 46% | 0% | 0% | 0% | 1% | 53% |
表2
在获得多个滚动回归结果后,可以对多个滚动回归结果进行平滑处理,忽略期间较小的风格突变,平滑各个阶段的暴露参数,得到整体回归结果,进而将该整体回归结果作为市场指数对应的暴露参数。
步骤404,针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
对于每个基金产品对象,可以在获得在多个市场指数下的暴露参数后,对多个暴露参数进行分析,进而确定该基金产品对象对应的投资风格属性。
步骤405,确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
在进行投资委托时,可以确定用户投资目标,进而可以筛选出与该用户投资目标匹配的投资风格属性,进而获取该投资风格属性对应的基金产品对象作为候选基金产品对象,并可以将其加入在备选池中。
步骤406,生成所述候选基金产品对象对应的择时选股能力参数;
在确定候选基金产品对象后,可以对候选基金产品对象进行择时选股能力分析,生成候选基金产品对象对应的择时选股能力参数。
步骤407,根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据。
在确定择时选股能力参数后,可以根据择时选股能力参数,从候选基金产品对象中选择出目标基金产品对象,然后生成针对目标基金产品对象的配置数据,以为用户配置针对目标基金产品的投资策略。
在本申请实施例中,通过获取多个基金产品对象对应的收益数据,针对每个基金产品对象,生成收益数据对应的实际日收益率向量和无风险日收益率向量,并针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数,然后针对每个基金产品对象,确定暴露参数对应的投资风格属性,确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象,生成候选基金产品对象对应的择时选股能力参数,根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据,实现了对基金产品的优化配置,且采用回归分析手段,提升了对投资风格分析的准确性,保障了基金投资的整体业绩。
以下结合图5对服务器102侧进行详细说明:
步骤501,获取多个基金产品对象对应的收益数据,并根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
在基金产品对象库中的基金产品对象进行初步筛选后,可以得到多个基金产品对象,具体可以根据基金产品对应的成立时间是否覆盖计算要求的预选时间区间、波动率是否严重低于其他的基金产品对象来进行筛选。
在确定多个基金产品对象后,可以从公开市场资讯或自建信息库中获取在预选时间区间内的收益数据,然后可以根据收益数据,确定每个基金产品对象分别各个市场指数下的暴露参数,以表征在不同投资风格上的偏向。
步骤502,针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
对于每个基金产品对象,可以在获得在多个市场指数下的暴露参数后,对多个暴露参数进行分析,进而确定该基金产品对象对应的投资风格属性。
步骤503,确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
在进行投资委托时,可以确定用户投资目标,进而可以筛选出与该用户投资目标匹配的投资风格属性,进而获取该投资风格属性对应的基金产品对象作为候选基金产品对象,并可以将其加入在备选池中。
步骤504,将所述候选基金产品对象对应的收益数据输入预置的预测模型;
作为一示例,预测模型可以包括TM-FF3模型,其可以为TM模型和Fama-French三因子模型的结合,能够兼顾择时能力和选股能力分析。
在确定候选基金产品对象后,可以对候选基金产品对象进行择时选股能力分析,则可以将候选基金产品对象对应的收益数据输入预置的预测模型。
步骤505,接收所述预测模型输出的择时选股能力参数;
其中,择时选股能力参数可以包括择时能力参数和选股能力参数。
在实际应用中,TM-FF3模型可以采用如下公式进行分析:
R-rf=β1(Rm-rf)+β2HML+β3SMB+b(Rm-rf)2+α
其中,α表征选股能力参数,b表征择时能力参数,β1表征系统性风险,SMB表征小市值与大市值股票收益率之差,HML表征高账面市值比与低账面市值比的股票收益率之差,β2、β3表征在市值和价值上的风格暴露值。
在经过预测模型的处理后,可以接收预测模型输出的择时选股能力,如下表3所示,根据TM-FF3输出的择时选股能力参数进行分析,则可以确定该候选基金产品对象具有正向选股能力,正向择时能力。
α | 0.000364 |
b | 0.083031 |
β1 | 0.693705 |
β2 | -0.20822 |
β3 | -0.11496 |
表3
步骤506,根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据。
在确定择时选股能力参数后,可以根据择时选股能力参数,从候选基金产品对象中选择出目标基金产品对象,然后生成针对目标基金产品对象的配置数据,以为用户配置针对目标基金产品的投资策略。
在本申请实施例中,通过获取多个基金产品对象对应的收益数据,并根据收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,针对每个基金产品对象,确定暴露参数对应的投资风格属性,然后确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象,将候选基金产品对象对应的收益数据输入预置的预测模型,接收预测模型输出的择时选股能力参数,根据择时选股能力参数,从候选基金产品对象中选择目标基金产品对象,并生成针对目标基金产品对象的配置数据,实现了对基金产品的优化配置,且通过预测模型对择时选股能力进行分析,寻求在相同股票仓位下择时选股能力较佳的产品带来的超额收益,保障了基金投资的整体业绩。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图6,示出了本申请一实施例提供的一种基金产品对象配置的服务器的结构示意图,具体可以包括如下模块:
暴露参数确定模块601,用于获取多个基金产品对象对应的收益数据,并根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
投资风格属性确定模块602,用于针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
候选基金产品对象确定模块603,用于确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
择时选股能力参数生成模块604,用于生成所述候选基金产品对象对应的择时选股能力参数;
配置数据生成模块605,用于根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据。
在本申请一实施例中,所述暴露参数确定模块601包括:
日收益率向量确定子模块,用于针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
暴露参数计算子模块,用于针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数。
在本申请一实施例中,所述暴露参数计算子模块包括:
滚动回归结果得到子模块,用于针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;
整体回归结果得到子模块,用于对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
在本申请一实施例中,所述投资风格属性确定模块602包括:
目标市场指数确定子模块,用于按照所述暴露参数,从所述多个市场指数中筛选出目标市场指数;
投资风格属性确定子模块,用于确定所述目标市场指数对应的投资风格属性。
在本申请一实施例中,所述择时选股能力参数生成模块604包括:
模型输入子模块,用于将所述候选基金产品对象对应的收益数据输入预置的预测模型;
模型输出子模块,用于接收所述预测模型输出的择时选股能力参数。
在本申请一实施例中,所述预测模型包括TM-FF3模型。
在本申请一实施例中,所述收益数据包括实际日收益率,所述基金产品对象为股票型养老金产品对象。
对于服务器实施例而言,由于其与系统实施例基本相似,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。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、终端设备(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终端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终端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终端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终端设备上,使得在计算机或其他可编程终端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终端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,则可对这些实施例做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范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对所提供的一种基金产品对象配置的系统和服务器,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种基金产品对象配置的系统,所述系统包括采集装置、服务器,以及交互装置,其特征在于,包括:
所述采集装置配置为:
采集多个基金产品对象对应的收益数据;
所述服务器配置为:
在获得所述收益数据后,根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
生成所述候选基金产品对象对应的择时选股能力参数;
根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据;
所述交互装置配置为:
展示所述配置数据,并响应于用户操作,采用所述配置数据进行配置;
其中,所述根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数,包括:
针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数。
2.根据权利要求1所述的系统,其特征在于,所述针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数,包括:
针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;
对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
3.根据权利要求1或2所述的系统,其特征在于,所述针对每个基金产品对象,确定所述暴露参数对应的投资风格属性,包括:
按照所述暴露参数,从所述多个市场指数中筛选出目标市场指数;
确定所述目标市场指数对应的投资风格属性。
4.根据权利要求3所述的系统,其特征在于,所述生成所述候选基金产品对象对应的择时选股能力参数,包括:
将所述候选基金产品对象对应的收益数据输入预置的预测模型;
接收所述预测模型输出的择时选股能力参数。
5.根据权利要求4所述的系统,其特征在于,所述预测模型包括TM-FF3模型。
6.根据权利要求1所述的系统,其特征在于,所述收益数据包括实际日收益率,所述基金产品对象为股票型养老金产品对象。
7.一种基金产品对象配置的服务器,其特征在于,包括:
暴露参数确定模块,用于获取多个基金产品对象对应的收益数据,并根据所述收益数据,确定每个基金产品对象分别在预选的多个市场指数下的暴露参数;
投资风格属性确定模块,用于针对每个基金产品对象,确定所述暴露参数对应的投资风格属性;
候选基金产品对象确定模块,用于确定与用户投资目标匹配的投资风格属性对应的候选基金产品对象;
择时选股能力参数生成模块,用于生成所述候选基金产品对象对应的择时选股能力参数;
配置数据生成模块,用于根据所述择时选股能力参数,从所述候选基金产品对象中选择目标基金产品对象,并生成针对所述目标基金产品对象的配置数据;
其中,所述暴露参数确定模块包括:
日收益率向量确定子模块,用于针对每个基金产品对象,生成所述收益数据对应的实际日收益率向量和无风险日收益率向量;
暴露参数计算子模块,用于针对每个预选的市场指数,采用回归方程计算所述实际日收益率向量和所述无风险日收益率向量对应的暴露参数。
8.根据权利要求7所述的服务器,其特征在于,所述暴露参数计算子模块包括:
滚动回归结果得到子模块,用于针对每个预选的市场指数,采用回归方程对所述实际日收益率向量和所述无风险日收益率向量进行滚动回归,得到多个滚动回归结果;
整体回归结果得到子模块,用于对所述多个滚动回归结果进行平滑处理,得到整体回归结果,作为所述市场指数对应的暴露参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480028.5A CN111681113B (zh) | 2020-05-29 | 2020-05-29 | 一种基金产品对象配置的系统和服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010480028.5A CN111681113B (zh) | 2020-05-29 | 2020-05-29 | 一种基金产品对象配置的系统和服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111681113A CN111681113A (zh) | 2020-09-18 |
CN111681113B true CN111681113B (zh) | 2023-07-18 |
Family
ID=72434537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010480028.5A Active CN111681113B (zh) | 2020-05-29 | 2020-05-29 | 一种基金产品对象配置的系统和服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111681113B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003040877A2 (en) * | 2001-11-02 | 2003-05-15 | Bank Rhode Island | Financial funding system and methods |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374951B2 (en) * | 2002-04-10 | 2013-02-12 | Research Affiliates, Llc | System, method, and computer program product for managing a virtual portfolio of financial objects |
US7617142B2 (en) * | 2002-05-07 | 2009-11-10 | Markov International Processes Llc | Method and system to solve dynamic multi-factor models in finance |
US20070174102A1 (en) * | 2006-01-20 | 2007-07-26 | Greg Coulter | Method and software for selecting securities for investment |
TW201802744A (zh) * | 2016-07-14 | 2018-01-16 | 商智資訊股份有限公司 | 自動化投資組合配置演算方法及其系統 |
CN106373009A (zh) * | 2016-08-31 | 2017-02-01 | 苗青 | 一种基于风控量化模型的交易决策系统及方法 |
CN107798604A (zh) * | 2017-09-28 | 2018-03-13 | 平安科技(深圳)有限公司 | 基于机器学习的择时入股方法及终端设备 |
CN110415123B (zh) * | 2019-06-06 | 2024-08-23 | 财付通支付科技有限公司 | 金融产品推荐方法、装置和设备及计算机存储介质 |
CN110443715B (zh) * | 2019-06-27 | 2023-06-06 | 平安科技(深圳)有限公司 | 基金产品推荐方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-05-29 CN CN202010480028.5A patent/CN111681113B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003040877A2 (en) * | 2001-11-02 | 2003-05-15 | Bank Rhode Island | Financial funding system and methods |
Non-Patent Citations (2)
Title |
---|
中国开放式基金择时能力及其业绩贡献评价研究;迟国泰;迟枫;;运筹与管理(第03期);122-133 * |
基于单因素评价模型及T-M模型的基金绩效评价;陈干;彭钟仪;;东方企业文化(第10期);160-161 * |
Also Published As
Publication number | Publication date |
---|---|
CN111681113A (zh) | 2020-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Edeme et al. | Infrastructural development, sustainable agricultural output and employment in ECOWAS countries | |
US9047559B2 (en) | Computer-implemented systems and methods for testing large scale automatic forecast combinations | |
US20130024167A1 (en) | Computer-Implemented Systems And Methods For Large Scale Automatic Forecast Combinations | |
Uyan et al. | A Spatial Decision Support System design for land reallocation: A case study in Turkey | |
CN1535438A (zh) | 保健业中成本分析及确定基准的方法和系统 | |
CN112905340B (zh) | 系统资源分配方法、装置及设备 | |
KR101708831B1 (ko) | 펀드 투자 배분 방법 및 서버 및 컴퓨터 판독 가능한 기록 매체 | |
Amador et al. | Economic impact assessment of small-scale sporting events using Social Accounting Matrices: an application to the Spanish Football League | |
Leung | Estimating maintenance effort by analogy | |
CN113674013A (zh) | 一种基于商户自定义规则的广告竞价调整方法及系统 | |
Monoyios | Utility-based valuation and hedging of basis risk with partial information | |
Kraay et al. | Measuring intragenerational mobility using aggregate data | |
CN111681113B (zh) | 一种基金产品对象配置的系统和服务器 | |
Kostakis et al. | Integrating activity‐based costing with simulation and data mining | |
CN116151885A (zh) | 基于决策树模型的理财产品推荐方法、装置及电子设备 | |
CN110689278A (zh) | 一种钣金物料管理方法、系统、存储介质以及电子设备 | |
CN113298120A (zh) | 基于融合模型的用户风险预测方法、系统和计算机设备 | |
Babu et al. | An integrated approach of ahp-gp and visualization for selection of software architecture: A framework | |
US20150046250A1 (en) | System and Method for Determining the Effectiveness of Marketing Content | |
CN107688902B (zh) | 一种高新技术创业模式分析评价方法 | |
Casturi et al. | Script based migration toolkit for cloud computing architecture in building scalable investment platforms | |
Gheorghe et al. | AN AUTOMATED RECRUITING MODEL FOR AN OPTIMAL TEAM OF SOFTWARE ENGINEERS FROM GLOBAL FREELANCING PLATFORMS. | |
CN111523685A (zh) | 基于主动学习的降低性能建模开销的方法 | |
US20180341668A1 (en) | System and method for generating variable importance factors in specialty property data | |
Elbers et al. | Convergence, shocks and poverty |
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 |