CN114119232A - 金融产品推荐方法、装置、计算机设备和存储介质 - Google Patents
金融产品推荐方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114119232A CN114119232A CN202111453991.5A CN202111453991A CN114119232A CN 114119232 A CN114119232 A CN 114119232A CN 202111453991 A CN202111453991 A CN 202111453991A CN 114119232 A CN114119232 A CN 114119232A
- Authority
- CN
- China
- Prior art keywords
- financial products
- financial
- candidate
- related information
- industry
- 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
Images
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种金融产品推荐方法、装置、计算机设备、存储介质和计算机程序产品,可用于金融领域中,金融产品的推荐方面,也可用于除金融领域之外的任意领域。所述方法包括:获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。采用本方法能够综合考虑客户的金融相关信息和人力相关信息,对客户进行全面的评估,从而可以基于准确的客户评估结果,为客户推荐金融产品。提高了金融产品自动推荐的准确性。
Description
技术领域
本申请涉及金融领域,特别是涉及一种金融产品推荐方法、装置、计算机设备和存储介质。
背景技术
随着金融产品损失案件的增加,判断客户的风险等级并向客户推荐合适的金融产品成为银行金融产品购买系统的重要工作。
目前,在金融产品购买系统中,往往通过问卷调查了解客户的收入、负债以及愿意承担的损失等信息,并依据上述客户信息判断该客户的风险等级,进而根据上述风险等级确定客户可以购买的金融产品。
但是,这种判断标准仅考虑了客户当前的金融信息,例如,客户当前所拥有的资产、客户的负债情况等,从而使得对客户的评估结果较为片面、对客户的风险判断结果的准确率较低。进一步的,片面的评价结果使得向客户推荐的金融产品与客户的实际需求存在一定差异,金融产品自动推荐的准确性有待提高。
发明内容
本申请提供一种金融产品推荐方法、装置、计算机设备和存储介质,能够综合考虑客户的金融相关信息和人力相关信息,对客户进行全面的评估,从而为客户提供较为准确的金融产品。
第一方面,本申请提供了一种金融产品推荐方法。该方法包括:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
在其中一个实施例中,根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品,包括:根据行业类型确定每一候选金融产品的购买风险等级;根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
在其中一个实施例中,人力相关信息还包括目标客户的职位信息,根据行业类型确定每一候选金融产品的购买风险等级,包括:根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
在其中一个实施例中,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在其中一个实施例中,人力相关信息还包括目标客户的具体行业,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在其中一个实施例中,金融产品推荐方法还包括:通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
第二方面,本申请还提供了一种金融产品推荐装置。该装置包括:
获取模块,用于获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
确定模块,用于根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
过滤模块,用于根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
第三方面,本申请还提供了一种计算机设备。该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,所述处理器执行所述计算机程序时实现以下步骤:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
第四方面,本申请还提供了一种计算机可读存储介质。该计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
第五方面,本申请还提供了一种计算机程序产品。该计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
上述金融产品推荐方法、装置、计算机设备、存储介质和计算机程序产品,可用于金融领域中,金融产品的推荐方面,也可用于除金融领域之外的任意领域,例如大数据、云计算、区块链、人工智能、信息安全、物联网、5G技术领域,本申请提供的金融产品推荐方法,装置、计算机设备和存储介质对应用领域不做限定。该方法可以根据客户的金融相关信息首先筛选出多个和目标客户的风险承担等级匹配的金融产品,即为候选金融产品。然后根据客户的人力相关信息进一步对上述候选金融产品进行筛选,以得到最终推荐给客户的金融产品。可见,本申请可以综合考虑客户的金融相关信息和人力相关信息,对客户进行全面的评估,从而可以基于准确的客户评估结果,为客户推荐金融产品。提高了金融产品自动推荐的准确性。
附图说明
图1为一个实施例中金融产品推荐方法的流程示意图;
图2为一个实施例中金融产品推荐方法的另一流程示意图;
图3为一个实施例中金融产品推荐方法的另一流程示意图;
图4为一个实施例中金融产品推荐方法的用户信息设置界面示意图;
图5为一个实施例中金融产品推荐装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
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。
目前在为客户推荐金融产品时,往往只通过客户的收入、负债等金融相关信息判断客户的风险等级,进而根据上述风险等级为客户推荐相应的金融产品。可见,目前还存在对客户的评价较为单一,从而导致对客户推荐的金融产品准确率较低的问题。
基于此,本申请提供一种金融产品推荐方法,可以综合考虑客户的收入、负债等金融相关信息以及行业、职位等人力相关信息,为客户推荐较为准确的金融产品。
本申请实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括如图1所示的步骤:
步骤101、获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
本申请实施例为了对目标客户进行全面的评估,以便于为客户推荐准确的金融产品,首先需要获取目标客户的金融相关信息以及人力相关信息。
其中,金融相关信息指客户的金融资产信息。例如,客户的存款、房产、证券、理财以及贷款等信息。人力相关信息指与客户在未来可以产生的资产相关的信息,例如客户的行业、职位或者代表个人能力的信息等。
具体实现中,可以通过在银行系统等系统中对目标客户的存款、理财等信息进行查询,以获得目标客户的金融相关信息。也可以通过对目标客户进行问卷等方式的调查,以获得目标客户的金融相关信息以及人力相关信息。
本申请实施例中的人力相关信息包括目标客户的行业类型信息。其中,行业类型包括增长型行业、周期型行业以及防御型行业。增长型行业指经济水平经常呈现增长形态的行业,例如人工智能行业、互联网行业等。周期型行业指和国内或国际经济波动相关性较强的行业,这些行业的产品价格呈周期性波动。例如钢铁行业、煤炭行业、化工行业、工程机械行业以及船舶行业等。防守型行业指经济水平相对稳定的行业,例如食品行业、饮料行业、医疗行业以及公用事业等。
步骤102、根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
本申请实施例首先可以根据目标客户的金融相关信息对目标客户进行初步评价,并根据初步的评价结果为目标客户推荐候选的金融产品。
具体实现中,可以设定每一个风险承担等级对应的金融资产区间,根据目标客户的金融相关信息确定目标客户当前的金融资产所处的金融资产区间,将该金融资产区间对应的风险承担等级确定为目标客户的风险承担等级。然后根据目标客户的风险承担等级,从所有金融产品中,筛选出等级小于或等于上述风险承担等级的金融产品,即为与目标客户的风险承担等级匹配的金融产品;也可以根据目标客户的风险承担等级,从所有金融产品中,筛选出等级在风险承担等级附近的金融产品,即为与目标客户的风险承担等级匹配的金融产品。同时,上述筛选出的与目标客户的风险承担等级匹配的金融产品也是目标客户的候选金融产品。
其中风险承担等级可以表征目标客户承担风险的能力。目标客户的风险承担等级越低,表明目标客户所能承担的风险越小;目标客户的风险承担等级越高,表明目标客户所能承担的风险越大。金融产品的等级可以表征金融产品的风险程度。金融产品的等级越低,表明该金融产品的风险越小;金融产品的等级越高,表明该金融产品的风险越大。
例如,对目标客户的所有金融资产信息进行折现整合,得到目标客户当前的金融资产为120万,该当前的金融资产处于[100万-150万]的金融资产区间中,且该金融资产区间对应的风险承担等级为5级,则将目标客户的风险承担等级确定为5级。然后从所有的金融产品中筛选出等级为1级、2级、3级、4级以及5级的金融产品,确定为目标客户的候选金融产品;也可以将4级、5级以及6级的金融产品,确定为目标客户的候选金融产品。
步骤103、根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
本申请实施例可以对上述获得的多个候选金融产品进行处理,进一步缩小推荐给目标客户的金融产品的范围,以提高推荐给目标客户的金融产品的准确度。
一种可能的实现方式中,可以根据目标客户所在行业的行业类型对上述目标客户的风险承担等级进行更新,根据更新后的风险承担等级对上述候选金融产品进行过滤处理,过滤掉等级相对于风险承担等级较高的金融产品(例如,过滤掉等级高于风险承担等级两级或两级以上的金融产品),从而获得目标客户的推荐金融产品。
一种可能的实现方式中,可以根据目标客户所在行业的行业类型,确定每一个候选金融产品的购买风险,根据购买风险对上述候选金融产品进行过滤,过滤掉购买风险较高的金融产品(例如过滤掉购买风险等级高于预设阈值的金融产品),从而获得目标客户的推荐金融产品。
本申请实施例提供了一种金融产品推荐方法,可以根据客户的金融相关信息首先筛选出多个和目标客户的风险承担等级匹配的金融产品,即为候选金融产品。然后根据客户的人力相关信息进一步对上述候选金融产品进行筛选,以得到最终推荐给客户的金融产品。可见,本申请可以综合考虑客户的金融相关信息和人力相关信息,对客户进行全面的评估,从而可以基于准确的客户评估结果,为客户推荐金融产品。提高了金融产品自动推荐的准确性。
前文所述的实施例中介绍了从多个候选金融产品中筛选出推荐金融产品的方案。在本申请的另一实施例中,可以基于金融产品的购买风险等级从多个候选金融产品中筛选出推荐金融产品。例如,前文涉及的“根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品”,具体包括如图2所示的步骤:
步骤201、根据行业类型确定每一候选金融产品的购买风险等级;
本申请实施例为了对上述获得的多个候选金融产品进行处理,以进一步缩小推荐给目标客户的金融产品的范围,可以先确定多个候选金融产品中,每一候选金融产品的购买风险等级。基于每一候选金融产品的购买风险等级对多个候选金融产品进行处理。
一种可能的实现方式中,可以设定三种行业类型中,每一种行业类型的行业风险等级,然后,综合考虑目标客户的行业类型的行业风险等级以及每一候选金融产品的等级,将目标客户对应的行业风险等级与每一候选金融产品的等级之和确定为每一候选金融产品的购买风险等级;也可以将目标客户对应的行业风险等级与每一候选金融产品的等级的均值确定为每一候选金融产品的购买风险等级。
其中,每一候选金融产品的购买风险等级可以表征在目标用户所处的行业类型下,购买每一金融产品的风险程度。另外,在对三种行业类型的行业风险等级进行设定时,可以参照增长型行业的风险等级高于周期型行业的风险等级,周期型行业的风险等级高于防御型行业的风险等级的标准进行设定。例如,可以将增长型行业的风险等级设定为3级,周期型行业的风险等级设定为2级,防御型行业的风险等级设定为1级。
步骤202、根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
一种可能的实现方式中,可以直接对多个候选金融产品进行过滤处理,过滤掉购买风险较高的金融产品,从而获得目标客户的推荐金融产品。也可以先对上述多个候选金融产品进行进一步的筛选,然后再对筛选后剩余的金融产品进行过滤处理,过滤掉剩余的金融产品中,购买风险较高的金融产品,从而获得目标客户的推荐金融产品。
本申请实施例提供的方法中,可以基于目标客户所处行业的行业类型确定候选金融产品中,每一金融产品的购买风险等级,然后基于上述获取的多个候选金融产品以及候选金融产品中每一金融产品的购买风险等级,从所有候选金融产品中筛选出推荐金融产品。可见,本申请实施例在基于目标客户的金融相关信息确定的候选金融产品的基础上,还可以根据目标客户的人力相关信息对候选金融产品进行进一步的筛选,提高了推荐给目标客户的金融产品的准确度。另外,本申请实施例中基于可以反映购买候选金融产品的风险程度的购买风险等级对候选金融产品进行筛选,进一步提高了筛选出的推荐金融产品的准确度。
前文所述的人力相关信息还包括目标客户的职位信息。前文所述的实施例中介绍了根据目标客户的行业类型确定每一候选金融产品的购买风险等级的方案。在本申请的另一实施例中,可以根据目标客户的行业类型、职位信息以及每一候选金融产品的资本级别综合确定每一候选金融产品的购买风险等级。例如,前文涉及的“根据行业类型确定每一候选金融产品的购买风险等级”,具体包括如图3所示的步骤:
步骤301、根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;
本申请实施例中根据行业类型确定每一候选金融产品的购买风险等级时,可以先根据行业类型确定目标客户的人力资本风险等级以及金融产品的行业资本风险等级。
其中,人力资本风险等级可以表征目标客户的资产受人力资本(例如,职位、行业等)因素影响而产生的风险,示例性的,可以表征目标客户潜在资产的风险程度(或风险等级);行业资本风险等级可以表征同一金融产品在不同行业类型下的风险程度。
一种可能的实现方式中,可以由金融领域专家根据以往经验确定目标客户的人力资本风险等级以及打分或者根据一定的规则确定目标客户的人力资本风险等级金融产品的行业资本风险等级。
一种可能的实现方式中,也可以根据一定的规则确定目标客户的人力资本风险等级金融产品的行业资本风险等级。具体的,增长型行业和周期型行业由于经济波动较大,因此风险等级较高;防御型行业由于经济水平相对稳定,因此风险等级较低。在同一个行业类型中,职位较高的目标客户由于承担的责任以及面对的机遇和挑战相较于职位较低的目标客户更多,因此职位较高的目标客户的风险等级较高,职位较低的目标客户的风险等级较低。在同一个行业类型中,由于权益类金融产品的收益的波动较大,因此风险等级较高,债权类金融产品的收益相对稳定,因此风险等级较低;同一类型的金融产品中,由于小盘易被人操作、低于风险的能力较低等问题,相较于大盘风险较高。
因此,如表1所示,可以基于增长型行业的风险等级和周期型行业的风险等级相同,且都高于防御型行业的风险等级;以及职位较高的目标客户的风险等级高于职位较低的目标客户的风险等级的规则确定目标客户的人力资本风险等级。
表1
如表2所示,可以基于增长型行业的风险等级和周期型行业的风险等级相同,且都高于防御型行业的风险等级;权益类金融产品的风险等级较高、债权类金融产品的风险等级较低;以及同一类型的金融产品中,小盘的风险等级高于大盘的风险等级的规则确定金融产品的行业资本风险等级。
表2
步骤302、根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
本申请实施例中的购买风险等级是综合考虑目标客户的人力资本风险等级以及金融产品的行业资本风险等级后确定的。
具体实现中,可以将人力资本风险等级以及行业资本风险等级的和确定为每一候选金融产品的购买风险等级,也可以将人力资本风险等级以及行业资本风险等级的均值确定为每一候选金融产品的购买风险等级。
本申请实施例提供了根据行业类型确定每一候选金融产品的购买风险等级的方案,具体的,可以先综合考虑目标客户的行业类型以及职位信息,进而确定目标客户的人力资本风险等级。然后再综合考虑上述目标客户的人力资本风险等级以及每一候选金融产品在目标客户的行业类型下的风险等级(即每一候选金融产品的行业资本风险等级),进而确定每一候选金融产品的购买风险等级。可见,本申请实施例综合考虑了目标客户以及金融产品两方面的因素,以确定每一候选金融产品的购买风险等级,提高了确定的每一金融产品的购买风险等级的准确率。进一步的,基于准确的每一候选金融产品的购买风险等级,从所有候选金融产品中筛选出的推荐金融产品的准确率较高。
前文所述的实施例中介绍了基于金融产品的购买风险等级从多个候选金融产品中筛选出推荐金融产品的方案。在本申请的另一实施例中,可以基于候选金融产品的购买风险等级的具体大小,从多个候选金融产品中筛选出推荐金融产品。例如,前文涉及的“根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品”,具体包括:
将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
具体实现中,由于购买风险等级可以表征目标客户购买该金融产品的风险程度,购买风险等级越大,目标用户购买该金融产品的风险越大,造成金融损失的可能性越大。因此,可以设定一个阈值,将购买风险等级大于该阈值的候选金融产品从多个候选金融产品中滤除,则剩下的候选金融产品,即为推荐给目标客户的金融产品,也可以成为推荐金融产品。
本申请实施例提供的方法可以通过设定阈值对多个候选金融产品进行筛选,将购买风险等级大于阈值的候选金融产品滤除,将剩余的候选金融产品作为推荐金融产品推荐给目标客户。可见,本申请实施例可以基于阈值直接滤除掉购买风险较大的候选金融产品,在保证了推荐金融产品的准确性的同时,提高了获取推荐金融产品的便捷性。
前文所述的人力相关信息还包括目标客户的具体行业。前文所述的实施例中介绍了基于金融产品的购买风险等级从多个候选金融产品中筛选出推荐金融产品的方案。在本申请的另一实施例中,可以基于候选金融产品所属的行业以及购买风险等级的具体大小,从多个候选金融产品中筛选出推荐金融产品。例如,前文涉及的“根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品”,具体包括:
将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
本申请实施例为了进一步降低目标客户在金融产品投资上的风险,可以使得目标客户的人力相关信息与金融产品之间的相关性降低,以避免目标客户在面临行业波动导致自身的人力资本出现危机(例如失业、收入大幅下降没有工作收入等危机)时,金融产品带来的资本(可称为金融资本)也遭受重创。因此,目标客户在购买金融产品时,可以规避同行业的金融产品。
具体实现中,在对多个候选金融产品进行过滤处理时,可以先过滤掉和目标客户同行业的金融产品(例如,目标客户在互联网行业工作,则可以将多个候选金融产品中,属于互联网行业的金融产品滤除),保留下的候选金融产品即为其余候选金融产品。然后设定一个阈值,将购买风险等级大于该阈值的候选金融产品从其余候选金融产品中滤除,则其余候选金融产品中,剩下的候选金融产品,即为推荐给目标客户的金融产品,也可以成为推荐金融产品。
本申请实施例提供了从多个候选金融产品中确定推荐金融产品的方法,具体的,先将多个候选金融产品中,和目标客户同行业的金融产品滤除,然后再将剩余的金融产品中,购买风险等级大于预设阈值的金融产品滤除,剩下的金融产品即为推荐金融产品。可见,本申请实施例提供的方法可以避免目标客户的人力资本和金融资本同时出现危机的情况,有效降低了目标客户在金融产品投资上的风险。同时,过滤掉购买风险等级较高的金融产品进一步降低了目标客户在金融产品投资上的风险,提高了推荐金融产品的准确率。
本申请提供的金融产品推荐方法中涉及的目标客户的人力相关信息还可以还可以通过可操作的显示屏界面获取。具体包括:
通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
其中,用户信息设置界面可以是终端上的显示界面,也可以是能够和终端进行信息交互的显示设备上的显示界面。
具体实现中,如图4所示,目标用户可以在用户信息设置界面上,人力相关信息配置项对应的文本框中输入自身的人力相关信息,然后点击查询按钮,终端根据目标用户的信息分析得到的推荐金融产品即可显示在上述界面上。
本申请实施例提供的方法中,终端可以直接获取目标用户在用户信息设置界面上输入的人力相关信息,可见,本申请实施例提供的方法,终端可以实时根据用户输入的人力相关信息为目标用户提供推荐金融产品,提高了终端获取目标用户的人力相关信息的便捷性。
基于上述表1、表2所示的内容,对本申请提供的方案进行举例说明。
S1、若目标客户为一名食品行业的检测工程师,则确定目标客户所处的行业为食品行业、行业类型为防御型行业、职位为职员。
S2、根据目标客户的金融相关信息从所有金融产品中筛选出多个候选金融产品。
S2、从多个候选金融产品中过滤掉食品行业的金融产品,剩下的金融产品即为其余金融产品。
S3、根据上表1确定目标客户的人力风险等级为1;
S4、根据上表2确定每一其余金融产品的行业风险等级。例如,其余金融产品中,权益类大盘的金融产品的行业风险等级为3。
S5、确定每一其余金融产品的购买风险等级。例如,权益类大盘的金融产品的购买风险等级为目标客户的人力风险等级以及该金融产品的行业风险等级之和4。
S6、将每一其余金融产品的购买风险等级和预设阈值5作比较,将购买风险等级大于预设阈值的金融产品滤除,保留购买风险等级小于或等于预设阈值的金融产品。例如上述权益类大盘的金融产品的购买风险等级4小于预设阈值5,则该金融产品得以保留。
S7、将保留的金融产品推荐给目标客户。例如,可以将上述权益类大盘的金融产品推荐给目标客户。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的金融产品推荐方法的金融产品推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个金融产品推荐装置实施例中的具体限定可以参见上文中对于金融产品推荐方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种金融产品推荐装置,包括:获取模块、确定模块和过滤模块,其中:
获取模块501,用于获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
确定模块502,用于根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
过滤模块503,用于根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
在一个实施例中,过滤模块503具体用于,根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品,包括:根据行业类型确定每一候选金融产品的购买风险等级;根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
在一个实施例中,人力相关信息还包括目标客户的职位信息,根据行业类型确定每一候选金融产品的购买风险等级,包括:根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
在一个实施例中,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,人力相关信息还包括目标客户的具体行业,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,金融产品推荐装置还包括:通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
上述金融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6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,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和内存储器。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与本申请实施例所述金融产品推荐方法相关的一些数据,例如,前文所述的多个候选金融产品、每一候选金融产品的购买风险等级、推荐金融产品数据。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以实现一种金融产品推荐方法。
本领域技术人员可以理解,图6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:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品,包括:根据行业类型确定每一候选金融产品的购买风险等级;根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
人力相关信息还包括目标客户的职位信息,根据行业类型确定每一候选金融产品的购买风险等级,包括:根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
人力相关信息还包括目标客户的具体行业,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
金融产品推荐方法还包括:通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品,包括:根据行业类型确定每一候选金融产品的购买风险等级;根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
人力相关信息还包括目标客户的职位信息,根据行业类型确定每一候选金融产品的购买风险等级,包括:根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
人力相关信息还包括目标客户的具体行业,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
金融产品推荐方法还包括:通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取目标客户的金融相关信息以及人力相关信息;人力相关信息包括目标客户的行业类型;
根据金融相关信息确定目标客户的风险承担等级,根据风险承担等级匹配的金融产品确定多个候选金融产品;
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据行业类型对多个候选金融产品进行过滤处理,获得目标客户的推荐金融产品,包括:根据行业类型确定每一候选金融产品的购买风险等级;根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
人力相关信息还包括目标客户的职位信息,根据行业类型确定每一候选金融产品的购买风险等级,包括:根据行业类型以及职位信息确定人力资本风险等级,根据行业类型以及候选金融产品的资本级别确定候选金融产品的行业资本风险等级;根据人力资本风险等级以及行业资本风险等级确定购买风险等级。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
人力相关信息还包括目标客户的具体行业,根据多个候选金融产品以及每一候选金融产品的购买风险等级确定推荐金融产品,包括:将候选金融产品中与具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得推荐金融产品。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
金融产品推荐方法还包括:通过用户信息设置界面获取人力相关信息;用户信息设置界面包括多个人力相关信息的配置项。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
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、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种金融产品推荐方法,其特征在于,所述方法包括:
获取目标客户的金融相关信息以及人力相关信息;所述人力相关信息包括所述目标客户的行业类型;
根据所述金融相关信息确定所述目标客户的风险承担等级,根据所述风险承担等级匹配的金融产品确定多个候选金融产品;
根据所述行业类型对所述多个候选金融产品进行过滤处理,获得所述目标客户的推荐金融产品。
2.根据权利要求1所述的方法,其特征在于,所述根据所述行业类型对所述多个候选金融产品进行过滤处理,获得所述目标客户的推荐金融产品,包括:
根据所述行业类型确定每一所述候选金融产品的购买风险等级;
根据所述多个候选金融产品以及每一所述候选金融产品的购买风险等级确定所述推荐金融产品。
3.根据权利要求2所述的方法,其特征在于,所述人力相关信息还包括所述目标客户的职位信息,
所述根据所述行业类型确定每一所述候选金融产品的购买风险等级,包括:
根据所述行业类型以及所述职位信息确定人力资本风险等级,根据所述行业类型以及所述候选金融产品的资本级别确定所述候选金融产品的行业资本风险等级;
根据所述人力资本风险等级以及所述行业资本风险等级确定所述购买风险等级。
4.根据权利要求2所述的方法,其特征在于,所述根据所述多个候选金融产品以及每一所述候选金融产品的购买风险等级确定所述推荐金融产品,包括:
将所述多个候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得所述推荐金融产品。
5.根据权利要求2所述的方法,其特征在于,所述人力相关信息还包括所述目标客户的具体行业,
根据所述多个候选金融产品以及每一所述候选金融产品的购买风险等级确定所述推荐金融产品,包括:
将所述候选金融产品中与所述具体行业匹配的金融产品滤除,将其余候选金融产品中购买风险等级不满足预设阈值的金融产品滤除,获得所述推荐金融产品。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过用户信息设置界面获取所述人力相关信息;所述用户信息设置界面包括多个人力相关信息的配置项。
7.一种金融产品推荐装置,其特征在于,所述装置包括:
获取模块,用于获取目标客户的金融相关信息以及人力相关信息;所述人力相关信息包括所述目标客户的行业类型;
确定模块,用于根据所述金融相关信息确定所述目标客户的风险承担等级,根据所述风险承担等级匹配的金融产品确定多个候选金融产品;
过滤模块,用于根据所述行业类型对所述多个候选金融产品进行过滤处理,获得所述目标客户的推荐金融产品。
8.一种计算机设备,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6中任一项所述的方法的步骤。
9.一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6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111453991.5A CN114119232A (zh) | 2021-12-01 | 2021-12-01 | 金融产品推荐方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111453991.5A CN114119232A (zh) | 2021-12-01 | 2021-12-01 | 金融产品推荐方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114119232A true CN114119232A (zh) | 2022-03-01 |
Family
ID=80369199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111453991.5A Pending CN114119232A (zh) | 2021-12-01 | 2021-12-01 | 金融产品推荐方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114119232A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330541A (zh) * | 2022-08-08 | 2022-11-11 | 山东大学 | 基于区块链的基金信息推荐及交易安全保障系统及方法 |
-
2021
- 2021-12-01 CN CN202111453991.5A patent/CN114119232A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330541A (zh) * | 2022-08-08 | 2022-11-11 | 山东大学 | 基于区块链的基金信息推荐及交易安全保障系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ben Zeineb et al. | Corporate governance, risk and efficiency: evidence from GCC Islamic banks | |
Adams et al. | Financialization in commodity markets: A passing trend or the new normal? | |
Tufano | Who manages risk? An empirical examination of risk management practices in the gold mining industry | |
Giné | Access to capital in rural Thailand: An estimated model of formal vs. informal credit | |
Collier | African growth: why a ‘big push’? | |
US7822660B1 (en) | Method and system for the protection of broker and investor relationships, accounts and transactions | |
Indriyanti | The accuracy of financial distress prediction models: Empirical study on the world’s 25 biggest tech companies in 2015–2016 Forbes’s version | |
Phan et al. | The effect of enterprise risk management on firm value: Evidence from Vietnam industry listed enterprises | |
US20150127415A1 (en) | Systems, methods and computer readable media for generating a multi-dimensional risk assessment system including a manufacturing defect risk model | |
De Moura et al. | A pairs trading strategy based on linear state space models and the Kalman filter | |
Ofir et al. | An Empirical View of Peer-to-Peer (P2P) Lending Platforms | |
CN114119232A (zh) | 金融产品推荐方法、装置、计算机设备和存储介质 | |
Li et al. | Structural VARs and the Monetary Transmission Mechanism in Low-Income African Countries | |
Sharma et al. | Game of names: Blockchain premium in corporate names | |
Molyboga et al. | Assessing hedge fund performance with institutional constraints: evidence from CTA funds | |
Jalilian et al. | Interactive scenario analysis of banking credit risks in intuitive fuzzy space | |
Zhukevych et al. | Diagnostics of crisis situations in the management of financial security: An example of food industry enterprises | |
Dunbar | US corporate default swap valuation: the market liquidity hypothesis and autonomous credit risk | |
Trejo‐Pech et al. | Mergers and acquisitions in the US agribusiness sector, 1990–2017 | |
Wang | Time-varying conditional beta, return spillovers, and dynamic bank diversification strategies | |
Villasana-Arreguín et al. | Resilience and Capabilities Adopted by Enterprises to Cope with Disruptive Events | |
Siekelova et al. | Prediction of payment discipline using the Markov chain–case studies of Visegrad Four | |
Jin | Heavy‐tailed Behavior of Commodity Price Distribution and Optimal Hedging Demand | |
Nwogugu et al. | Financial indices, joint ventures and strategic alliances invalidate cumulative prospect theory, third-generation prospect theory, related approaches and intertemporal asset pricing theory: HCI and three new decision models | |
Chin | Predicting corporate turnaround of listed companies in South Africa |
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 |