CN117591567A - 一种资产信息分析方法及装置 - Google Patents

一种资产信息分析方法及装置 Download PDF

Info

Publication number
CN117591567A
CN117591567A CN202311589527.8A CN202311589527A CN117591567A CN 117591567 A CN117591567 A CN 117591567A CN 202311589527 A CN202311589527 A CN 202311589527A CN 117591567 A CN117591567 A CN 117591567A
Authority
CN
China
Prior art keywords
data
risk
asset
type
determining
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
CN202311589527.8A
Other languages
English (en)
Inventor
胡琳
邝树华
王智安
邝嘉升
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202311589527.8A priority Critical patent/CN117591567A/zh
Publication of CN117591567A publication Critical patent/CN117591567A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • 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)
  • Theoretical Computer Science (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computational Linguistics (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请提供了一种资产信息分析方法及装置，属于数据分析技术领域，也可用于金融领域，包括：获取当前市场参数和用户的实际资产信息，其中，当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；根据当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；根据第一风险预数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；根据理论资产信息及实际资产信息，生成资产信息的分析结果。本申请能够为客户进行更细粒度的资产诊断分析，从而为降低客户的资产配置风险。

Description

一种资产信息分析方法及装置
技术领域
本申请属于数据分析技术领域，也可用于金融领域，具体地讲，涉及一种资产信息分析方法及装置。
背景技术
资产配置指的是将投资组合中的资金分配到不同的资产类别中，以实现风险分散和收益最大化的目标，其中，不同的资产类别包括不同的产品，通过在不同的资产类别之间分散投资，可以降低整个投资组合的风险。在向客户进行产品推荐前，一般从客户的年龄、风险等级以及当前市场的投资指数等对客户进行资产分析，并基于资产分析结果向客户推荐产品，实现客户的资产配置。
然而，目前的资产分析方式属于粗粒度的分析，其分析结果较粗糙且存在准确性低的缺点，由此，导致客户的资产配置存在风险。
发明内容
针对现有技术中存在的问题，本申请提供一种资产信息分析方法及装置，能够为客户进行更细粒度的资产信息分析，从而提供更合理的资产配置方案，降低资产配置的风险。
根据本申请的第一个方面，提供了一种资产信息分析方法，该方法包括：
获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
根据所述第一风险预数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
在本实施例的一些可选方式中，所述根据所述当前市场参数，确定用户的第一风险数据和第二风险预数据，包括：
根据所述市场预测数据，确定用户的目标风险偏好数据；
根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，其中，所述第一风险数据与所述第二风险数据的和为1。
在本实施例的一些可选方式中，所述根据所述市场预测数据，确定用户的目标风险偏好数据，包括：
根据用户的历史资产信息，确定用户的初始风险偏好数据，其中，所述初始风险偏好数据大于1且小于5；
响应于确定所述市场预测数据为第一预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始+1；
响应于确定所述市场预测数据为第二预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始-1；
其中，所述CPR目标为所述目标风险偏好数据，所述CPR初始为所述初始风险偏好数据。
在本实施例的一些可选方式中，所述根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，包括：
响应于确定所述目标风险偏好数据大于等于预设风险偏好数据阈值，所述第一风险数据满足：
响应于确定所述目标风险偏好数据小于所述预设风险偏好数据阈值，所述第一风险数据满足：
根据所述第一风险数据，确定所述第二风险数据，其中，所述第二风险数据满足：Riskbudget2＝1-Riskbudget1，其中，所述Riskbudget1为所述第一风险数据，所述Riskbudget2为所述第二风险数据，所述CPR预设为所述预设风险偏好数据阈值。
在本实施例的一些可选方式中，所述根据所述当前市场参数，确定资产组合波动标准差，包括：
确定所述用户的第一类资产预设持有数据和第二类资产预设持有数据；
根据所述第一市场波动数据、所述第二市场波动数据、所述市场波动协方差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定资产组合波动标准差，其中，所述资产组合波动标准差满足：
其中，所述B为所述资产组合波动标准差，所述W1为所述第一类资产预设持有数据，且0＜W1＜1，所述W2为所述第二类资产预设持有数据，且0＜W2＜1，W1和W2的和为1，所述Q1为所述第一市场波动数据，所述Q2为所述第二市场波动数据，所述C为所述市场波动协方差。
在本实施例的一些可选方式中，所述根据所述当前市场参数，确定第一类风险点贡献数据以及第二类风险点贡献数据，包括：
根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据；
根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据。
在本实施例的一些可选方式中，所述根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据，包括：
根据所述资产组合波动标准差和所述第一类资产预设持有数据，确定所述用户的第一类边际风险贡献数据，其中，所述第一类边际风险贡献数据满足：
根据所述资产组合波动标准差和所述第二类资产预设持有数据，确定所述用户的第二类边际风险贡献数据，其中，所述第二类边际风险贡献数据满足：
其中，所述MRC1为所述第一类边际风险贡献数据，所述MRC2为所述第二类边际风险贡献数据，代表求偏导。
在本实施例的一些可选方式中，所述根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据，包括：
根据所述第一类资产预设持有数据和所述第一类边际风险贡献数据，确定所述第一类风险点贡献数据，其中，所述第一类风险点贡献数据满足：
根据所述第二类资产预设持有数据和所述第二类边际风险贡献数据，确定所述第二类风险点贡献数据，其中，所述第二类风险点贡献数据满足：
其中，所述TRC1为所述第一类风险点贡献数据，所述TRC2为所述第二类风险点贡献数据。
在本实施例的一些可选方式中，所述根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息，包括：
根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定风险偏离数据，其中，所述风险偏离数据满足：
基于非线性规划算法，从所述第一类预设持有数据和所述第二类预设持有数据中，确定使得所述风险偏离数据为最小值的第一类资产理论持有数据和第二类资产理论持有数据；
根据所述第一类资产理论持有数据和所述第二类资产理论持有数据，确定所述理论资产信息。
在本实施例的一些可选方式中，所述根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果，包括：
确定所述理论资产信息与所述实际资产信息之间的差值；
响应于确定所述差值小于等于预设差值阈值，生成资产信息的第一分析结果，其中，所述第一分析结果用于指示所述实际资产信息合理；
响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果，其中，所述第二分析结果用于指示所述实际资产信息不合理；
其中，在所述响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果之后，所述方法还包括：
根据所述理论资产信息和所述实际资产信息，生成目标资产信息。
在本实施例的一些可选方式中，所述实际资产信息包括第一类资产实际持有数据，所述根据所述理论资产信息和所述实际资产信息，生成目标资产信息，包括：
响应于确定所述第一类资产实际持有数据小于所述第一类资产理论持有数据的第一预设比例，增加第一类资产的数量，减少第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有比数据；
响应于确定所述第一类资产实际持有数据大于所述第一类资产理论持有数据的第二预设比例，减少第一类资产的数量，增加第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
在本实施例的一些可选方式中，所述实际资产信息包括第二类资产实际持有数据，所述根据所述理论资产信息和所述实际资产信息，生成目标资产信息，包括：
响应于确定所述第二类资产实际持有数据小于所述第二类资产理论持有数据的第一预设比例，增加第二类资产的数量，减少第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
响应于确定所述第二类资产实际持有数据大于所述第二类资产理论持有数据的第二预设比例，减少第二类资产的数量，增加第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
根据本申请的第二个方面，还提供了一种资产信息分析装置，该装置包括：
获取模块，被配置为获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
风险信息确定模块，被配置为根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
理论资产信息确定模块，被配置为根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
分析结果生成模块，被配置为根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
根据本申请的第三个方面，还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述一种资产信息分析方法的步骤。
根据本申请的第四个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述一种资产信息分析方法的步骤。
本申请提供的一种资产信息分析方法及装置，能够进行更细粒度的资产诊断分析，并基于资产信息的分析结果为客户推荐更适合的产品，一方面，能够提高产品的推荐成功率，另一方面，还能够提供更合理的资产配置方案，从而降低资产配置的风险以及提高客户的盈利能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为根据本申请实施例的一种资产信息分析方法的流程图之一；
图2为根据本申请实施例的一种资产信息分析方法的流程图之二；
图3为根据本申请实施例的一种资产信息分析方法的流程图之三；
图4为根据本申请实施例的一种资产信息分析方法的流程图之四；
图5为根据本申请实施例的一种资产信息分析方法的流程图之五；
图6为根据本申请实施例的一种资产信息分析方法的流程图之六；
图7为根据本申请实施例的一种资产信息分析方法的流程图之七；
图8为根据本申请实施例的一种资产信息分析装置的结构示意图；
图9为用来实现本申请实施例的一种资产信息分析方法的电子设备的框图。
具体实施方式
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。
本申请的一个实施例提供了一种资产信息分析方法，如图1所示，该方法包括：
步骤101、获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
步骤102、根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
步骤103、根据所述第一风险预数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
步骤104、根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
本申请提供的一种资产信息分析方法及装置，能够进行更细粒度的资产诊断分析，并基于资产信息的分析结果为客户推荐更适合的产品，一方面，能够提高产品的推荐成功率，另一方面，还能够提供更合理的资产配置方案，从而降低资产配置的风险以及提高客户的盈利能力。
下面对图1的每个步骤进行介绍：
步骤101、获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差。
在本实施例中，资产类别分为权益类和固收类，其中，权益类收益率高且风险高，固收类收益率低且风险低，第一市场波动数据Q1为权益市场波动率，第二市场波动数据Q2为固收市场波动率；市场波动协方差C为固收和权益市场的波动协方差；市场预测数据P，有0和1两种情况，其中，1代表涨，0代表跌。
在本实施例中，用户的实际资产信息包括第一类资产实际持有数据和第二类资产实际持有数据，例如，权益类资产实际持有数据和固收类资产实际持有数据。
在本实施例的一些可选方式中，假设客户当前投资资产为W，其中权益类的资产为wq，固收类资产为wf，则客户的权益类资产实际持有数据为r1＝wq/W；客户的固收类资产实际持有数据为r2＝wf/W。
需要说明的是，以上当前市场参数能够通过模型计算得出，本申请在此不再赘述
步骤102、根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据。
在本实施例中，第一风险数据和第二风险数据用于表示风险预算，其中风险预算是指在投资组合管理中，根据用户的风险承受能力和目标，将风险分配到不同资产类别或投资策略上的过程。风险预算确定了每个资产类别或投资策略可以承受的最大风险水平，以达到整体投资组合的风险控制和收益目标。其中，确定风险预算的具体方法可以基于历史数据、统计模型或专业投资经验进行制定，也可以借助风险管理工具和技术来辅助实施。用户可以根据自身的情况和偏好，确定适合自己的风险预算策略，并定期监控和调整以确保风险控制的有效性。
在本实施例中，风险点贡献数据是用于评估投资组合中每个资产对整个组合风险的贡献程度的指标。它可以帮助用户更好地理解和管理投资组合的风险。其中，风险点贡献是通过对投资组合中不同资产的历史风险和相关性进行计算得出的。较高的风险点贡献意味着该资产对整个投资组合的波动性和风险产生了更大的贡献，较低的风险点贡献则表示该资产对整个投资组合的风险起到了较小的作用。
在本实施例中，资产组合波动标准差是用于衡量投资组合整体波动性或风险水平的指标。它是通过计算投资组合中各个资产的波动率以及各资产之间的相关性来得出的。计算投资组合波动标准差需要考虑到各个资产在组合中的权重以及各资产之间的相关性。权重表示了投资组合中每个资产的占比，相关性则反映了资产之间的联动程度。通过将各个资产的波动率与相关性结合起来计算，可以得出整个投资组合的波动标准差。
在本实施例的一些可选方式中，如图2所示，根据所述当前市场参数，确定用户的第一风险数据和第二风险数据，包括：
步骤1021、根据所述市场预测数据，确定用户的目标风险偏好数据；
步骤1022、根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，其中，所述第一风险数据与所述第二风险数据的和为1。
其中，步骤1021通过以下方式实现：
根据用户的历史资产信息，确定用户的初始风险偏好数据，其中，所述初始风险偏好数据大于1且小于5；
响应于确定所述市场预测数据P为第一预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始+1，在一个具体示例中，第一预设市场预测数据为1。
响应于确定所述市场预测数据为第二预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始-1，在一个具体示例中，第二预设市场预测数据为0。
其中，所述CPR目标为所述目标风险偏好数据，所述CPR初始为所述初始风险偏好数据，这一步作用在于结合市场行情，对客户的风险偏好进行微调，在市场行情好时，增加收益率的比例，市场行情差时，增加抗风险的比例。
其中，步骤1022通过以下方式实现：
响应于确定所述目标风险偏好数据大于等于预设风险偏好数据阈值，所述第一风险数据满足：
响应于确定所述目标风险偏好数据小于所述预设风险偏好数据阈值，所述第一风险数据满足：
根据所述第一风险数据，确定所述第二风险数据，其中，所述第二风险数据满足：Riskbudget2＝1-Riskbudget1，其中，所述Riskbudget1为所述第一风险数据，所述Riskbudget2为所述第二风险数据，所述CPR预设为所述预设风险偏好数据阈值，在一个具体示例中，CPR预设为1.5。
在本实施例的一些可选方式中，如图2所示，所述根据所述当前市场参数，确定资产组合波动标准差，包括：
步骤1023、确定所述用户的第一类资产预设持有数据和第二类资产预设持有数据；
步骤1024、根据所述第一市场波动数据、所述第二市场波动数据、所述市场波动协方差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定资产组合波动标准差，其中，所述资产组合波动标准差满足：
其中，所述B为所述资产组合波动标准差，所述W1为所述第一类资产预设持有数据，且0＜W1＜1，所述W2为所述第二类资产预设持有数据，且0＜W2＜1，W1和W2的和为1，所述Q1为所述第一市场波动数据，所述Q2为所述第二市场波动数据，所述C为所述市场波动协方差。
其中，在步骤1023中，第一类资产预设持有数据和第二类资产预设持有数据分别在0到1的比例范围内进行选取，第一类资产预设持有数据和第二类资产预设持有数据的和为1，其中，第一类资产预设持有数据为权益类资产预设持有比数据，第二类资产预设持有数据为固收类资产预设持有数据。
在本实施例的一些可选方式中，如图2所示，所述根据所述当前市场参数，确定第一类风险点贡献数据以及第二类风险点贡献数据，包括：
步骤1025、根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据。
在本实施例中，边际风险贡献数据是指在投资组合中，每个资产对整个组合风险的额外贡献。它衡量了当一个资产的权重发生微小变化时，该资产对整个投资组合风险的变化程度。其中，计算边际风险贡献通常需要依赖投资组合的风险敞口和协方差矩阵。风险敞口表示投资组合目前的风险水平，协方差矩阵则反映了资产之间的相关性。通过对这些数据进行计算和分析，可以得出每个资产的边际风险贡献。其中，第一类边际风险贡献数据和第二类边际风险贡献数据，例如为权益类边际风险贡献数据和固收类边际风险贡献数据。
在本实施例的一些可选方式中，步骤1025通过如下方式实现：
根据所述资产组合波动标准差和所述第一类资产预设持有数据，确定所述用户的第一类边际风险贡献数据，其中，所述第一类边际风险贡献数据满足：
根据所述资产组合波动标准差和所述第二类资产预设持有数据，确定所述用户的第二类边际风险贡献数据，其中，所述第二类边际风险贡献数据满足：
其中，所述MRC1为所述第一类边际风险贡献数据，所述MRC2为所述第二类边际风险贡献数据，代表求偏导。
步骤1026、根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据。
在本实施例中，第一类风险点贡献数据以及第二类风险点贡献数据，例如为权益类风险点贡献数据和固收类风险点贡献数据，可通过如下方式实现：
根据所述第一类资产预设持有数据和所述第一类边际风险贡献数据，确定所述第一类风险点贡献数据，其中，所述第一类风险点贡献数据满足：
根据所述第二类资产预设持有数据和所述第二类边际风险贡献数据，确定所述第二类风险点贡献数据，其中，所述第二类风险点贡献数据满足：
其中，所述TRC1为所述第一类风险点贡献数据，所述TRC2为所述第二类风险点贡献数据。
步骤103、根据所述第一风险预数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息。
在本实施例中，能够根据前述步骤确定的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定适合用户的理论资产信息。例如，当持有权益类产品比例和固收类产品比例到达一定值时，客户的产生的收益与风险达到平衡，并符合该客户的风险偏好，则该权益类产品比例和固收类产品比例即为用户的理论资产信息。
在本实施例的一些可选方式中，如图3所示，步骤103通过如下步骤实现：
步骤1031、根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定风险偏离数据，其中，所述风险偏离数据满足：
步骤1032、基于非线性规划算法，从所述第一类预设持有数据和所述第二类预设持有数据中，确定使得所述风险偏离数据为最小值的第一类资产理论持有数据和第二类资产理论持有数据。
在本实施例中，通过非线性规划算法，基于如下条件，从第一类资产预设持有数据W1和所述第二类资产预设持有数据W2中算出最优的持有数据，其中，能够满足风险偏离数据为最小值时的W1和W2为最优的持有数据，分别作为第一类资产理论持有数据和第二类资产理论持有数据，例如，计算出最优的权益类产品和固收类产品的占比组合，分别作为权益类资产理论持有数据和固收类资产理论持有数据。
步骤1033、根据所述第一类资产理论持有数据和所述第二类资产理论持有数据，确定所述理论资产信息。
至此，将所述第一类资产理论持有数据和所述第二类资产理论持有数据，作为用户的理论资产信息。
步骤104、根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
在本实施例中，在前述确定理论资产信息的基础上，能够根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果，并根据分析结果，确定是否对所述实际资产信息进行调整，也就是说，能够以理论资产信息为参考，对实际资产信息进行调整。
在本实施例的一些可选方式中，如图4所示，步骤104通过如下步骤实现：
步骤1041、确定所述理论资产信息与所述实际资产信息之间的差值；
步骤1042、响应于确定所述差值小于等于预设差值阈值，生成资产信息的第一分析结果，其中，所述第一分析结果用于指示所述实际资产信息合理；
步骤1043、响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果，其中，所述第二分析结果用于指示所述实际资产信息不合理。
进一步，在所述响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果之后，如图4所示，所述方法还包括：
步骤105、根据所述理论资产信息和所述实际资产信息，生成目标资产信息。
在本实施例中，还需要计算理论资产信息与所述实际资产信息之间的差值，当确定所述差值小于等于预设差值阈值，例如5％，生成表示实际资产信息合理的第一分析结果，不对所述实际资产信息进行调整；当确定差值大于所述预设差值阈值，例如5％，生成表示实际资产信息不合理的第二分析结果，且需要根据所述理论资产信息比对所述实际资产信息进行调整。也就是说，计算客户实际持有资产分配占比与建议资产分配占比的差值，如果二者相差5％以内，则代表当前资产配比合理，否则，进一步根据所述理论资产信息和所述实际资产信息，生成目标资产信息，将实际资产信息更新为目标资产信息。
在本实施例的一些可选方式中，所述实际资产信息包括第一类资产实际持有数据，根据所述理论资产信息和所述实际资产信息，生成目标资产信息的步骤例如为图5示出的：
步骤1051A、响应于确定所述第一类资产实际持有数据小于所述第一类资产理论持有数据的第一预设比例，增加第一类资产的数量，减少第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有比数据；
步骤1052A、响应于确定所述第一类资产实际持有数据大于所述第一类资产理论持有数据的第二预设比例，减少第一类资产的数量，增加第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
步骤1053A、根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
以前述的权益类实际持有比例r1为例进行说明，此处的w1为第一类预设持有比例中的最优比例，第一预设比例为95％，第二预设比例为105％：
如果r1<w1×95％，则权益类产品比例过低，需要减少固收类产品，增加权益类产品，此时从产品池中找出符合客户风险偏好并且状态正常的权益类产品推荐给客户。
如果r1>w1×105％，则权益类产品比例过高，需要减少权益类产品，增加固收类产品，此时从产品池中找出符合客户风险偏好并且状态正常的固收类产品推荐给客户。
在本实施例的一些可选方式中，所述实际资产信息包括第二类资产实际持有数据，所述实际资产信息包括第一类资产实际持有数据，根据所述理论资产信息和所述实际资产信息，生成目标资产信息的步骤还例如为图6示出的：
步骤1051B、响应于确定所述第二类资产实际持有数据小于所述第二类资产理论持有数据的第一预设比例，增加第二类资产的数量，减少第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
步骤1052B、响应于确定所述第二类资产实际持有数据大于所述第二类资产理论持有数据的第二预设比例，减少第二类资产的数量，增加第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
步骤1053B、根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
以前述的固收类实际持有比例r2为例进行说明，此处的w2为第二类预设持有比例中的最优比例，第一预设比例为95％，第二预设比例为105％：
如果r2<w2×95％，则固收类产品比例过低，需要减少权益类产品，增加固收类产品，此时从产品池中找出符合客户风险偏好并且状态正常的固收类产品推荐给客户。
如果r2>w2×105％，则固收类产品比例过高，需要减少固收类产品，增加权益类产品，此时从产品池中找出符合客户风险偏好并且状态正常的权益类产品推荐给客户。
以一个具体场景为例，如图7所示，对前述的步骤进行说明：点击资产诊断并查询客户风险偏好，由公式测算客户当前建议的资产配比，进一步计算客户当前资产实际配比，进一步判断建议配比与实际配比偏离率是否超过5％，若是，建议客户调整资产配置，并推荐相应产品；若否，提示客户当前资产配比合理。
在一个具体应用场景中，假设当前市场参数中市场预测数据为1、权益市场波动率为0.000125345246415161、固收市场波动率为0.0000005183055186158；固收、权益市场波动协方差为-3.15333511733811E-06。
如果查询到当前(初始)客户风险偏好值为1.5，由前述公式测算客户当前建议的资产配比，具体的：权益类占比建议值(即理论资产信息)为7.967945％，固收类占比建议值(即理论资产信息)则为92.032055％。
假设客户当前投资资产为50000元，其中权益类为1000元，其余都是固收类资产，则客户当前权益类实际占比为2％，与建议占比偏离率超过5％，因此建议客户调整资产结构，需要增加购买权益类产品，减少固收类产品比例。
本申请能够通过确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，为客户进行更细粒度的资产配置的诊断分析并给出合理建议，基于资产信息的分析结果推荐产品，能够提高产品的推荐成功率，增强盈利能力，提升客户的满意度。
本申请提供的一种资产信息分析方法，能够进行更细粒度的资产诊断分析，并基于资产信息的分析结果为客户推荐更适合的产品，一方面，能够提高产品的推荐成功率，另一方面，还能够提供更合理的资产配置方案，从而降低资产配置的风险以及提高客户的盈利能力。
基于同一发明构思，本申请实施例还提供了一种资产信息分析装置，可以用于实现上述实施例中所描述的方法，如下面实施例所述。由于该一种资产信息分析装置所解决问题的原理与一种资产信息分析方法相似，因此一种资产信息分析装置的实施可以参见一种资产信息分析方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
如图8所示，该一种资产信息分析装置包括：
获取模块801，被配置为获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
风险信息确定模块802，被配置为根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
理论资产信息确定模块803，被配置为根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
分析结果生成模块804，被配置为根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
在本实施例的一些可选方式中，风险信息确定模块包括：
目标风险偏好数据确定单元，被配置为根据所述市场预测数据，确定用户的目标风险偏好数据；
风险数据确定单元，被配置为根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，其中，所述第一风险数据与所述第二风险数据的和为1。
在本实施例的一些可选方式中，目标风险偏好数据确定单元进一步被配置为：
目标风险偏好数据确定单元，被配置为根据用户的历史资产信息，确定用户的初始风险偏好数据，其中，所述初始风险偏好数据大于1且小于5；
响应于确定所述市场预测数据为第一预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始+1；
响应于确定所述市场预测数据为第二预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始-1；
其中，所述CPR目标为所述目标风险偏好数据，所述CPR初始为所述初始风险偏好数据。
在本实施例的一些可选方式中，风险数据算确定单元进一步被配置为：
响应于确定所述目标风险偏好数据大于等于预设风险偏好数据阈值，所述第一风险数据满足：
响应于确定所述目标风险偏好数据小于所述预设风险偏好数据阈值，所述第一风险数据满足：
根据所述第一风险数据，确定所述第二风险数据，其中，所述第二风险数据满足：Riskbudget2＝1-Riskbudget1，其中，所述Riskbudget1为所述第一风险数据，所述Riskbudget2为所述第二风险数据，所述CPR预设为所述预设风险偏好数据阈值。
在本实施例的一些可选方式中，风险信息确定模块还包括：
资产预设持有数据确定单元，被配置为确定所述用户的第一类资产预设持有数据和第二类资产预设持有数据；
资产组合波动标准差确定单元，被配置为根据所述第一市场波动数据、所述第二市场波动数据、所述市场波动协方差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定资产组合波动标准差，其中，所述资产组合波动标准差满足：
其中，所述B为所述资产组合波动标准差，所述W1为所述第一类资产预设持有数据，且0＜W1＜1，所述W2为所述第二类资产预设持有数据，且0＜W2＜1，W1和W2的和为1，所述Q1为所述第一市场波动数据，所述Q2为所述第二市场波动数据，所述C为所述市场波动协方差。
在本实施例的一些可选方式中，风险信息确定模块还包括：
边际风险贡献数据确定单元，被配置为根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据；
风险点贡献数据确定单元，被配置为根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据。
在本实施例的一些可选方式中，边际风险贡献数据确定单元进一步被配置为：
根据所述资产组合波动标准差和所述第一类资产预设持有数据，确定所述用户的第一类边际风险贡献数据，其中，所述第一类边际风险贡献数据满足：
根据所述资产组合波动标准差和所述第二类资产预设持有数据，确定所述用户的第二类边际风险贡献数据，其中，所述第二类边际风险贡献数据满足：
其中，所述MRC1为所述第一类边际风险贡献数据，所述MRC2为所述第二类边际风险贡献数据，代表求偏导。
在本实施例的一些可选方式中，风险点贡献数据确定单元进一步被配置为：
根据所述第一类资产预设持有数据和所述第一类边际风险贡献数据，确定所述第一类风险点贡献数据，其中，所述第一类风险点贡献数据满足：
根据所述第二类资产预设持有数据和所述第二类边际风险贡献数据，确定所述第二类风险点贡献数据，其中，所述第二类风险点贡献数据满足：
其中，所述TRC1为所述第一类风险点贡献数据，所述TRC2为所述第二类风险点贡献数据。
在本实施例的一些可选方式中，理论资产信息确定模块进一步被配置为：
根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定风险偏离数据，其中，所述风险偏离数据满足：
基于非线性规划算法，从所述第一类预设持有数据和所述第二类预设持有数据中，确定使得所述风险偏离数据为最小值的第一类资产理论持有数据和第二类资产理论持有数据；
根据所述第一类资产理论持有数据和所述第二类资产理论持有数据，确定所述理论资产信息。
在本实施例的一些可选方式中，分析结果生成模块包括：
差值确定单元，被配置为确定所述理论资产信息与所述实际资产信息之间的差值；
第一分析结果生成单元，被配置为响应于确定所述差值小于等于预设差值阈值，生成资产信息的第一分析结果，其中，所述第一分析结果用于指示所述实际资产信息合理；
第二分析结果生成单元，被配置为响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果，其中，所述第二分析结果用于指示所述实际资产信息不合理；
其中，在第二分析结果生成单元的基础上，所述装置还包括：
目标资产信息生成模块，被配置为根据所述理论资产信息和所述实际资产信息，生成目标资产信息。
在本实施例的一些可选方式中，所述实际资产信息包括第一类资产实际持有数据，目标资产信息生成模块进一步被配置为：
响应于确定所述第一类资产实际持有数据小于所述第一类资产理论持有数据的第一预设比例，增加第一类资产的数量，减少第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有比数据；
响应于确定所述第一类资产实际持有数据大于所述第一类资产理论持有数据的第二预设比例，减少第一类资产的数量，增加第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
在本实施例的一些可选方式中，所述实际资产信息包括第二类资产实际持有数据，目标资产信息生成模块进一步被配置为：
响应于确定所述第二类资产实际持有数据小于所述第二类资产理论持有数据的第一预设比例，增加第二类资产的数量，减少第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
响应于确定所述第二类资产实际持有数据大于所述第二类资产理论持有数据的第二预设比例，减少第二类资产的数量，增加第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
需要说明的是，本申请技术方案中对数据的获取、存储、使用及处理等均符合法律法规的相关规定。
根据本公开的实施例，本公开还提供了一种电子设备以及一种可读存储介质。
一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述实施例的一种资产信息分析方法的步骤。
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，计算机指令用于使计算机执行前述实施例的一种资产信息分析方法的步骤。
图9示出了可以用来实施本公开的实施例的示例电子设备900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9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元908，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900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901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901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901执行上文所描述的各个方法和处理，例如一种资产信息分析方法。
例如，在一些实施例中，一种资产信息分析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908。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的一种资产信息分析方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行一种资产信息分析方法。
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)、负载可编程逻辑设备(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，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 (15)

1.一种资产信息分析方法，其特征在于，包括：
获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
根据所述第一风险预数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前市场参数，确定用户的第一风险数据和第二风险预数据，包括：
根据所述市场预测数据，确定用户的目标风险偏好数据；
根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，其中，所述第一风险数据与所述第二风险数据的和为1。
3.根据权利要求2所述的方法，其特征在于，所述根据所述市场预测数据，确定用户的目标风险偏好数据，包括：
根据用户的历史资产信息，确定用户的初始风险偏好数据，其中，所述初始风险偏好数据大于1且小于5；
响应于确定所述市场预测数据为第一预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始+1；
响应于确定所述市场预测数据为第二预设市场预测数据，所述目标风险偏好数据满足：CPR目标＝CPR初始-1；
其中，所述CPR目标为所述目标风险偏好数据，所述CPR初始为所述初始风险偏好数据。
4.根据权利要求3所述的方法，其特征在于，所述根据所述目标风险偏好数据，确定所述第一风险数据和第二风险数据，包括：
响应于确定所述目标风险偏好数据大于等于预设风险偏好数据阈值，所述第一风险数据满足：
响应于确定所述目标风险偏好数据小于所述预设风险偏好数据阈值，所述第一风险数据满足：
根据所述第一风险数据，确定所述第二风险数据，其中，所述第二风险数据满足：Riskbudget2＝1-Riskbudget1，其中，所述Riskbudget1为所述第一风险数据，所述Riskbudget2为所述第二风险数据，所述CPR预设为所述预设风险偏好数据阈值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述当前市场参数，确定资产组合波动标准差，包括：
确定所述用户的第一类资产预设持有数据和第二类资产预设持有数据；
根据所述第一市场波动数据、所述第二市场波动数据、所述市场波动协方差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定资产组合波动标准差，其中，所述资产组合波动标准差满足：
其中，所述B为所述资产组合波动标准差，所述W1为所述第一类资产预设持有数据，且0＜W1＜1，所述W2为所述第二类资产预设持有数据，且0＜W2＜1，W1和W2的和为1，所述Q1为所述第一市场波动数据，所述Q2为所述第二市场波动数据，所述C为所述市场波动协方差。
6.根据权利要求5所述的方法，其特征在于，所述根据所述当前市场参数，确定第一类风险点贡献数据以及第二类风险点贡献数据，包括：
根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据；
根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据。
7.根据权利要求6所述的方法，其特征在于，所述根据所述资产组合波动标准差、所述第一类资产预设持有数据以及所述第二类资产预设持有数据，确定所述用户的第一类边际风险贡献数据和第二类边际风险贡献数据，包括：
根据所述资产组合波动标准差和所述第一类资产预设持有数据，确定所述用户的第一类边际风险贡献数据，其中，所述第一类边际风险贡献数据满足：
根据所述资产组合波动标准差和所述第二类资产预设持有数据，确定所述用户的第二类边际风险贡献数据，其中，所述第二类边际风险贡献数据满足：
其中，所述MRC1为所述第一类边际风险贡献数据，所述MRC2为所述第二类边际风险贡献数据，代表求偏导。
8.根据权利要求7所述的方法，其特征在于，所述根据所述第一类资产预设持有数据、所述第二类资产预设持有数据、所述第一类边际风险贡献数据以及所述第二类边际风险贡献数据，确定所述第一类风险点贡献数据以及所述第二类风险点贡献数据，包括：
根据所述第一类资产预设持有数据和所述第一类边际风险贡献数据，确定所述第一类风险点贡献数据，其中，所述第一类风险点贡献数据满足：
根据所述第二类资产预设持有数据和所述第二类边际风险贡献数据，确定所述第二类风险点贡献数据，其中，所述第二类风险点贡献数据满足：
其中，所述TRC1为所述第一类风险点贡献数据，所述TRC2为所述第二类风险点贡献数据。
9.根据权利要求8所述的方法，其特征在于，所述根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息，包括：
根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定风险偏离数据，其中，所述风险偏离数据满足：
基于非线性规划算法，从所述第一类预设持有数据和所述第二类预设持有数据中，确定使得所述风险偏离数据为最小值的第一类资产理论持有数据和第二类资产理论持有数据；
根据所述第一类资产理论持有数据和所述第二类资产理论持有数据，确定所述理论资产信息。
10.据权利要求9所述的方法，其特征在于，所述根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果，包括：
确定所述理论资产信息与所述实际资产信息之间的差值；
响应于确定所述差值小于等于预设差值阈值，生成资产信息的第一分析结果，其中，所述第一分析结果用于指示所述实际资产信息合理；
响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果，其中，所述第二分析结果用于指示所述实际资产信息不合理；
其中，在所述响应于确定所述差值大于所述预设差值阈值，生成资产信息的第二分析结果之后，所述方法还包括：
根据所述理论资产信息和所述实际资产信息，生成目标资产信息。
11.根据权利要求10所述的方法，其特征在于，所述实际资产信息包括第一类资产实际持有数据，所述根据所述理论资产信息和所述实际资产信息，生成目标资产信息，包括：
响应于确定所述第一类资产实际持有数据小于所述第一类资产理论持有数据的第一预设比例，增加第一类资产的数量，减少第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有比数据；
响应于确定所述第一类资产实际持有数据大于所述第一类资产理论持有数据的第二预设比例，减少第一类资产的数量，增加第二类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
12.根据权利要求10所述的方法，其特征在于，所述实际资产信息包括第二类资产实际持有数据，所述根据所述理论资产信息和所述实际资产信息，生成目标资产信息，包括：
响应于确定所述第二类资产实际持有数据小于所述第二类资产理论持有数据的第一预设比例，增加第二类资产的数量，减少第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
响应于确定所述第二类资产实际持有数据大于所述第二类资产理论持有数据的第二预设比例，减少第二类资产的数量，增加第一类资产的数量，得到第一类资产目标持有数据和第二类资产目标持有数据；
根据所述第一类资产目标持有数据和所述第二类资产目标持有数据，生成所述目标资产信息。
13.一种资产信息分析装置，其特征在于，包括：
获取模块，被配置为获取当前市场参数和用户的实际资产信息，其中，所述当前市场参数包括市场预测数据、第一市场波动数据、第二市场波动数据以及市场波动协方差；
风险信息确定模块，被配置为根据所述当前市场参数，确定用户的第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据；
理论资产信息确定模块，被配置为根据所述第一风险数据、第二风险数据、资产组合波动标准差、第一类风险点贡献数据以及第二类风险点贡献数据，确定用户的理论资产信息；
分析结果生成模块，被配置为根据所述理论资产信息及所述实际资产信息，生成资产信息的分析结果。
14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至12任一项所述的一种资产信息分析方法的步骤。
15.一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，该计算机程序被处理器执行时实现权利要求1至12任一项所述的一种资产信息分析方法的步骤。
CN202311589527.8A 2023-11-27 2023-11-27 一种资产信息分析方法及装置 Pending CN117591567A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311589527.8A CN117591567A (zh) 2023-11-27 2023-11-27 一种资产信息分析方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311589527.8A CN117591567A (zh) 2023-11-27 2023-11-27 一种资产信息分析方法及装置

Publications (1)

Publication Number Publication Date
CN117591567A true CN117591567A (zh) 2024-02-23

Family

ID=89921524

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311589527.8A Pending CN117591567A (zh) 2023-11-27 2023-11-27 一种资产信息分析方法及装置

Country Status (1)

Country Link
CN (1) CN117591567A (zh)

Similar Documents

Publication Publication Date Title
CN113420792A (zh) 图像模型的训练方法、电子设备、路侧设备及云控平台
WO2015069635A1 (en) Planning tool for determining a future cost of retirement
Yin Nexus among financial development and equity market on green economic finance: Fresh insights from European Union
JP2014006578A (ja) 市場リスク予測装置、市場リスク予測方法及び市場リスク予測プログラム
CN117333076A (zh) 一种基于混合专家模型的估值方法、装置、设备及介质
CN115759283A (zh) 一种模型解释方法、装置、电子设备以及存储介质
CN117591567A (zh) 一种资产信息分析方法及装置
CN113112311B (zh) 训练因果推断模型的方法、信息提示方法以装置
JP2019046467A (ja) 電力取引支援装置及び電力取引支援方法
CN115185606A (zh) 业务配置参数的获得方法、装置、设备及存储介质
JP2020013229A (ja) 債務不履行確率を算出する装置、方法及びそのためのプログラム
CN114999665A (zh) 数据处理方法、装置、电子设备及存储介质
CN115099933A (zh) 一种业务预算方法、装置及设备
CN114240599A (zh) 贷款测算方法、装置、计算机设备和存储介质
Cheng et al. How do risk attitudes of clearing firms matter for managing default exposure in futures markets?
CN111476639A (zh) 商品推荐策略确定方法、装置、计算机设备及存储介质
CN115242626B (zh) 云资源配置预估方法、装置、设备、存储介质及程序产品
CN116308798B (zh) 一种股票指标绘制方法、装置、设备及存储介质
US20240144135A1 (en) Systems and methods for risk processing of supply chain management system data
JP2014006863A (ja) 市場リスク予測装置、ヘッジ数量算出方法及びヘッジ数量算出プログラム
CN116911448A (zh) 信息预测方法、装置、设备、存储介质、程序产品及平台
CN117407439A (zh) 转化数据确定方法、装置、设备及存储介质
CN114781480A (zh) 目标对象的评价方法、评价模型训练方法及装置
CN117787773A (zh) 评估信息生成方法、装置、设备及平台
CN116912004A (zh) 推荐信息生成方法、装置、设备、介质、程序产品及平台

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