CN115482116A - 资产投资策略信息的推荐方法、装置、设备及介质 - Google Patents
资产投资策略信息的推荐方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115482116A CN115482116A CN202211208464.2A CN202211208464A CN115482116A CN 115482116 A CN115482116 A CN 115482116A CN 202211208464 A CN202211208464 A CN 202211208464A CN 115482116 A CN115482116 A CN 115482116A
- Authority
- CN
- China
- Prior art keywords
- processed
- asset
- value
- information
- 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.)
- 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
- G06Q40/06—Asset management; Financial planning or analysis
Abstract
本公开提供一种资产投资策略信息的推荐方法、装置、设备及介质,应用于数据处理领域,具体为大数据、云计算、物联网等技术领域:资产投资策略信息的推荐方法包括:响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,产品信息中包括的第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;基于处理器根据待处理的资产产品的第一关联指标和第二关联指标,从待处理的资产产品中确定出待推荐的资产产品,确定并基于发送器向用户设备发送资产投资策略信息,进而有利于提高确定的待推荐的资产产品的准确性。
Description
技术领域
本公开涉及数据处理中的大数据、云计算、物联网等技术领域,尤其涉及一种资产投资策略信息的推荐方法、装置、设备及介质。
背景技术
目前,用户在确定投资策略时,通常会人为分析比对各类资产所对应的收益价格的变化趋势,进而确定出收益较高的资产以及对应的资产投资策略,其中,资产投资策略中可以包括用户确定出的收益较高的资产,以及不同资产产品之间的投资比重。
然而,受用户主观因素的影响,容易导致确定出的资产投资策略不准确;因此,亟需一种可以自动且准确为用户推荐资产产品投资策略的方法。
发明内容
本公开提供了一种用于自动、准确的向用户推荐投资产品投资策略的资产投资策略信息的推荐方法、装置、设备及介质。
根据本公开的第一方面,提供了一种资产投资策略信息的推荐方法,包括:
响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,所述产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,所述第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,所述第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;所述获取请求用于指示获取资产投资策略信息;
基于处理器根据所述待处理的资产产品的第一关联指标和第二关联指标,从所述待处理的资产产品中确定出待推荐的资产产品,并确定资产投资策略信息,其中,所述资产投资策略信息中包括所述待推荐的资产产品和所述待推荐的资产产品的投资比重信息;
基于发送器向用户设备发送所述资产投资策略信息。
根据本公开的第二方面,提供了一种资产投资策略信息的推荐装置,包括:
获取单元,用于响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中,其中,所述产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,所述第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,所述第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;所述获取请求用于指示获取资产投资策略信息;
第一确定单元,用于基于处理器根据所述待处理的资产产品的第一关联指标和第二关联指标,从所述待处理的资产产品中确定出待推荐的资产产品;
第二确定单元,用于基于处理器确定资产投资策略信息,其中,所述资产投资策略信息中包括所述待推荐的资产产品和所述待推荐的资产产品的投资比重信息;
推送单元,用于基于发送器向用户设备发送所述资产投资策略信息。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,所述计算机程序产品包括:计算机程序,所述计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本公开的技术提高了所确定的待推荐的资产产品的准确性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的示意图;
图2是根据本公开第二实施例的示意图;
图3本公开实施例的推荐装置的示意图;
图4是根据本公开第三实施例的示意图;
图5是根据本公开第四实施例的示意图;
图6是根据本公开第五实施例的示意图;
图7是根据本公开第六实施例的示意图;
图8是用来实现本公开实施例的资产投资策略信息的推荐方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
资产配置是指根据投资需求将投资资金在不同资产类别之间进行分配。目前,当用户需要进行资产配置时,通常是通过查找不同类别的资产产品所对应的价格数据(例如,资产产品的收益率信息),并通过分析价格指数的变化趋势,来确定不同类别的资产产品中预期收益较高的资产并制定对应的资产投资策略。
然而,在资产投资策略指定过程中,用户需要在大量数据中人为筛选不同的资产产品的价格数据,耗时较长。并且,受用户主观因素的影响,容易导致最终确定出的投资策略不准确。
为了避免上述技术问题中的至少一种,本公开的发明人经过创造性地劳动,得到了本公开的发明构思:获取与待处理的资产产品的收益上产空间信息具有关联关系的第一关联指标,和与待处理的资产产品的收益上涨支撑度具有关联关系的第二关联指标。并结合待处理的资产产品的第一关联指标、第二关联指标确定向用户推荐的待推荐的资产产品,并确定资产投资策略信息,之后向用户推送资产投资策略信息。
基于上述发明构思,本公开提供一种资产投资策略信息的推荐方法、装置、设备及介质,应用于数据处理领域中的大数据、云计算、物联网等技术领域,以自动且准确为用户推荐资产产品投资策略的方法。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
图1是根据本公开第一实施例的示意图。如图1所示,本公开实施例的资产策略信息的推荐方法,包括:
S101、响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;获取请求用于指示获取资产投资策略信息。
示例性地,本实施例的执行主体可以为资产策略信息的推荐装置,该推荐装置可以为服务器(如云端服务器,或者,本地服务器),也可以为计算机,也可以为终端设备,也可以为处理器,也可以为芯片等,本实施例不做限定。本实施例的执行主体以推荐装置为例进行说明。
本实施例中的获取请求用于指示获取资产投资策略信息,该获取请求为用户通过推荐装置上设置的输入接口传输至推荐装置中的,例如获取请求可以为用户通过推荐装置的输入接口连接的操作键盘输入的文字或者图片,本实施例中对获取请求的输入方式不做具体限制。
本实施例中待处理的资产产品可以为用户输入推荐装置的资产产品,也可为推荐装置通过获取用户的投资信息所确定的当前正在投资的投资资产产品,本实施例中不做具体限定。
待处理的资产产品的产品信息中包括有该待处理的资产产品的第一关联指标以及第二关联指标。第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,其中,上涨空间信息用于指示资产产品未来收益相比于当前的收益的上涨幅度。
第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标。即,用于支撑资产产品的收益上涨所对应的指标,例如,可反应整个国民经济运行状态的指标等可作为待处理的资产产品的第二关联指标。
在推荐装置获取待处理的资产产品的第一关联指标以及第二关联指标时,首先推荐装置中的处理器可以通过访问存储器中与该待处理的资产产品所对应的预设数据库进行数据查找,其中,预设数据库中可以用于指示至少一个待处理的资产产品所对应的第一关联指标以及第二关联指标。
S102、基于处理器根据待处理的资产产品的第一关联指标和第二关联指标,从待处理的资产产品中确定出待推荐的资产产品。
示例性地,推荐装置在获取到待处理的资产产品的第一关联指标、第二关联指标时,此时,推荐装置中的处理器可以基于上述所获取到的信息,在待处理的资产产品中确定出向用户推荐的资产产品。
举例来说,一个示例中,在处理器基于第一关联指标以及第二关联指标确定待推荐的资产产品时,可以调用预设的融合模型,并将第一关联指标与第二关联指标输入至预设的融合模型中,以便确定出待处理的资产产品的上涨可能性,其中,预设的融合模型用于确定待处理的资产产品的上涨可能性。之后将上涨可能性最高的待处理的资产产品作为待推荐的资产产品。
S103、基于处理器确定资产投资策略信息,其中,资产投资策略信息中包括待推荐的资产产品和待推荐的资产产品的投资比重信息。
示例性地,在推荐装置中的处理器确定出待推荐的资产产品后,进一步的可以向用户推荐不同待推荐产品各自的投资比重信息,以便提供用户体验度。
一个示例中,在确定待推荐的资产产品的投资比重信息时,可以采用等权重的方式确定各待推荐的资产产品的投资比重信息,不同的待推荐的资产产品的投资比重信息相同。
S104、基于发送器向用户设备发送推荐资产投资策略信息。
示例性地,在推荐装置中的处理器确定出资产投资策略信息之后,推荐装置中的发送器可以将向用户设备推荐所确定的资产投资策略信息。其中,用户设备可以为手机、笔记本电脑、智能手表、手环等设备。
在向用户设备推荐资产投资策略信息时,可以采用文字推送方式、图像推送方式等多种方式中的一种或者多种,此处不做具体限制。或者,基于用户预先指示的推送方式进行推送。
可以理解的是,本实施例中在确定待推荐的资产产品时,不仅考虑了与资产产品的收益上涨空间信息具有关联关系的指标,还考虑了与资产产品的收益上涨支撑度有关联关系的指标,以便提高确定出的待推荐产品的准确性。
为使读者更深刻地理解本公开的实现原理,现结合以下图2-图4对图1所示的实施例进行进一步细化。
图2是根据本公开第二实施例的示意图。如图2所示,本公开实施例的资产策略信息的推荐方法,包括:
S201、响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;获取请求用于指示获取资产投资策略信息。
示例性地,本实施例的执行主体可以为资产策略信息的推荐装置,该推荐装置可以为服务器(如云端服务器,或者,本地服务器),也可以为计算机,也可以为终端设备,也可以为处理器,也可以为芯片等,本实施例不做限定。本实施例的执行主体以推荐装置为例进行说明。本步骤的原理可以参见步骤S101,此处不再赘述。
S202、基于处理器根据待处理的资产产品的第一关联指标,确定待处理的资产产品的第一特征,其中,第一特征用于指示待处理的资产产品的收益上涨空间信息。
示例性地,本实施例中,在推荐装置在存储器中获取到待处理的资产产品的第一关联指标之后,由于第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,因此可以基于该第一关联指标确定出待处理的资产产品的收益上涨空间信息,即待处理产品的第一特征。一个示例中,第一关联指标与第一特征之间的关联关系可以预先存储在推荐装置中、或者与推荐装置关联的设备中,以便在确定出第一关联指标之后,可以调用推荐装置或者关联的设备中存储的对应关系,以便确定出待处理的资产产品的第一特征。
一个示例中,步骤S202包括以下步骤:
步骤S202的第一步骤:基于处理器根据待处理的资产产品的第一关联指标,从存储器中的预设数据库中获取待处理的资产产品的第一取值组合和第一取值;其中,第一取值组合中包括至少一个第一历史取值,第一历史取值表征在历史时段下待处理的资产产品在第一关联指标上的取值;第一取值表征在当前时段下待处理的资产产品在第一关联指标上的取值;预设数据库用于指示出待处理的资产产品的第一取值组合和第一取值。
示例性地,本实施例中,在推荐装置的存储器中所包含的预设数据库中可以指示出在历史时段内待处理的资产产品在第一关联指标上的第一历史取值以及在当前时段内待处理的资产产品在第一关联指标上的第一取值。
在根据待处理的资产产品的第一关联指标确定待处理的资产产品的第一特征时,推荐装置中的处理器也可以去存储器中的预设数据库中获取待处理的资产产品的第一取值组合以及第一取值,其中,第一取值组合中包括至少一个第一历史取值。
举例来说,一种可能的情况中,在推荐装置中的处理器根据预设数据库获取待处理的资产产品的第一取值组合以及第一取值时,可以根据待处理的资产产品的标识以及需要获取的取值的时段,在预设数据库中匹配需要的第一取值组合以及第一取值。
一个示例中,步骤S202的第一步骤可以通过以下步骤实现:
第一步、基于处理器根据待处理的资产产品的产品类别和预设数据库中的预设对应关系,确定与第一关联指标对应的信息参数;其中,预设对应关系表征产品类别、第一关联指标和信息参数之间的对应关系。
第二步、基于处理器若确定与第一关联指标对应的信息参数为多个,则从存储器中的预设数据库中获取与第一关联指标对应的处理规则信息,处理规则信息表征信息参数之间的处理方式;并基于处理器,从存储器中的预设数据库中获取信息参数在历史时段内的第二历史取值,获取信息参数在当前时段内的第二取值。
第三步、基于处理器针对每一历史时段,根据处理规则信息,对信息参数在历史时段内的第二历史取值进行处理,得到第一取值组合中的第一历史取值;并根据处理规则信息,对信息参数在当前时段内的第二取值进行处理,得到第一取值。
示例性地,本实施例中在处理器获取待处理的资产产品的第一取值组合以及第一取值时,还需要确定第一关联指标所对应的信息参数的数量。其中,待处理的资产产品的第一关联指标所对应的信息参数可以看作是与该待处理的资产产品的第一关联指标所关联的参数,该参数为用于确定第一关联指标的参数。举例来说,对于人民币普通股票(又称A股)的第一关联指标可以用股息率与国债收益率的差值来表征,则股息率与国债收益率分别作为人民币普通股票的第一关联指标所对应的信息要素。并且,不同待处理的资产产品的产品类别所对应的第一关联指标所对应的信息参数不同,因此,在处理器确定第一关联指标所对应的信息参数时,可以根据待处理的资产产品的产品类别,以及存储器中所包含的预设数据库中预先存储的预设对应关系,确定出该产品类别所对应的第一关联指标的信息参数,其中,预设数据库中可以存储至少一个预设关联关系,预设关联关系可以用于指示出资产产品的产品类别、第一关联指标和信息参数之间的对应关系。
当推荐装置中的处理器确定出第一关联指标所对应的信息参数的数量为多个时,此时,处理器还可以继续在存储器所包含的预设数据库中查找出第一关联指标所对应的处理规则信息。即,预设数据库中存储有第一关联指标所对应的处理规则信息,处理规则信息中指示出了对该第一关联指标所对应的信息参数的处理方式,以便在处理器获取到信息参数之后,可以基于信息参数对应的第一关联指标的处理规则信息,对该信息参数进行处理,进而得到第一关联指标的第一取值组合以及第一取值。具体地,在处理器确定待处理的资产产品在第一关联指标上的第一取值组合时,可以在预设数据库中查找并获取该待处理的资产产品的第一关联指标所对应的信息参数在历史时段内的第二历史取值,并基于该第一关联指标所对应的处理规则信息对第二历史取值进行处理,进而得到第一关联指标在该历史时段中的第一取值组合中的第一历史取值。同样地,对于待处理的资产产品在第一关联指标上的第一取值,也可以通过处理器在预设数据库中获取该第一关联指标的信息参数在当前时段中的第二取值,并基于该第一关联指标对应的处理规则信息对第二取值进行处理,并将处理后的结果作为第一取值。需要说明的是,本实施例中的预设数据库中存储有预设关联关系、第一关联指标所对应的处理规则信息以及第一关联指标所对应的信息参数在不同时段中的取值,在实际应用中可以存储至在同一数据库中,也可以根据数据的更新频率存储在不同类型的数据库中。例如,预设对应关系与处理规则信息可以看作为固定不变存储数据或者是变换频率交底的存储数据,而信息参数在不同时段的取值可以看作是频繁更新变换的数据,因此可以将预设对应关系与处理规则信息存储在同一数据库中,将信息参数存储在另一数据库中。本实施例中对上述需要存储的信息的存储方式不做具体限制。
可以理解的是,本实施例中在处理器获取第一关联指标所对应的第一取值组合以及第一取值时,还需要进一步基于待处理的资产产品类别所对应的第一关联指标的信息参数来确定,当第一关联指标对应的信息参数的数量为多个时,此时,可以通过第一关联指标对应的处理规则信息对信息参数的在历史时段以及当前时段下取值的处理,进而得到第一取值组合以及第一取值。本实施例提供的第一取值组合以及第一取值的确定方式,简单易实现,无需占用较多的计算资源,并且可以确保所获取到的数据的准确性,进而提高所确定的资产投资策略信息的准确性。
一个示例中,在执行步骤S202的第一步骤时,基于处理器若确定与第一关联指标对应的信息参数为一个,则从存储器中的预设数据库中获取信息参数在历史时段内的第二历史取值,获取信息参数在当前时段内的第二取值;基于处理器确定第二历史取值为第一取值组合中的第一历史取值;基于处理器确定第二取值为第一取值。
示例性地,本实施例中,在上述实施例的基础上,当处理器确定出待处理的资产产品的第一关联指标所对应的信息参数为一个时,此时,则可以直接将信息参数在当前时段的取值(即,第二取值)作为第一关联指标的第一取值,并且,将信息参数在历史时段内的第二历史取值作为第一关联指标在第一历史取值组合中的第一历史取值。此外,信息参数在当前时段以及历史时段内的取值可以为预先存储于预设数据库中的存储数据,处理器可以从存储器所包含的预设数据库中获取信息参数的取值。
可以理解的是,当处理器确定待处理的资产产品类别所对应的第一关联指标的信息参数的数量为1个时,此时,在获取到信息参数的取值之后,可以直接将该取值作为该时段下第一关联指标的取值,即无需对信息参数的取值进行处理。本实施例提供的第一取值组合以及第一取值的确定方式,简单易实现,并且可以确保所获取到的数据的准确性,进而提高所确定的资产投资策略信息的准确性。
步骤S202的第二步骤:基于处理器根据待处理的资产产品的第一取值组合、第一取值以及预设的第一关联关系,确定待处理的资产产品的第一特征;其中,预设的第一关联关系表征第一关联指标与第一特征之间的关系。
示例性地,在处理器获取到第一取值组合以及第一取值之后,可以基于用于指示第一关联指标与第一特征之间的关联关系的预设的第一关联关系,确定待处理的资产产品的第一特征。其中,预设的第一关联关系可以为预先存储的数据库中,在获取第一关联关系时,可以根据待处理的资产产品的标识确定对应的预设第一关联关系。
可以理解的是,本实施例中通过待处理的资产产品在第一关联指标下的第一取值组合、第一取值和预设的第一关联关系,确定用于指示待处理的资产产品的上涨空间信息的第一特征,以便提高所确定的第一特征的准确性。
一个示例中,步骤S202的第二步骤可以通过以下步骤实现:基于处理器根据第一取值以及第一取值组合,调取第一比较器确定排序信息,排序信息用于指示第一取值组合中取值大于第一取值的第一历史取值的数量;基于处理器确定第一数量,并根据排序信息以及第一数量调取除法器确定第一取值在第一取值组合中的分位数,并从存储器中的预设数据库中获取预设的第一关联关系;第一数量为第一取值组合中第一历史取值的数量;基于处理器若确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为正相关关系,则确定分位数作为第一特征;基于处理器确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为负相关关系,则调用减法器对预设值与分位数进行求差处理,并确定得到的求差结果为第一特征。
示例性地,本实施例中,在处理器获取到第一取值组合和第一取值之后,为了进一步确定用于指示待处理的资产产品的上涨空间信息的第一特征,首先可以确定第一取值在第一历史取值中的分位数。之后,在确定该待处理的资产产品所对应的第一关联关系所指示的关系为正相关还是负相关。具体地,在确定第一取值在第一历史取值中的分位数时,此时,推荐装置中的处理器可以调用推荐装置中的第一比较器,并将第一取值组合以及第一取值输入至第一比较器中,并基于第一比较器确定出第一取值组合中取值大于第一取值的第一历史取值的数量(即。排序信息)。处理器统计第一历史取值组合中第一历史取值的数量,即第一数量,并将第一数量以及排序信息输入至除法器中求商,进而得到第一取值所对应的分位数。
之后,若处理器确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为正相关关系,则此时第一取值在第一取值组合中的分位数即可以理解为上涨空间信息。举例来说,若第一取值所对应的分位数为0.9,则表明在第一取值组合中10%的第一历史取值大于第一取值,并将分位数0.9作为待处理的资产产品的上涨空间信息。
若处理器确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为负相关关系,则此时需要将预设值与确定出的分位数的差值作为待处理的资产产品的上涨空间。举例来说,若此时第一取值所对应的分位数为0.9,则表明在第一取值组合中10%的第一历史取值大于第一取值,可以将1与分位数0.9之间的差值0.1作为待处理的资产产品的上涨空间信息。
可以理解的是,本实施例中通过结合第一关联指标的第一取值在第一历史取值组合中的分位数以及第一关联指标与第一特征之间的第一对应关系确定待处理的资产产品的上涨空间信息(即第一特征)的方式,简单易实现,处理过程中无需占用较多的计算机处理资源,并且可以提高所确定的资产投资策略信息的准确性。
S203、基于处理器根据待处理的资产产品的第二关联指标,确定待处理的资产产品的第二特征,其中,第二特征用于指示待处理的资产产品的收益上涨支撑度。
示例性地,在处理器获取到待处理的资产产品的第二关联指标之后,由于第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标,因此处理器可以基于该第二关联指标确定出待处理的资产产品的收益上涨支撑度,即待处理产品的第二特征。举例来说,在一种可能的实现方式中可以通过用于指示第二关联指标与第二特征之间的对应关系的训练模型来确定第二特征。
举例来说,在实际应用过程中,当处理器确定待处理的资产产品的第一特征时,此时,可以调用处理器的第一线程去执行上述操作。此外,当处理器确定待处理的资产产品的第二特征,此时,可以调用处理器的第二线程去执行上述操作,上述第一线程以及第二线程可以为处理器中并行执行的两个线程,即上述步骤S202与步骤S203可以在处理器中同时执行,进而减少确定资产投资策略信息的耗时,提高处理器的资源占用率。
一个示例中,步骤S203可以通过以下步骤实现:
步骤S203的第一步骤、基于处理器根据待处理的资产产品的第二关联指标,从存储器中的预设数据库中获取待处理的资产产品的第二取值组合和第三取值;其中,第二取值组合中包括至少一个第三历史取值,第三历史取值表征在历史时段下待处理的资产产品在第二关联指标上的取值;第三取值表征在当前时段下待处理的资产产品在第二关联指标上的取值;预设数据库用于指示出待处理的资产产品的第二取值组合和第三取值。
步骤S203的第二步骤、基于处理器,从存储器中的预设数据库中获取待处理的资产产品的第四取值和第三取值组合;其中,第三取值组合中包括至少一个第四历史取值,第四历史取值表征在历史时段下待处理的资产产品的收益率信息的取值;第四取值表征在当前时段下待处理的资产产品的收益率信息的取值。
步骤S203的第三步骤、基于处理器根据待处理的资产产品的第二取值组合、第三取值、第三取值组合以及第四取值,确定待处理的资产产品的第二特征。
示例性地,本实施例中存储器中所包含的预设数据库还用于指示待处理的资产产品的第二关联指标所对应的第二取值组合以及第三取值。其中,第二取值组合中包括至少一个历史时段中待处理的资产产品的第二关联指标所对应的第三历史取值。第三取值用于指示当前时段内待处理的资产产品在第二关联指标的取值。此外,处理器,还可以进一步的从存储器中的预设数据库中获取该待处理的资产产品在当前时段内的收益率信息的取值(即第四取值)以及历史时段内的收益率信息(即,第三历史取值组合中的第四历史取值)。需要说明的是,在一种可能的实现方式中,第二关联指标也会对应有一个或者多个信息参数,当处理器确定第二关联指标对应多个信息参数时,此时确定第二关联指标所对应的第二取值组合和第三取值的方式可以参见上述第一关联指标的获取方式,此处不再赘述。
此外,由于第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标,在获取到第二关联指标的第二取值组合和第三取值之后,进一步的,还可以结合指示待处理的资产产品的收益率信息的取值的第三取值组合以及第四取值,进一步的确定出待处理的资产产品的收益上涨支撑度,即第二特征。
可以理解的是,本实施例中,通过结合第二关联指标的第二取值组合和第三取值、待处理的资产产品的第三取值组合和第四取值,来确定待处理的资产产品的第二特征的方式,提高了所确定出的第二特征的准确性以及最终得到的资产投资策略信息的准确性。
一个示例中,步骤S203的第三步骤可以包括以下过程:
第一过程、基于处理器根据调取预设的预测模型,其中,预设的预测模型用于根据待处理的资产产品的第二关联指标预测待处理的资产产品的收益率信息。
第二过程、基于处理器根据待处理的资产产品的第四取值和第二取值组合,对预设的预测模型中与第二关联指标所对应的回归系数进行更新,得到更新后的预测模型。
第三过程、基于处理器将待处理的资产产品的第三取值输入至更新后的预测模型,得到待处理的资产产品的预测收益率信息;预测收益率信息为当前时段的后一时段的收益率信息。
第四过程、基于处理器确定待处理的资产产品的预测收益率信息在第三取值组合中的分位数,为待处理的资产产品的第二特征。
示例性地,本实施例中在处理器确定待处理的资产产品的第二特征时,可以通过预设的预测模型来确定。其中,预设的预测模型用于基于待处理的资产产品的第二关联指标对该待处理的资产产品的收益率信息进行预测。并且,该预设的预设模型为回归模型,即该回归模型中第二关联指标对应有回归系数。
当处理器需要确定待处理的资产产品的第二特征时,首先可以调取预设的预测模型,并且,基于获取到的第四取值以及第二取值组合,对预设的预测模型中所包含的第二关联指标对应的回归系数进行更新,进而得到更新后的预测模型。之后,处理器再将获取到的当前时段内的第二关联指标所对应的第三取值作为更新后的预测模型的输入参数输入至该更新后的预测模型中,以便该更新后的预测模型可以基于更新后的回归系数以及输入的第三取值,预测出当前时段的后一时段下该待处理的资产产品的收益率信息作为预测收益率信息。之后,处理器将预测收益率信息在该待处理的资产产品的收益率信息所对应的第三取值组合中的分位数作为该待处理的资产产品的第二特征。此处,处理器确定分位数的方式可以参考上述实施例中的描述,此处不再赘述。
可以理解的是,本实施例中通过对预设的预测模型进行回归参数的更新处理,可以提高预测模型得到的预测收益率信息的准确性。并且,本实施例中的预测模型采用的为回归模型,可以降低预设的预测模型的存储空间,并且模型运行过程中的所占用的设备运行资源较小。
S204、基于处理器根据待处理的资产产品的第一特征和第二特征,从待处理的资产产品中确定出待推荐的资产产品。
示例性地,在处理器确定出待处理的资产产品的第一特征以及第二特征之后,可以基于上述第一特征以及第二特征,确定该待处理的资产产品是否可以作为待推荐的资产产品推送给用户。
一个示例中,在处理器在待处理的资产产品中确定待推荐的资产产品时,若处理器通过调用推荐装置中的比较器确定出基于第二关联指标确定出第二关联指标对该待处理的资产产品的支撑度大于第一预设值,且基于第一关联指标确定出该待处理的资产产品的上涨空间大于第二预设值,则表明该待处理的资产产品的上涨可能性较大,则此时可以将该待处理的资产产品作为待推荐的资产产品。
可以理解的是,本实施例中通过第一关联指标确定出第一特征并基于第二关联指标确定出第二特征,之后可以基于指示待处理的资产产品的收益上涨空间信息的第一特征以及指示待处理的资产产品的收益上涨支撑度的第二特征进一步确定出待推荐的资产产品,可以提高确定出的待推荐的资产产品的准确性。
一个示例中,步骤S204包括以下步骤:
步骤S204的第一步骤:基于处理器根据待处理的资产产品的第一特征和第二特征,确定待处理的资产产品的上涨参数;上涨参数用于指示待处理的资产产品的收益上涨的可能性。
步骤S204的第二步骤:基于处理器,调取第二比较器去确定上涨参数大于预设阈值的待处理的资产产品为待推荐的资产产品。
示例性地,本实施例中在处理器基于第一特征与第二特征确定待推荐的资产产品时,首先处理器可以根据资产产品的第一特征以及第二特征确定出用于指示该待处理的资产产品收益上涨可能性的上涨参数。可以理解的是,当第一特征指示的上涨空间信息较大,且第二特征所指示的收益上涨支撑度较高时,则此时收益上涨的可能性较大。但是当上涨空间信息较大,但是收益上涨支撑度较低时,则此时收益上涨可能性较小,即上涨参数越小。
在一种可能的实现方式中,可以将第一特征与第二特征在同一量纲下的取值之和作为待处理的资产产品的上涨参数。
在处理器确定出上涨参数之后,处理器可以将各待处理的资产产品所对应的上涨参数依次输入至第二比较器中,以便第二比较器可以确定出将上涨参数大于预设阈值的待处理的资产产品,并将上述待处理的资产产品作为待推荐的资产产品。
可以理解的是,本实施例中通过基于第一特征与第二特征进一步的确定出待处理的资产产品的上涨参数,并将上涨参数大于预设阈值的待处理的资产产品推送给用户,进而可以筛选出上涨可能性较大的资产产品,提高所确定的待推荐的资产产品的准确性,并提高用户的满意度。
S205、基于处理器确定资产投资策略信息,其中,资产投资策略信息中包括待推荐的资产产品和待推荐的资产产品的投资比重信息。
S206、基于发送器向用户设备发送推荐资产投资策略信息。
示例性地,步骤S205与步骤S206的具体原理可以参见步骤S103与步骤S104,此处不再赘述。
本实施例中,通过第一关联指标确定出第一特征并基于第二关联指标确定出第二特征,之后可以基于指示待处理的资产产品的收益上涨空间信息的第一特征以及指示待处理的资产产品的收益上涨支撑度的第二特征进一步确定出待推荐的资产产品,可以提高确定出的待推荐的资产产品的准确性。
举例来说,假设待处理的资产产品包括以下产品类别:A股、港股、可转债、利率债、信用债、黄金。下表为不同资产的产品类别所对应的第一关联指标和第一关联关系的示意。
表1.资产产品的第一关联指标以及第一关联关系
对于A股,由于股息率可用于衡量国内股票投资的整体收益,国债收益率可用于衡量国内利率债投资的整体收益,当股息率显著高于国债收益率时,投资者会增大对于股票市场的投资规模,资金流入从而推动股票市场的上涨。因此股息率与国债收益率的差值可作为A股的第一关联指标,即此时,股息率与国债收益率为A股的第一关联指标的信息参数。
并且,当港股市场整体估值相对A股市场较低时,投资者会偏好投资于相对便宜的港股,使得港股具有更大的上涨空间信息。并且AH股溢价指数衡量了A股和港股的估值对比情况,因此AH股溢价指数可作为港股的第一关联指标。
对于可转债,可转债在一定条件下转换为股票,因此可从可转债与股票之间的转换关系确定可转债的第一关联指标,例如,转换关系可以为转股溢价率。
此外,当国债收益率显著高于股息率时,投资者会增大对于国内利率债市场的投资,从而使得利率债上涨。因此可以将国债收益率与股息率的差值作为利率债的第一关联指标。
对于信用债,可以采用信用利差作为其对应的第一关联指标。
对于黄金,由于国债收益率与通货膨胀率的差值即为市场真实利率,当国债收益率小于通货膨胀率时,市场真实利率为负,债券投资获得的收益不足以弥补物价的上涨,此时投资者可能会转向投资黄金等资产产品,因此,可以将国债收益率与通货膨胀率的差值可作为黄金的第一关联指标,
在确定第一特征时,可以根据待处理的资产产品所对应的第一关联指标、第一关联关系,确定出第一特征。
此外,针对于资产产品的第二关联指标,第二关联指标具体可以为:经济增长风险指标、利率风险指标、通胀风险指标、信用风险指标以及汇率风险指标。其中,经济增长风险指标可以采用当前时段的国内生产总值(Gross Domestic Product,简称GDP)同比值与预期GDP的同比值的差值确定。利率风险指标可以通过采用10年期的国债收益率信息确定;通胀风险指标可以采用生产价格指数以及消费者物价指数的加权求和结果表征。信用风险指标可以采用3年期AA级别的中期票据与3年期的国债的信用利差差值作为信用风险指标;并将美元指数作为汇率风险指标。上述各指标所对应的表征方式可以参见相关技术中的描述,此处不再赘述。
在获取到上述各个第二关联指标确定第二特征时,首先可以基于下面的线性回归方程确定预测收益率信息:
Rt+1=w1X1t+w2X2t+w3X3t+w4X4t+w5X5t
其中,t为正整数;Rt+1用于表征第t+1个时段下的待处理的资产产品的收益率信息;X1t、X2t、X3t、X4t和X5t分别用于表征第t个时段下经济增长风险指标、利率风险指标、通胀风险指标、信用风险指标以及汇率风险指标。w1、w2、w3、w4和w5分别用于表征上述各指标所对应的回归系数。并且,在实际应用中,可以设置约束条件令上述各个第二关联指标所对应的回归系数之和为1。之后,可以将预测收益率信息在各个历史时段收益率信息取值中的分位数作为第二特征。
之后可以基于确定出第一特征与第二特征,进一步确定待推荐的资产产品。
举例来说,可以当第一特征与第二特征的取值位于[0,0.33],对应的可以将该取值区间中第一特征以及第二特征赋予第一分数;当第一特征与第二特征的取值位于(0.33,0.67],对应的可以将该取值区间中第一特征以及第二特征赋予第二分数,第二分数大于第一分数;当第一特征与第二特征的取值位于(0.67,1],对应的可以将该取值区间中第一特征以及第二特征赋予第三分数,第三分数大于第二分数。之后,可以将第一特征与第二特征各自对应的分数求和之后作为待处理的资产产品的上涨参数。之后在基于上涨参数与预设阈值之间的大小关系,确定待推荐的资产产品。
图3是本公开实施例的推荐装置的示意图,如图所示,推荐装置300中包括处理器301、存储器302、发送器303、减法器304、第一比较器305、除法器306。其中,处理器301与存储器302、发送器303、减法器304、第一比较器305、除法器306以及输入接口307连接。其中,处理器301可以通过调用第一比较器301,确定出第一取值在第一取值组合中的排序信息,并且处理器301还可以通过调用除法器306,以便除法器306可以基于排序信息以及处理器301确定的第一取值组合中的第一历史取值的第一数量,确定出第一取值在第一取值组合中的分位数。此外,处理器301通过向减法器304输入预设值以及除法器306输出的分位数,由减法器304进行求差处理,进而将减法器304输出的差值作为待处理的资产产品的第一特征。此外,存储器302中可以设置一个或者多个预设数据库进行数据存储,以便处理器301可以基于存储器302中所存储的数据进行资产投资策略信息推荐处理。此外,处理器301还可以与输入接口307连接,可用于接收输入接口307所接收到的数据或者指令等信息。本实施例所提供的推荐装置的结构,可用于实现上述实施例中的方法,本实施例中不再赘述。
图4是根据本公开第三实施例的示意图。如图4所示,本公开实施例的资产策略信息的推荐方法,包括:
S401、响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;获取请求用于指示获取资产投资策略信息。
S402、基于处理器根据待处理的资产产品的第一关联指标和第二关联指标,从待处理的资产产品中确定出待推荐的资产产品。
示例性地,本实施例的执行主体可以为资产策略信息的推荐装置,该推荐装置可以为服务器(如云端服务器,或者,本地服务器),也可以为计算机,也可以为终端设备,也可以为处理器,也可以为芯片等,本实施例不做限定。本实施例的执行主体以推荐装置为例进行说明。步骤S401与步骤S402的具体原理可以参见步骤S101与步骤S102,此处不再赘述。
S403、响应于用户的触发操作,从用户设备中获取用户信息,并基于处理器根据用户信息确定预期风险等级,其中,预期风险等级表征用户可承受的风险的等级。
示例性地,本实施例中用户的预期风险等级,即表征用户在进行资产产品配置时所能够接受的风险等级。其中,触发操作可以为用户在推荐设备中选择需要进行资产投资策略信息的控件所进行的操作,可以为点击,或者语音输入,本实施例中不做具体限制。在用户的触发操作下,推荐装置可以向用户设备请求获取用户信息,其中用户信息中可以包括用户的历史投资信息中所投资的资产产品的风险等级。之后,推荐装置中的处理器会基于获取到的用户信息确定出用户的预期风险等级。例如,处理器可以将用户信息中所包含的用户的历史投资信息所对应的风险等级求平均,进而得到预期风险等级。
S404、基于处理器确定待推荐的资产产品的风险等级和预测收益率信息;其中,待推荐的资产产品的风险等级用于指示待推荐的资产产品的收益率信息的波动程度;预测收益率信息为待处理的资产产品在当前时段的后一时段的收益率信息。
示例性地,资产产品的风险等级可以用于表征该资产产的收益信息的波动程度,其中,波动程度越大则对应的风险等级越高。
在处理器获取待推荐的资产产品的风险等级时,可以根据该资产产品本身携带的风险等级标签确定,或者也可以根据该资产产品的历史时段中的收益率信息的方差或者标准差来确定。
此外,在处理器确定预测收益率信息时,可以根据上述实施例中的确定方式获取,例如通过调用预设的预测模型的方式确定,此处不做具体限制。
S405、基于处理器根据待推荐的资产产品的风险等级、预测收益率信息和用户的预期风险等级,确定待推荐的资产产品的投资比重信息。
示例性地,在处理器获取到待推荐的资产产品的风险等级、预期收益率信息以及用户的预期风险等级之后,可以进一步的确定待推荐的资产产品的投资比重信息。
举例来说,处理器可以根据用户的预期风险等级,将待推荐的资产产品中的风险等级高于预期风险等级的资产产品所对应的投资比重信息设置为较小的取值,而将待推荐的资产产品中的风险等级低于预期风险等级的资产产品所对应的投资比重信息设置为较大的取值,并结合待推荐的资产产品的预测收益率信息,向用户推荐收益较大的投资比重信息。
可以理解的是,通过用户的预期风险等级,各待推荐的资产产品的风险等级以及预期收益率信息确定待推荐的资产产品的投资比重信息,可以提高所确定的资产投资策略信息的准确性,进而提高用户满意度。
一个示例中,步骤S405包括以下步骤:
步骤S405的第一步骤:响应于用户基于输入接口输入的多个不同的比重组合,基于处理器根据比重组合以及待推荐的资产产品的风险等级,确定比重组合下资产投资策略信息的投资风险信息,其中,比重组合中包括:待推荐的资产产品的投资比重信息。
示例性地,在确定待推荐的资产产品的投资比重信息时,若待推荐的资产产品为多个时,此时,获取用户通过输入接口输入的多个不同的比重组合。其中,每一比重组合中包括多个与待推荐的资产产品一一对应的投资比重信息。
在多个比重组合中,针对于每一比重组合,首先处理器可以根据各个待推荐的资产产品的风险等级以及该比重组合中的投资比重信息,确定出采用该比重组合进行投资时需要承受的投资风险信息。
举例来说,处理器可以将各投资比重信息作为与其对应的待推荐的资产产品的风险等级的权重,对各待推荐的资产产品的风险等级进行加权求和,进而将加权求和结果作为该比重组合下的投资风险信息,在进行加权求和时,处理器可以基于预设的加法电路确定求和结果。
步骤S405的第二步骤:基于处理器,调取第三比较器去确定投资风险信息小于用户的预期风险等级的比重组合为待处理的比重组合。
示例性地,在处理器确定出投资风险信息之后,处理器可以调取第三比较器比较多个不同的比重组合所对应的投资风险信息与用户的预期风险等级之间的大小,并且,处理器在获取到比较结果之后,可以将投资风险信息小于用户的预期风险等级的比重组合作为待处理的比重组合进行进一步处理。
步骤S405的第三步骤:基于处理器根据待处理的比重组合以及待推荐的资产产品的预测收益率信息,确定在待处理的比重组合下的投资收益率信息。
示例性地,在处理器确定出待处理的比重组合之后,针对每一待处理的比重组合,可以基于每一待推荐的资产产品的预测收益率信息进行加权求和处理,进而确定出该待处理的比重组合下所对应的投资收益率信息。
步骤S405的第四步骤:基于处理器,调取第四比较器去确定取值最大的收益率信息所对应的待处理的比重组合中的投资比重信息为待推荐的资产产品的投资比重信息。
示例性地,处理器可以通过调用第四比较器去比较不同的待处理的比重组合所对应的投资收益率信息,进而将比较结果返回处理器,以便处理器可以将投资收益率信息最大的待处理的比重组合中所包含的投资比重信息确定为待推荐的资产产品的投资比重信息。
可以理解的是,通过上述方法,不仅可以确定出符合用户预期风险等级资产投资策略信息,并且还可以进一步的确定出投资收益率信息最大的资产投资策略信息,以便提高用户的满意度。
S406、基于处理器确定待推荐的资产产品以及待推荐的资产产品的投资比重信息,为资产投资策略信息。
示例性地,在处理器确定出待推荐的资产产品以及待推荐的资产产品的投资比重信息,可以将待推荐的资产产品以及待推荐的资产产品的投资比重信息作为资产投资策略信息推送给用户。
S407、基于发送器向用户设备发送推荐资产投资策略信息。
示例性地,步骤S407的具体原理可以参见步骤S104,此处不再赘述。
本实施例中,通过用户的预期风险等级,各待推荐的资产产品的风险等级以及预期收益率信息确定待推荐的资产产品的投资比重信息,可以提高所确定的资产投资策略信息的准确性,并且还可以进一步的确定出投资收益率信息最大的资产投资策略信息,以便提高用户的满意度。
图5是根据本公开第四实施例的示意图。如图5所示,本公开实施例的资产投资策略信息的推荐装置500,包括:
获取单元501,用于响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;获取请求用于指示获取资产投资策略信息。
第一确定单元502,用于基于处理器根据待处理的资产产品的第一关联指标和第二关联指标,从待处理的资产产品中确定出待推荐的资产产品。
第二确定单元503,用于基于处理器确定资产投资策略信息,其中,资产投资策略信息中包括待推荐的资产产品和待推荐的资产产品的投资比重信息。
推送单元504,用于基于发送器向用户设备发送资产投资策略信息。
示例性地,本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图6是根据本公开第五实施例的示意图。如图6所示,本公开实施例的资产投资策略信息的推荐装置600,包括:
获取单元601,用于响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;获取请求用于指示获取资产投资策略信息。
第一确定单元602,用于基于处理器根据待处理的资产产品的第一关联指标和第二关联指标,从待处理的资产产品中确定出待推荐的资产产品。
第二确定单元603,用于基于处理器确定资产投资策略信息,其中,资产投资策略信息中包括待推荐的资产产品和待推荐的资产产品的投资比重信息。
推送单元604,用于基于发送器向用户设备发送资产投资策略信息。
一个示例中,第一确定单元602,包括:
第一确定模块6021,用于基于处理器根据待处理的资产产品的第一关联指标,确定待处理的资产产品的第一特征,其中,第一特征用于指示待处理的资产产品的收益上涨空间信息。
第二确定模块6022,用于基于处理器根据待处理的资产产品的第二关联指标,确定待处理的资产产品的第二特征,其中,第二特征用于指示待处理的资产产品的收益上涨支撑度。
第三确定模块6023,用于基于处理器根据待处理的资产产品的第一特征和第二特征,从待处理的资产产品中确定出待推荐的资产产品。
一个示例中,第一确定模块6021,包括:
第一获取子模块60211,用于基于处理器根据待处理的资产产品的第一关联指标,从存储器中的预设数据库中获取待处理的资产产品的第一取值组合和第一取值;其中,第一取值组合中包括至少一个第一历史取值,第一历史取值表征在历史时段下待处理的资产产品在第一关联指标上的取值;第一取值表征在当前时段下待处理的资产产品在第一关联指标上的取值;预设数据库用于指示出待处理的资产产品的第一取值组合和第一取值。
第一确定子模块60212,用于基于处理器根据待处理的资产产品的第一取值组合、第一取值以及预设的第一关联关系,确定待处理的资产产品的第一特征;其中,预设的第一关联关系表征第一关联指标与第一特征之间的关系。
一个示例中,第一确定子模块60212,具体用于:
基于处理器根据第一取值以及第一取值组合,调取第一比较器确定排序信息,排序信息用于指示第一取值组合中取值大于第一取值的第一历史取值的数量;
基于处理器确定第一数量,并根据排序信息以及第一数量调取除法器确定第一取值在第一取值组合中的分位数,并从存储器中的预设数据库中获取预设的第一关联关系;第一数量为第一取值组合中第一历史取值的数量;
基于处理器若确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为正相关关系,则确定分位数作为第一特征;
基于处理器确定预设的第一关联关系表征第一关联指标与第一特征的取值之间为负相关关系,则调用减法器对预设值与分位数进行求差处理,并确定得到的求差结果为第一特征。
一个示例中,第一获取子模块60211,具体用于:
基于处理器根据待处理的资产产品的产品类别和预设数据库中的预设对应关系,确定与第一关联指标对应的信息参数;其中,预设对应关系表征产品类别、第一关联指标和信息参数之间的对应关系;
基于处理器若确定与第一关联指标对应的信息参数为多个,则从存储器中的预设数据库中获取与第一关联指标对应的处理规则信息,处理规则信息表征信息参数之间的处理方式;并基于处理器,从存储器中的预设数据库中获取信息参数在历史时段内的第二历史取值,获取信息参数在当前时段内的第二取值;
基于处理器针对每一历史时段,根据处理规则信息,对信息参数在历史时段内的第二历史取值进行处理,得到第一取值组合中的第一历史取值;并根据处理规则信息,对信息参数在当前时段内的第二取值进行处理,得到第一取值
一个示例中,第一获取子模块60211,还具体用于:
基于处理器若确定与第一关联指标对应的信息参数为一个,则从存储器中的预设数据库中获取信息参数在历史时段内的第二历史取值,获取信息参数在当前时段内的第二取值;基于处理器确定第二历史取值为第一取值组合中的第一历史取值;基于处理器确定第二取值为第一取值。
一个示例中,第二确定模块6022,包括:
第二获取子模块60221,用于基于处理器根据预设数据库以及待处理的资产产品的第二关联指标,从存储器中的预设数据库中获取待处理的资产产品的第二取值组合和第三取值;其中,第二取值组合中包括至少一个第三历史取值,第三历史取值表征在历史时段下待处理的资产产品在第二关联指标上的取值;第三取值表征在当前时段下待处理的资产产品在第二关联指标上的取值;预设数据库用于指示出待处理的资产产品的第二取值组合和第三取值。
第三获取子模块60222,用于基于处理器,从存储器中的预设数据库获取待处理的资产产品的第四取值和第三取值组合;其中,第三取值组合中包括至少一个第四历史取值,第四历史取值表征在历史时段下待处理的资产产品的收益率信息的取值;第四取值表征在当前时段下待处理的资产产品的收益率信息的取值。
第二确定子模块60223,基于处理器根据待处理的资产产品的第二取值组合、第三取值、第三取值组合以及第四取值,确定待处理的资产产品的第二特征。
一个示例中,第二确定子模块60223,具体用于:
基于处理器调取预设的预测模型,其中,预设的预测模型用于根据待处理的资产产品的第二关联指标预测待处理的资产产品的收益率信息;
基于处理器根据待处理的资产产品的第四取值和第二取值组合,对预设的预测模型中与第二关联指标所对应的回归系数进行更新,得到更新后的预测模型;
基于处理器将待处理的资产产品的第三取值输入至更新后的预测模型,得到待处理的资产产品的预测收益率信息;预测收益率信息为待处理的资产产品在当前时段的后一时段的收益率信息;
基于处理器确定待处理的资产产品的预测收益率信息在第三取值组合中的分位数,为待处理的资产产品的第二特征。
一个示例中,第三确定模块6023,包括:
第三确定子模块60231,用于基于处理器根据待处理的资产产品的第一特征和第二特征,确定待处理的资产产品的上涨参数;上涨参数用于指示待处理的资产产品的收益上涨的可能性。
第四确定子模块60232,用于基于处理器,调取第二比较器去确定上涨参数大于预设阈值的待处理的资产产品为待推荐的资产产品。
一个示例中,第二确定单元603,包括:
获取模块6031,用于响应于用户的触发操作,从用户设备中获取用户信息;
第四确定模块6032,用于基于处理器根据用户信息确定预期风险等级,其中,预期风险等级表征用户可承受的风险的等级。
第五确定模块6033,用于基于处理器确定待推荐的资产产品的风险等级和预测收益率信息;其中,待推荐的资产产品的风险等级用于指示待推荐的资产产品的收益率信息的波动程度;预测收益率信息为待处理的资产产品在当前时段的后一时段的收益率信息。
第六确定模块6034,用于基于处理器根据待推荐的资产产品的风险等级、预测收益率信息和用户的预期风险等级,确定待推荐的资产产品的投资比重信息;
第七确定模块6035,用于基于处理器确定待推荐的资产产品以及待推荐的资产产品的投资比重信息,为资产投资策略信息。
一个示例中,第六确定模块6034,包括:
第五确定子模块,用于响应于用户基于输入接口输入的多个不同的比重组合,基于处理器根据比重组合以及待推荐的资产产品的风险等级,确定比重组合下资产投资策略信息的投资风险信息;其中,比重组合中包括:待推荐的资产产品的投资比重信息。
第六确定子模块,用于基于处理器,调取第三比较器去确定投资风险信息小于用户的预期风险等级的比重组合为待处理的比重组合。
第七确定子模块,用于基于处理器根据待处理的比重组合以及待推荐的资产产品的预测收益率信息,确定在待处理的比重组合下的投资收益率信息。
第八确定子模块,用于基于处理器,调取第四比较器去确定取值最大的收益率信息所对应的待处理的比重组合中的投资比重信息为待推荐的资产产品的投资比重信息。
示例性地,本实施例的装置,可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
图7是根据本公开第六实施例的示意图,如图7所示,本公开中的电子设备700可以包括:处理器701和存储器702。
存储器702,用于存储程序;存储器702,可以包括易失性存储器(英文:volatilememory),例如随机存取存储器(英文:random-access memory,缩写:RAM),如静态随机存取存储器(英文:static random-access memory,缩写:SRAM),双倍数据率同步动态随机存取存储器(英文:Double Data Rate Synchronous Dynamic Random Access Memory,缩写:DDR SDRAM)等;存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory)。存储器702用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等,上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器702中。并且上述的计算机程序、计算机指令、数据等可以被处理器701调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器702中。并且上述的计算机程序、计算机指据等可以被处理器701调用。
处理器701,用于执行存储器702存储的计算机程序,以实现上述实施例涉及的方法中的各个步骤。
具体可以参见前面方法实施例中的相关描述。
处理器701和存储器702可以是独立结构,也可以是集成在一起的集成结构。当处理器701和存储器702是独立结构时,存储器702、处理器701可以通过总线703耦合连接。
本实施例的电子设备可以执行上述方法中的技术方案,其具体实现过程和技术原理相同,此处不再赘述。
根据本公开的实施例,本公开还提供了一种计算机程序产品,计算机程序产品包括:计算机程序,计算机程序存储在可读存储介质中,电子设备的至少一个处理器可以从可读存储介质读取计算机程序,至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如资产投资策略信息的推荐方法。例如,在一些实施例中,资产投资策略信息的推荐方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的资产投资策略信息的推荐方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行资产投资策略信息的推荐方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (25)
1.一种资产投资策略信息的推荐方法,包括:
响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,所述产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,所述第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,所述第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;所述获取请求用于指示获取资产投资策略信息;
基于处理器根据所述待处理的资产产品的第一关联指标和第二关联指标,从所述待处理的资产产品中确定出待推荐的资产产品,并确定资产投资策略信息,其中,所述资产投资策略信息中包括所述待推荐的资产产品和所述待推荐的资产产品的投资比重信息;
基于发送器向用户设备发送所述资产投资策略信息。
2.根据权利要求1所述的方法,基于处理器根据所述待处理的资产产品的第一关联指标和第二关联指标,从所述待处理的资产产品中确定出待推荐的资产产品,包括:
基于所述处理器根据所述待处理的资产产品的第一关联指标,确定所述待处理的资产产品的第一特征,其中,所述第一特征用于指示待处理的资产产品的收益上涨空间信息;并基于所述处理器根据所述待处理的资产产品的第二关联指标,确定所述待处理的资产产品的第二特征,其中,所述第二特征用于指示待处理的资产产品的收益上涨支撑度;
基于所述处理器根据所述待处理的资产产品的第一特征和第二特征,从所述待处理的资产产品中确定出待推荐的资产产品。
3.根据权利要求2所述的方法,基于所述处理器根据所述待处理的资产产品的第一关联指标,确定所述待处理的资产产品的第一特征,包括:
基于所述处理器根据所述待处理的资产产品的第一关联指标,从所述存储器中的预设数据库中获取所述待处理的资产产品的第一取值组合和第一取值;其中,所述第一取值组合中包括至少一个第一历史取值,所述第一历史取值表征在历史时段下所述待处理的资产产品在第一关联指标上的取值;所述第一取值表征在当前时段下所述待处理的资产产品在第一关联指标上的取值;所述预设数据库用于指示出待处理的资产产品的第一取值组合和第一取值;
基于所述处理器根据所述待处理的资产产品的第一取值组合、第一取值以及预设的第一关联关系,确定所述待处理的资产产品的第一特征;其中,所述预设的第一关联关系表征第一关联指标与第一特征之间的关系。
4.根据权利要求3所述的方法,基于所述处理器根据所述待处理的资产产品的第一取值组合、第一取值以及预设的第一关联关系,确定所述待处理的资产产品的第一特征,包括:
基于所述处理器根据所述第一取值以及所述第一取值组合,调取第一比较器确定排序信息,所述排序信息用于指示所述第一取值组合中取值大于所述第一取值的第一历史取值的数量;
基于所述处理器确定第一数量,并根据所述排序信息以及所述第一数量调取除法器确定所述第一取值在所述第一取值组合中的分位数,并从所述存储器中的预设数据库中获取所述预设的第一关联关系;所述第一数量为所述第一取值组合中第一历史取值的数量;
基于所述处理器若确定所述预设的第一关联关系表征第一关联指标与第一特征的取值之间为正相关关系,则确定所述分位数作为所述第一特征;
基于所述处理器确定所述预设的第一关联关系表征第一关联指标与第一特征的取值之间为负相关关系,则调用减法器对预设值与所述分位数进行求差处理,并确定得到的求差结果为所述第一特征。
5.根据权利要求3所述的方法,基于所述处理器根据所述待处理的资产产品的第一关联指标,从所述存储器中的预设数据库中获取所述待处理的资产产品的第一取值组合和第一取值,包括:
基于所述处理器根据所述待处理的资产产品的产品类别和所述预设数据库中的预设对应关系,确定与所述第一关联指标对应的信息参数;其中,所述预设对应关系表征产品类别、第一关联指标和信息参数之间的对应关系;
基于所述处理器若确定与所述第一关联指标对应的信息参数为多个,则从所述存储器中的预设数据库中获取与所述第一关联指标对应的处理规则信息,所述处理规则信息表征信息参数之间的处理方式;并基于所述处理器,从所述存储器中的预设数据库中获取所述信息参数在所述历史时段内的第二历史取值,获取所述信息参数在所述当前时段内的第二取值;
基于所述处理器针对每一所述历史时段,根据所述处理规则信息,对所述信息参数在所述历史时段内的第二历史取值进行处理,得到所述第一取值组合中的第一历史取值;并根据所述处理规则信息,对所述信息参数在所述当前时段内的第二取值进行处理,得到所述第一取值。
6.根据权利要求5所述的方法,还包括:
基于所述处理器若确定与所述第一关联指标对应的信息参数为一个,则从所述存储器中的预设数据库中获取所述信息参数在所述历史时段内的第二历史取值,获取所述信息参数在所述当前时段内的第二取值;
基于所述处理器确定所述第二历史取值为所述第一取值组合中的第一历史取值;
基于所述处理器确定所述第二取值为所述第一取值。
7.根据权利要求2-6中任一项所述的方法,基于所述处理器根据所述待处理的资产产品的第二关联指标,确定所述待处理的资产产品的第二特征,包括:
基于所述处理器根据所述待处理的资产产品的第二关联指标,从存储器中的预设数据库中获取所述待处理的资产产品的第二取值组合和第三取值;其中,所述第二取值组合中包括至少一个第三历史取值,所述第三历史取值表征在历史时段下所述待处理的资产产品在第二关联指标上的取值;所述第三取值表征在当前时段下所述待处理的资产产品在第二关联指标上的取值;所述预设数据库用于指示出待处理的资产产品的第二取值组合和第三取值;
基于所述处理器,从存储器中的预设数据库中获取所述待处理的资产产品的第四取值和第三取值组合;其中,所述第三取值组合中包括至少一个第四历史取值,所述第四历史取值表征在历史时段下所述待处理的资产产品的收益率信息的取值;所述第四取值表征在所述当前时段下所述待处理的资产产品的收益率信息的取值;
基于所述处理器根据所述待处理的资产产品的第二取值组合、第三取值、第三取值组合以及第四取值,确定所述待处理的资产产品的第二特征。
8.根据权利要求7所述的方法,基于所述处理器根据所述待处理的资产产品的第二取值组合、第三取值、第三取值组合以及第四取值,确定所述待处理的资产产品的第二特征,包括:
基于所述处理器调取预设的预测模型,其中,预设的预测模型用于根据所述待处理的资产产品的第二关联指标预测所述待处理的资产产品的收益率信息;
基于所述处理器根据所述待处理的资产产品的第四取值和第二取值组合,对所述预设的预测模型中与所述第二关联指标所对应的回归系数进行更新,得到更新后的预测模型;
基于所述处理器将所述待处理的资产产品的第三取值输入至所述更新后的预测模型,得到所述待处理的资产产品的预测收益率信息;所述预测收益率信息为所述待处理的资产产品在当前时段的后一时段的收益率信息;
基于所述处理器确定所述待处理的资产产品的预测收益率信息在所述第三取值组合中的分位数,为所述待处理的资产产品的第二特征。
9.根据权利要求2-8中任一项所述的方法,基于所述处理器根据所述待处理的资产产品的第一特征和第二特征,从所述待处理的资产产品中确定出待推荐的资产产品,包括:
基于所述处理器根据待处理的资产产品的第一特征和第二特征,确定所述待处理的资产产品的上涨参数;所述上涨参数用于指示所述待处理的资产产品的收益上涨的可能性;
基于所述处理器,调取第二比较器去确定上涨参数大于预设阈值的待处理的资产产品为待推荐的资产产品。
10.根据权利要求1-9中任一项所述的方法,确定资产投资策略信息,包括:
响应于用户的触发操作,从所述用户设备中获取用户信息,并基于所述处理器根据所述用户信息确定预期风险等级,其中,所述预期风险等级表征用户可承受的风险的等级;
基于所述处理器确定所述待推荐的资产产品的风险等级和预测收益率信息;其中,所述待推荐的资产产品的风险等级用于指示所述待推荐的资产产品的收益率信息的波动程度;所述预测收益率信息为所述待处理的资产产品在当前时段的后一时段的收益率信息;
基于所述处理器根据所述待推荐的资产产品的风险等级、预测收益率信息和所述用户的预期风险等级,确定所述待推荐的资产产品的投资比重信息;
基于所述处理器确定所述待推荐的资产产品以及所述待推荐的资产产品的投资比重信息,为所述资产投资策略信息。
11.根据权利要求10所述的方法,基于所述处理器根据所述待推荐的资产产品的风险等级、预测收益率信息和所述用户的预期风险等级,确定所述待推荐的资产产品的投资比重信息,包括:
响应于用户基于输入接口输入的多个不同的比重组合,基于所述处理器根据所述比重组合以及所述待推荐的资产产品的风险等级,确定所述比重组合下所述资产投资策略信息的投资风险信息;其中,所述比重组合中包括:所述待推荐的资产产品的投资比重信息;
基于所述处理器,调取第三比较器去确定投资风险信息小于所述用户的预期风险等级的比重组合为待处理的比重组合;
基于所述处理器根据所述待处理的比重组合以及所述待推荐的资产产品的预测收益率信息,确定在所述待处理的比重组合下的投资收益率信息;
基于所述处理器,调取第四比较器去确定取值最大的收益率信息所对应的待处理的比重组合中的投资比重信息为所述待推荐的资产产品的投资比重信息。
12.一种资产投资策略信息的推荐装置,包括:
获取单元,用于响应于用户基于输入接口输入的获取请求,在存储器中的预设数据库中获取待处理的资产产品的产品信息,其中,所述产品信息中包括待处理的资产产品的第一关联指标和第二关联指标,所述第一关联指标为与待处理的资产产品的收益上涨空间信息具有关联关系的指标,所述第二关联指标为与待处理的资产产品的收益上涨支撑度具有关联关系的指标;所述获取请求用于指示获取资产投资策略信息;
第一确定单元,用于基于处理器根据所述待处理的资产产品的第一关联指标和第二关联指标,从所述待处理的资产产品中确定出待推荐的资产产品;
第二确定单元,用于基于处理器确定资产投资策略信息,其中,所述资产投资策略信息中包括所述待推荐的资产产品和所述待推荐的资产产品的投资比重信息;
推送单元,用于基于发送器向用户设备发送所述资产投资策略信息。
13.根据权利要求12所述的装置,第一确定单元,包括:
第一确定模块,用于基于所述处理器根据所述待处理的资产产品的第一关联指标,确定所述待处理的资产产品的第一特征,其中,所述第一特征用于指示待处理的资产产品的收益上涨空间信息;
第二确定模块,用于基于所述处理器根据所述待处理的资产产品的第二关联指标,确定所述待处理的资产产品的第二特征,其中,所述第二特征用于指示待处理的资产产品的收益上涨支撑度;
第三确定模块,用于基于所述处理器根据所述待处理的资产产品的第一特征和第二特征,从所述待处理的资产产品中确定出待推荐的资产产品。
14.根据权利要求13所述的装置,第一确定模块,包括:
第一获取子模块,用于基于所述处理器根据所述待处理的资产产品的第一关联指标,从所述存储器中的预设数据库中获取所述待处理的资产产品的第一取值组合和第一取值;其中,所述第一取值组合中包括至少一个第一历史取值,所述第一历史取值表征在历史时段下所述待处理的资产产品在第一关联指标上的取值;所述第一取值表征在当前时段下所述待处理的资产产品在第一关联指标上的取值;所述预设数据库用于指示出待处理的资产产品的第一取值组合和第一取值;
第一确定子模块,用于基于所述处理器根据所述待处理的资产产品的第一取值组合、第一取值以及预设的第一关联关系,确定所述待处理的资产产品的第一特征;其中,所述预设的第一关联关系表征第一关联指标与第一特征之间的关系。
15.根据权利要求14所述的装置,第一确定子模块,具体用于:
基于所述处理器根据所述第一取值以及所述第一取值组合,调取第一比较器确定排序信息,所述排序信息用于指示所述第一取值组合中取值大于所述第一取值的第一历史取值的数量;
基于所述处理器确定第一数量,并根据所述排序信息以及所述第一数量调取除法器确定所述第一取值在所述第一取值组合中的分位数,并从所述存储器中的预设数据库中获取所述预设的第一关联关系;所述第一数量为所述第一取值组合中第一历史取值的数量;
基于所述处理器若确定所述预设的第一关联关系表征第一关联指标与第一特征的取值之间为正相关关系,则确定所述分位数作为所述第一特征;
基于所述处理器确定所述预设的第一关联关系表征第一关联指标与第一特征的取值之间为负相关关系,则调用减法器对预设值与所述分位数进行求差处理,并确定得到的求差结果为所述第一特征。
16.根据权利要求14所述的装置,第一获取子模块,具体用于:
基于所述处理器根据所述待处理的资产产品的产品类别和所述预设数据库中的预设对应关系,确定与所述第一关联指标对应的信息参数;其中,所述预设对应关系表征产品类别、第一关联指标和信息参数之间的对应关系;
基于所述处理器若确定与所述第一关联指标对应的信息参数为多个,则从所述存储器中的预设数据库中获取与所述第一关联指标对应的处理规则信息,所述处理规则信息表征信息参数之间的处理方式;并基于所述处理器,从所述存储器中的预设数据库中获取所述信息参数在所述历史时段内的第二历史取值,获取所述信息参数在所述当前时段内的第二取值;
基于所述处理器针对每一所述历史时段,根据所述处理规则信息,对所述信息参数在所述历史时段内的第二历史取值进行处理,得到所述第一取值组合中的第一历史取值;并根据所述处理规则信息,对所述信息参数在所述当前时段内的第二取值进行处理,得到所述第一取值。
17.根据权利要求16所述的装置,第一获取子模块,还具体用于:
基于所述处理器若确定与所述第一关联指标对应的信息参数为一个,则从所述存储器中的预设数据库中获取所述信息参数在所述历史时段内的第二历史取值,获取所述信息参数在所述当前时段内的第二取值;
基于所述处理器确定所述第二历史取值为所述第一取值组合中的第一历史取值;
基于所述处理器确定所述第二取值为所述第一取值。
18.根据权利要求13-17中任一项所述的装置,第二确定模块,包括:
第二获取子模块,用于基于所述处理器根据所述待处理的资产产品的第二关联指标,从存储器中的预设数据库中获取所述待处理的资产产品的第二取值组合和第三取值;其中,所述第二取值组合中包括至少一个第三历史取值,所述第三历史取值表征在历史时段下所述待处理的资产产品在第二关联指标上的取值;所述第三取值表征在当前时段下所述待处理的资产产品在第二关联指标上的取值;所述预设数据库用于指示出待处理的资产产品的第二取值组合和第三取值;
第三获取子模块,用于基于所述处理器,从存储器中的预设数据库获取所述待处理的资产产品的第四取值和第三取值组合;其中,所述第三取值组合中包括至少一个第四历史取值,所述第四历史取值表征在历史时段下所述待处理的资产产品的收益率信息的取值;所述第四取值表征在所述当前时段下所述待处理的资产产品的收益率信息的取值;
第二确定子模块,基于所述处理器根据所述待处理的资产产品的第二取值组合、第三取值、第三取值组合以及第四取值,确定所述待处理的资产产品的第二特征。
19.根据权利要求18所述的装置,第二确定子模块,具体用于:
基于所述处理器调取预设的预测模型,其中,预设的预测模型用于根据所述待处理的资产产品的第二关联指标预测所述待处理的资产产品的收益率信息;
基于所述处理器根据所述待处理的资产产品的第四取值和第二取值组合,对所述预设的预测模型中与所述第二关联指标所对应的回归系数进行更新,得到更新后的预测模型;
基于所述处理器将所述待处理的资产产品的第三取值输入至所述更新后的预测模型,得到所述待处理的资产产品的预测收益率信息;所述预测收益率信息为所述待处理的资产产品在当前时段的后一时段的收益率信息;
基于所述处理器确定所述待处理的资产产品的预测收益率信息在所述第三取值组合中的分位数,为所述待处理的资产产品的第二特征。
20.根据权利要求13-19中任一项所述的装置,第三确定模块,包括:
第三确定子模块,用于基于所述处理器根据待处理的资产产品的第一特征和第二特征,确定所述待处理的资产产品的上涨参数;所述上涨参数用于指示所述待处理的资产产品的收益上涨的可能性;
第四确定子模块,用于基于所述处理器,调取第二比较器去确定上涨参数大于预设阈值的待处理的资产产品为待推荐的资产产品。
21.根据权利要求12-20中任一项所述的装置,第二确定单元,包括:
获取模块,用于响应于用户的触发操作,从所述用户设备中获取用户信息;
第四确定模块,用于基于所述处理器根据所述用户信息确定预期风险等级,其中,所述预期风险等级表征用户可承受的风险的等级;
第五确定模块,用于基于所述处理器确定所述待推荐的资产产品的风险等级和预测收益率信息;其中,所述待推荐的资产产品的风险等级用于指示所述待推荐的资产产品的收益率信息的波动程度;所述预测收益率信息为所述待处理的资产产品的在当前时段后一时段的收益率信息;
第六确定模块,用于基于所述处理器根据所述待推荐的资产产品的风险等级、预测收益率信息和所述用户的预期风险等级,确定所述待推荐的资产产品的投资比重信息;
第七确定模块,用于基于所述处理器确定所述待推荐的资产产品以及所述待推荐的资产产品的投资比重信息,为所述资产投资策略信息。
22.根据权利要求21所述的装置,第六确定模块,包括:
第五确定子模块,用于响应于用户基于输入接口输入的多个不同的比重组合,基于所述处理器根据所述比重组合以及所述待推荐的资产产品的风险等级,确定所述比重组合下所述资产投资策略信息的投资风险信息;其中,所述比重组合中包括:所述待推荐的资产产品的投资比重信息;
第六确定子模块,用于基于所述处理器,调取第三比较器去确定投资风险信息小于所述用户的预期风险等级的比重组合为待处理的比重组合;
第七确定子模块,用于基于所述处理器根据所述待处理的比重组合以及所述待推荐的资产产品的预测收益率信息,确定在所述待处理的比重组合下的投资收益率信息;
第八确定子模块,用于基于所述处理器,调取第四比较器去确定取值最大的收益率信息所对应的待处理的比重组合中的投资比重信息为所述待推荐的资产产品的投资比重信息。
23.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现权利要求1-11中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208464.2A CN115482116A (zh) | 2022-09-30 | 2022-09-30 | 资产投资策略信息的推荐方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211208464.2A CN115482116A (zh) | 2022-09-30 | 2022-09-30 | 资产投资策略信息的推荐方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115482116A true CN115482116A (zh) | 2022-12-16 |
Family
ID=84394944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211208464.2A Pending CN115482116A (zh) | 2022-09-30 | 2022-09-30 | 资产投资策略信息的推荐方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115482116A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320015A (zh) * | 2023-03-28 | 2023-06-23 | 上海数禾信息科技有限公司 | 数据请求处理方法、装置、计算机设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100042553A1 (en) * | 2008-08-18 | 2010-02-18 | Julian Van Erlach | Asset analysis according to the required yield method |
CN109670896A (zh) * | 2018-09-28 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 投资产品推荐方法、装置、设备及存储介质 |
CN109858957A (zh) * | 2019-01-17 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、计算机设备及存储介质 |
CN113781238A (zh) * | 2021-09-09 | 2021-12-10 | 上海浦东发展银行股份有限公司 | 一种基金组合推荐方法、装置、设备及存储介质 |
CN113962567A (zh) * | 2021-10-26 | 2022-01-21 | 北京百度网讯科技有限公司 | 一种信息推荐方法、装置、电子设备和存储介质 |
CN114723568A (zh) * | 2022-03-29 | 2022-07-08 | 中国银行股份有限公司 | 理财产品的推荐方法、装置、服务器、介质及产品 |
CN114782201A (zh) * | 2022-04-19 | 2022-07-22 | 中国工商银行股份有限公司 | 股票推荐方法、装置、计算机设备和存储介质 |
CN114780859A (zh) * | 2022-05-25 | 2022-07-22 | 平安银行股份有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
-
2022
- 2022-09-30 CN CN202211208464.2A patent/CN115482116A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100042553A1 (en) * | 2008-08-18 | 2010-02-18 | Julian Van Erlach | Asset analysis according to the required yield method |
CN109670896A (zh) * | 2018-09-28 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 投资产品推荐方法、装置、设备及存储介质 |
CN109858957A (zh) * | 2019-01-17 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 理财产品推荐方法、装置、计算机设备及存储介质 |
CN113781238A (zh) * | 2021-09-09 | 2021-12-10 | 上海浦东发展银行股份有限公司 | 一种基金组合推荐方法、装置、设备及存储介质 |
CN113962567A (zh) * | 2021-10-26 | 2022-01-21 | 北京百度网讯科技有限公司 | 一种信息推荐方法、装置、电子设备和存储介质 |
CN114723568A (zh) * | 2022-03-29 | 2022-07-08 | 中国银行股份有限公司 | 理财产品的推荐方法、装置、服务器、介质及产品 |
CN114782201A (zh) * | 2022-04-19 | 2022-07-22 | 中国工商银行股份有限公司 | 股票推荐方法、装置、计算机设备和存储介质 |
CN114780859A (zh) * | 2022-05-25 | 2022-07-22 | 平安银行股份有限公司 | 信息推荐方法、装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320015A (zh) * | 2023-03-28 | 2023-06-23 | 上海数禾信息科技有限公司 | 数据请求处理方法、装置、计算机设备和存储介质 |
CN116320015B (zh) * | 2023-03-28 | 2023-11-03 | 上海数禾信息科技有限公司 | 数据请求处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115482116A (zh) | 资产投资策略信息的推荐方法、装置、设备及介质 | |
CN114742237A (zh) | 联邦学习模型聚合方法、装置、电子设备及可读存储介质 | |
CN113962567A (zh) | 一种信息推荐方法、装置、电子设备和存储介质 | |
CN113052063A (zh) | 置信度阈值选择方法、装置、设备以及存储介质 | |
CN115795146A (zh) | 待推荐资源的确定方法、装置、设备及存储介质 | |
CN115827994A (zh) | 一种数据处理方法、装置、设备、存储介质 | |
CN114999665A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN113010782A (zh) | 需求量获取方法、装置、电子设备以及计算机可读介质 | |
CN115526403A (zh) | 一种金融数据的预测方法、系统、设备、存储介质及产品 | |
CN115242626B (zh) | 云资源配置预估方法、装置、设备、存储介质及程序产品 | |
CN117573983A (zh) | 一种融资方案的推荐方法、装置、电子设备及存储介质 | |
CN113761379B (zh) | 商品推荐方法及装置、电子设备和介质 | |
CN113313195B (zh) | 标注任务处理方法、装置、设备、存储介质及程序产品 | |
CN116957578A (zh) | 一种限额设置方法、装置、存储介质、电子设备及产品 | |
CN114781480A (zh) | 目标对象的评价方法、评价模型训练方法及装置 | |
CN116167846A (zh) | 校准方法、装置、电子设备及计算机可读存储介质 | |
EP4187476A1 (en) | Method and apparatus of treating asset, electronic device and storage medium | |
CN114638505A (zh) | 一种授信能力确定方法、装置、设备、介质及产品 | |
CN115860916A (zh) | 一种风险预测方法、装置、电子设备和存储介质 | |
CN116308798A (zh) | 一种股票指标绘制方法、装置、设备及存储介质 | |
CN117591567A (zh) | 一种资产信息分析方法及装置 | |
CN117690230A (zh) | 金融自助设备加钞预测方法、装置及电子设备 | |
CN116663905A (zh) | 金融风险的预测方法、装置、设备、存储介质及程序产品 | |
CN117237070A (zh) | 一种资源分配策略的评价方法、装置、设备及介质 | |
CN116258594A (zh) | 债券发行体违约风险确定方法、装置、设备、介质及产品 |
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 |