TW201933197A - 智能理財方法 - Google Patents

智能理財方法 Download PDF

Info

Publication number
TW201933197A
TW201933197A TW107101794A TW107101794A TW201933197A TW 201933197 A TW201933197 A TW 201933197A TW 107101794 A TW107101794 A TW 107101794A TW 107101794 A TW107101794 A TW 107101794A TW 201933197 A TW201933197 A TW 201933197A
Authority
TW
Taiwan
Prior art keywords
investment
target
portfolio information
type
server
Prior art date
Application number
TW107101794A
Other languages
English (en)
Inventor
洪唯軒
Original Assignee
中國信託商業銀行股份有限公司
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 中國信託商業銀行股份有限公司 filed Critical 中國信託商業銀行股份有限公司
Priority to TW107101794A priority Critical patent/TW201933197A/zh
Publication of TW201933197A publication Critical patent/TW201933197A/zh

Links

Landscapes

  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

一種智能理財方法,藉由一經由一通訊網路連接一客戶端的伺服端來實施,該伺服端儲存一包含多個問題的投資問卷、一分數對應表,及多筆投資組合資訊,每一問題包括各自對應的多個選項,該分數對應表包含每一問題的每一選項相對於每一投資組合資訊的分數,該方法包含:該伺服端在接收一包含多個相關於該投資問卷的每一問題所對應之作答選項的作答內容後,對於每一投資組合資訊,根據該作答內容與該分數對應表,獲得一對應該投資組合資訊的目標分數,並根據該目標分數,自該等投資組合資訊中,獲得一目標投資組合資訊。

Description

智能理財方法
本發明是有關於種用於行政、管理、商業、經營、監督或預測目的的數據處理系統,特別是指一種智能理財方法。
目前市面上可供選擇之投資項目五花八門,完全視個人喜好自由選擇,但在眾多的投資人口中,很多是未受過專業投資知識訓練的散戶,這些投資人或許會主動地從各種管道獲得相關的投資建議標的,除了經由例如理專、投顧的介紹並了解投資人需求後,適時檢視資產以提供後續建議供投資人參考外,更可以從各種投資分析軟體中得到各式各樣的參考意見。
然而,以現有的投資分析軟體而言,其分析結論相當籠統,無法針對投資人的需求提出個人化的建議,以符合投資人的需求,因此,如何提出一個能客製化且替投資人控管資產配置的自動管理系統便是一個重要的課題。
因此,本發明的目的,即在提供一種根據投資人相關資訊,以推薦投資人所適合之投資組合的智能理財方法。
於是,本發明智能理財方法,藉由一經由一通訊網路連接一客戶端的伺服端來實施,該伺服端儲存一包含多個問題的投資問卷、一分數對應表,以及多筆投資組合資訊,其中每一問題包括各自所對應的多個選項,該分數對應表包含每一問題所對應之每一選項相對於每一投資組合資訊的分數,該智能理財方法包含一步驟(A),以及一步驟(B)。
該步驟(A)是藉由該伺服端,在接收一來自該客戶端且包含多個相關於該投資問卷中的每一問題所對應之作答選項的作答內容後,對於每一投資組合資訊,根據該作答內容中的該等作答選項與該分數對應表,獲得一對應該投資組合資訊的目標分數。
該步驟(B)是藉由該伺服端,在獲得每一投資組合資訊所對應的目標分數後,根據該目標分數,自該等投資組合資訊中,獲得一目標投資組合資訊。
本發明之功效在於:藉由該伺服端根據該投資問卷中的每一問題所對應之作答選項,以及該分數對應表,獲得所有投資組合資訊相對於該等作答選項的該目標分數後,再根據該目標分數,獲得該目標投資組合資訊。
參閱圖1,說明執行本發明智能理財方法之一實施例的一智能理財系統100,該智能理財系統100包含一伺服端1,以及一經由一通訊網路200連接該伺服端1的客戶端2。
該伺服端1包括一連接至該通訊網路200的伺服端通訊模組11、一伺服端儲存模組12,以及一電連接該伺服端通訊模組11與該伺服端儲存模組12的伺服端處理模組13,該伺服端儲存模組12儲存一投資問卷、一分數對應表、多筆投資組合資訊、多個預設投資類型、多個投資標的物,以及多個分別指示出該等預設投資類型之漲跌幅的漲跌值,其中該投資問卷包含一與客戶年齡婚姻狀況相關而可指示出客戶風險承受度的風險承受度問題、至少一相關於偏好之投資屬性的投資偏好問題、一相關於年收入的年收入問題,以及一相關存款的存款問題、一相關於預期投資期間的預期投資期間問題、一相關於目標報酬的目標報酬問題,以及一相關於預期投資金額的預期投資金額問題,而該投資問卷中的每一問題包括各自所對應的多個選項,該分數對應表包含每一問題所對應之每一選項相對於每一投資組合資訊的分數,每一投資組合資訊包含多個選自於該等預設投資類型的投資類型,以及每一投資類型所對應的投資比例,每一投資標的物被歸類為該等預設投資類型之其中一者,並包括一標的物名稱及多個屬性,其中該等屬性例如是一指示出該投資標的物是屬於國內投資標的物或是國外投資標的物的國籍屬性、一指示出該投資標的物是屬於金融類投資標的物或是科技類投資標的物的產業屬性,以及一指示出該投資標的物是屬於穩定配息或是資本利得的獲利方式屬性,但不以此為限。
該客戶端2經由一投資人所操作,並包括一連接至該通訊網路200的客戶端通訊模組21、一客戶端輸入模組22,以及一電連接該客戶端通訊模組21與該客戶端輸入模組22的客戶端處理模組23。
在該實施例中,該伺服端1之實施態樣例如為一個人電腦、一伺服器或一雲端主機,但不以此為限。
在該實施例中,該客戶端2之實施態樣例如為一平板電腦、一筆記型電腦、一智慧型手機或一個人電腦,但不以此為限。
該智能理財系統100執行本發明智能理財方法之該實施例,該智能理財方法包含一目標投資組合資訊獲得程序、一投資類型管理調整程序、一投資標的物管理調整程序,以及一監控目標投資組合資訊程序。
參閱圖2,該目標投資組合資訊獲得程序係用於獲得投資人所適合的目標投資組合資訊,並包含一步驟51、一步驟52、一步驟53、一步驟54、一步驟55、一步驟56、一步驟57,以及一步驟58。
在該步驟51中,該伺服端處理模組13在接收到一來自該客戶端2的問卷讀取請求後,將該投資問卷經由該伺服端通訊模組11傳送至該客戶端2。
在該步驟52中,該客戶端處理模組23在經由該客戶端通訊模組21接收到該投資問卷後,根據該客戶端輸入模組22經由該投資人之輸入操作所產生的輸入訊號,獲得一包含多個相關於該投資問卷中的每一問題所對應之作答選項的作答內容,並經由該客戶端通訊模組21將該作答內容傳送至該伺服端1,其中該投資問卷中的每一問題所對應之作答選項皆是自每一問題各自所對應的選項中被挑選出。值得特別說明的是,在該實施例中,該風險承受度問題具有例如一單身、一已婚,以及一高齡者等選項,但不以此為限;該至少一投資偏好問題例如為一具有一股票、一基金、一債卷、一穩定配息,以及一資本利得等選項的欲投資類型問題、一具有一金融類、一科技類等選項的欲投資產業問題,以及一具有一台灣、一大陸,以及一美國等選項的欲投資地點問題,但不以此為限;該年收入問題具有例如一100萬以下、一100~200萬,以及一200萬以上等選項,但不以此為限;該存款問題具有例如一200萬內、一200~500萬,以及一500萬以上等選項,但不以此為限;該預期投資期間問題具有一3年、一5年,以及一7年以上等選項,但不以此為限;該目標報酬問題具有例如一30萬、一50萬,以及一100萬等選項;該預期投資金額問題具有例如一20萬、一50萬,以及一100萬等選項,但不以此為限。
在該步驟53中,該伺服端處理模組13在經由該伺服端通訊模組11接收到來自該客戶端2且包含該等作答選項的作答內容後,對於每一投資組合資訊,根據該作答內容中的該等作答選項與該分數對應表,獲得一對應該投資組合資訊的目標分數,特別地,在該實施例中,該目標分數是統計該等作答選項相對於該投資組合資訊所對應之該等分數的總分,但在其他實施例中,該領域具通常知識者亦可將每一選項對應的分數進行其他運算,並將其結果作為該目標分數,例如:平均,或加入權重調整每一選項對應的分數後再取其總合…等,但不以此為限。值得特別說明的是,在該實施例中,該分數對應表之部分內容例如下表1,並在此假設該投資人於該風險承受度問題中選擇該單身選項作為該風險承受度問題對應的作答選項,且於該至少一投資偏好問題中選擇該股票選項、該資本利得選項、該金融類選項,以及該台灣選項作為該至少一投資偏好問題對應的作答選項,且於該年收入問題中選擇該100~200萬選項作為該年收入問題對應的作答選項,且於該存款問題中選擇該200~500萬選項作為該存款問題對應的作答選項,且於該預期投資期間問題中選擇該5年選項作為該預期投資期間問題對應的作答選項,且於該目標報酬問題中選擇該100萬選項作為該目標報酬問題對應的作答選項,且於該預期投資金額問題中選擇該50萬選項作為該預期投資金額問題對應的作答選項,故表示下表1中之一投資組合資訊A的總分為30,而表1中之一投資組合資訊B的總分為17。 表1
在該步驟54中,該伺服端處理模組13在獲得每一投資組合資訊所對應的總分後,自該等投資組合資訊中,獲得一對應有最高總分的目標投資組合資訊。值得特別說明的是,在該實施例中,表1中之該投資組合資訊A的總分為30,而表1中之該投資組合資訊B的總分為17,故該伺服端處理模組13選擇在所有投資組合中最高總分的該投資組合資訊A作為目標投資組合資訊。除此之外,該伺服端儲存模組12還儲存每一投資組合資訊各自所對應的優先權數值,其中該等優先權數值兩兩皆不相同,在此假設另一情況,當該伺服端處理模組13偵測到二組投資組合具有相同總分時,則會根據該二組投資組合各自所對應的優先權數值,自該二組投資組合中,取其對應之優先權數值較大者作為該目標投資組合資訊。
在該步驟55中,該伺服端處理模組13根據該作答內容,獲得一包含一相關於該目標投資組合資訊中對應於一高風險之投資類型所佔比例的投入比例條件,以及一相關於該目標投資組合資訊且包括至少一偏好之投資屬性的偏好設定條件的客製化需求。其中該伺服端處理模組13是藉由該風險承受度問題所對應的作答選項獲得該投入比例條件,並藉由該至少一投資偏好問題所對應的作答選項獲得該偏好設定條件。除此之外,當該伺服端處理模組13根據該作答內容,並判定出該年收入問題所對應的作答選項所指示出的年收入大於一預設收入值,或該存款問題所對應的作答選項所指示出的存款大於一預設存款值時,則將一降低稅負條件加入該客製化需求,亦即,該伺服端處理模組13係藉由該年收入問題及該存款問題所對應的作答選項判定是否獲得該降低稅負條件,當該伺服端處理模組13判定出該年收入問題所對應的作答選項所指示出的年收入大於該預設收入值,或該存款問題所對應的作答選項所指示出的存款大於該預設存款值時,該伺服端處理模組13所獲得的該客製化需求還包含該降低稅負條件。值得特別說明的是,在該實施例中,假設該投資人於該風險承受度問題中選擇該單身選項作為該風險承受度問題對應的作答選項,該伺服端處理模組13即會判定該投資人相對於已婚者或高齡者是具有較高的承受風險能力,故表示該高風險之投資類型所佔比例是可相對較高的,例如單身選項所對應之高風險之投資類型比例為趨近50%(例如在48%~52%範圍內)、已婚選項所對應之高風險之投資類型比例為趨近40%(例如在38%~42%範圍內),而高齡者選項所對應之高風險之投資類型比例為趨近25%(例如在23%~27%範圍內),但不以此為限。其中該選項所對應之高風險之投資類型比例愈高表示其風險愈大,其中該高風險之投資類型例如是一股票,但不以此為限。
在該步驟56中,該伺服端處理模組13根據該客製化需求,判定是否需調整該目標投資組合資訊所對應的投資類型的投資比例。當該伺服端處理模組13判定需要調整該目標投資組合資訊所對應的投資類型的投資比例時,流程進行步驟57;當該伺服端處理模組13判定不需要調整該目標投資組合資訊所對應的投資類型的投資比例時,流程進行步驟58。
在該步驟57中,該伺服端處理模組13根據該客製化需求的該投入比例條件調整該目標投資組合資訊的投資比例。值得特別說明的是,在該實施例中,假設表1中之該投資組合資訊A為適合該投資人的目標投資組合資訊,該伺服端處理模組13即會再根據相關於該投資人的客製化需求中的該投入比例條件例如該單身選項所對應之高風險之投資類型(股票)比例為50%,再將目標投資組合資訊(該投資組合資訊A)進行調整,亦即獲得該目標投資組合資訊(該投資組合資訊A)且高風險之投資類型(股票)所占比例為趨近50%的客製化態樣。
在該步驟58中,該伺服端處理模組13根據該客製化需求的該偏好設定條件,自該等投資標的物選取多個具有符合該偏好設定條件之屬性的目標投資標的物來作為該目標投資組合資訊中的投資標的物,並將該目標投資組合資訊經由該伺服端通訊模組11傳送至該客戶端2。值得特別說明的是,在該實施例中,假設當該投資人於該至少一投資偏好問題中選擇該股票選項、該資本利得選項、該金融類選項,以及該台灣選項作為該至少一投資偏好問題對應的作答選項時,該伺服端處理模組13即會選擇台灣的金融類股票且獲利方式以資本利得為主的投資標的物作為該目標投資標的物。在此假設另一種情況,當在該步驟55中,該投資人於該年收入問題中所選擇的作答選項所指示出的年收入大於該預設收入值或於該存款問題中所選擇的作答選項所指示出的存款大於該預設存款值時,該伺服端處理模組13即會將該降低稅負條件加入該客製化需求中,並選擇屬於該資本利得類型的投資標的物作為該目標投資組合資訊中的投資標的物。
使用上,該投資人會在一與該伺服端1之提供者具有合作關係的一銀行開設一存有投資資金的帳戶,該投資人可利用其所持有的客戶端2,接收該目標投資組合資訊,以考慮是否要進行該伺服端1所推薦之該目標投資組合資訊的投資,當該投資人決定進行該伺服端1所推薦之該目標投資組合資訊的投資時,該投資人可利用該客戶端2傳送一理財確認請求至該伺服端1,以使該伺服端1根據該目標投資組合資訊與架設於該銀行的銀行主機(圖未示)進行一對應該目標投資組合資訊的投資交易。
在該伺服端1與該銀行主機進行對應該目標投資組合資訊的該投資交易後,該伺服端1會週期性地根據即時地市場狀況建議該投資人調整該目標投資組合資訊(亦即,週期性地進行一投資類型管理調整程序及一投資標的物管理調整程序)。此外,該伺服端1還會週期性地根據市場變化與客製化需求自動地調整該目標投資組合資訊(亦即,週期性地進行一監控目標投資組合資訊程序)。參閱圖3,該投資類型管理調整程序包含一步驟61、一步驟62、一步驟63、一步驟64,以及一步驟65。
在該步驟61中,該伺服端處理模組13根據該等預設投資類型的漲跌值,判定該等預設投資類型中是否存在至少一積極投資類型所對應的漲跌值高於其各自對應的一漲幅指標。當該伺服端處理模組13判定該等預設投資類型中存在該至少一積極投資類型所對應的漲跌值高於其各自對應的該漲幅指標時,流程進行步驟62;當該伺服端處理模組13判定該等預設投資類型中不存在該至少一積極投資類型所對應的漲跌值高於其各自對應的該漲幅指標時,流程進行步驟63。
在該步驟62中,對於該目標投資組合資訊中每一與該至少一積極投資類型之其中一者相同的投資類型,該伺服端處理模組13自該投資類型所對應的投資標的物中,獲得一積極投資標的物,並將一包含該積極投資標的物的投資買入建議經由該伺服端通訊模組11傳送至該客戶端2。值得特別說明的是,在該實施例中,假設股市大漲,使得股票高於其對應的該漲幅指標,則股票為該至少一積極投資類型之其中一者,該伺服端處理模組13便會對該目標投資組合資訊中相同於股票的投資類型(亦即,股票此一投資類型),自股票此一投資類型所對應的所有投資標的物中,挑選出該積極投資標的物並推薦給該投資人。值得一提的是,該實施例是在忽略該客戶需求中的該投入比例條件之情況下,獲得該積極投資標的物,故表示,該目標投資組合資訊將該積極投資標的物買入後之對應的投資比例是可能不符合該客戶需求中的該投入比例條件(例如,高風險之投資類型所占比例為趨近50%),當該目標投資組合資訊不符合該客戶需求中的該投入比例條件時,則會在該監控目標投資組合資訊程序中進行調整。
然而,除了該實施例的實施態樣外,還可採取另一較嚴謹的實施態樣。參閱圖4,在該另一實施態樣中,將該步驟62細分為一子步驟621、一子步驟622、一子步驟623、一子步驟624,以及一子步驟625。
在該子步驟621中,當該伺服端處理模組13判定出該存在該至少一積極投資類型時,對於該目標投資組合資訊中每一與該至少一積極投資類型之其中一者相同的投資類型,判定該投資類型是否屬於該高風險之投資類型。當該伺服端處理模組13判定該投資類型屬於該高風險之投資類型時,流程進行步驟622;當該伺服端處理模組13判定該投資類型不屬於該高風險之投資類型時,流程進行步驟625。
在該子步驟622中,該伺服端處理模組13計算該目標投資組合資訊中該投資類型所對應的投資比例,並判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於一預定值。當該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差大於該預定值時,流程進行步驟623;當該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差不大於該預定值時,流程進行步驟624。
在該子步驟623中,該伺服端處理模組13自該投資類型所對應的投資標的物中,獲得該積極投資標的物,並將一包含該積極投資標的物的投資買入建議傳送至該客戶端2。值得特別說明的是,在該另一實態樣中,藉由該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於該預定值,使得該目標投資組合資訊將該積極投資標的物加入後之對應的投資比例是能符合該客戶需求中的該投入比例條件(例如,高風險之投資類型所占比例為趨近50%),故不需在該監控目標投資組合資訊程序中進行調整。
在該子步驟624中,該伺服端處理模組13不傳送相關於該投資類型的投資買入建議至該客戶端2。
在該子步驟625中,該伺服端處理模組13自該投資類型所對應的投資標的物中,獲得該積極投資標的物,並將一包含該積極投資標的物的投資買入建議傳送至該客戶端2。
在該步驟63中,該伺服端處理模組13根據該等預設投資類型的漲跌值,判定該等預設投資類型中是否存在至少一消極投資類型所對應的漲跌值低於其各自對應的一跌幅指標。當該伺服端處理模組13判定該等預設投資類型中存在該至少一消極投資類型所對應的漲跌值低於其各自對應的該跌幅指標時,流程進行步驟64;當該伺服端處理模組13判定該等預設投資類型中不存在該至少一消極投資類型所對應的漲跌值低於其各自對應的該跌幅指標時,流程進行步驟65。
在該步驟64中,對於該目標投資組合資訊中每一與該至少一消極投資類型之其中一者相同的投資類型,該伺服端處理模組13自屬於該投資類型的該等目標投資標的物中,獲得一消極投資標的物,並將一包含該消極投資標的物的投資賣出建議經由該伺服端通訊模組11傳送至該客戶端2。值得特別說明的是,在該實施例中,假設股市大跌,使得股票低於其對應的該跌幅指標,則股票為該至少一消極投資類型之其中一者,該伺服端處理模組13便會對該目標投資組合資訊中相同於股票的投資類型(亦即,股票此一投資類型),自屬於該投資類型的該等目標投資標的物中,挑選出該消極投資標的物並通知該投資人。值得一提的是,該實施例亦是在忽略該客戶需求中的該投入比例條件之情況下,獲得該消極投資標的物,故表示,該目標投資組合資訊將該消極投資標的物賣出後之對應的投資比例亦是可能不符合該客戶需求中的該投入比例條件(例如,高風險之投資類型所占比例為趨近50%),當該目標投資組合資訊不符合該客戶需求中的該投入比例條件時,則會在該監控目標投資組合資訊程序中進行調整。
參閱圖5,在該另一較嚴謹實施態樣中,將該步驟64細分為一子步驟641、一子步驟642、一子步驟643、一子步驟644,以及一子步驟645。
在該子步驟641中,當該伺服端處理模組13判定出該存在該至少一消極投資類型時,對於該目標投資組合資訊中每一與該至少一消極投資類型之其中一者相同的投資類型,判定該投資類型是否屬於該高風險之投資類型。當該伺服端處理模組13判定該投資類型屬於該高風險之投資類型時,流程進行步驟642;當該伺服端處理模組13判定該投資類型不屬於該高風險之投資類型時,流程進行步驟645。
在該子步驟642中,該伺服端處理模組13計算該目標投資組合資訊中該投資類型所對應的投資比例,並判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於一另一預定值。當該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差大於該另一預定值時,流程進行步驟643;當該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差不大於該另一預定值時,流程進行步驟644。
在該子步驟643中,該伺服端處理模組13自該投資類型所對應的投資標的物中,獲得該消極投資標的物,並將一包含該消極投資標的物的投資賣出建議傳送至該客戶端2。值得特別說明的是,在該另一實態樣中,藉由該伺服端處理模組13判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於該另一預定值,使得該目標投資組合資訊將該消極投資標的物去除後之對應的投資比例是能符合該客戶需求中的該投入比例條件(例如,高風險之投資類型所占比例為趨近50%),故不需在該監控目標投資組合資訊程序中進行調整。
在該子步驟644中,該伺服端處理模組13不傳送相關於該投資類型的投資賣出建議至該客戶端2。
在該子步驟645中,該伺服端處理模組13自該投資類型所對應的投資標的物中,獲得該消極投資標的物,並將一包含該消極投資標的物的投資賣出建議傳送至該客戶端2。
在該步驟65中,該伺服端處理模組13不對該目標投資組合資訊進行調整。
值得一提的是,當該投資人決定採納該伺服端1所建議的投資買入建議或投資賣出建議時,該投資人可利用該客戶端2傳送一建議確認請求至該伺服端1,以使該伺服端1根據該建議確認請求所指示出的買入建議或投資賣出建議,調整該目標投資組合資訊,並根據調整後的該目標投資組合資訊與架設於該銀行的銀行主機(圖未示)進行一對應調整後之該目標投資組合資訊的投資交易。
參閱圖6,該投資標的物管理調整程序包含一步驟71,以及一步驟72。
在該步驟71中,對於每一目標投資標的物,該伺服端處理模組13計算一指示出該目標投資標的物於過去一時間區間之績效狀態的報酬率。
在該步驟72中,該伺服端處理模組13根據每一目標投資標的物所對應的報酬率,自該等目標投資標的物中,獲得一落後投資標的物,其中該落後投資標的物為該等目標投資標的物中對應之報酬率最低者,並將一包含該落後投資標的物的投資賣出建議傳送至該客戶端。值得特別說明的是,在該實施例中,假設股票A與股票B在一個月前分別為100塊與90塊,而現在股票A與股票B分別為110塊與105塊,故,股票A與股票B之報酬率分別為110/100=1.1與105/90=1.16,因此,該伺服端處理模組13選擇對應報酬率最低者的股票A作為該落後投資標的物。
值得一提的是,當該投資人決定採納該伺服端1所建議的投資賣出建議時,該投資人可利用該客戶端2傳送一建議確認請求至該伺服端1,以使該伺服端1根據該建議確認請求所指示出的投資賣出建議,調整該目標投資組合資訊,並根據調整後的該目標投資組合資訊與架設於該銀行的銀行主機(圖未示)進行一對應調整後之該目標投資組合資訊的投資交易。
參閱圖7,該伺服端1在進行監控目標投資組合資訊程序,會以當前最新的該目標投資組合資訊來進行自動化調整。該監控目標投資組合資訊程序包含一步驟81、一步驟82、一步驟83、一步驟84、一步驟85,以及一步驟86。
在該步驟81中,該伺服端處理模組13判定該目標投資組合資訊的該等投資類型中是否存在該高風險之投資類型。當該伺服端處理模組13判定該目標投資組合資訊的該等投資類型中存在該高風險之投資類型,流程進行步驟82;當該伺服端處理模組13判定該目標投資組合資訊的該等投資類型中不存在該高風險之投資類型,流程進行步驟86。
在該步驟82中,該伺服端處理模組13根據該目標投資組合資訊中每一投資類型所對應的目標投資標的物,計算每一投資類型所對應的投資比例。
在該步驟83中,該伺服端處理模組13根據該客製化需求的投入比例條件,以及該步驟81所獲得之每一投資類型所對應的投資比例,判定是否需調整該目標投資組合資訊所對應的投資類型的投資比例。當該伺服端處理模組13判定需要調整該目標投資組合資訊所對應的投資類型的投資比例時,流程進行步驟84;當該伺服端處理模組13判定不需要調整該目標投資組合資訊所對應的投資類型的投資比例時,流程進行步驟85。
在該步驟84中,該伺服端處理模組13根據該客製化需求的該股票投入條件調整該目標投資組合資訊的投資比例。值得特別說明的是,在該實施例中,假設該伺服端處理模組13將該投資組合資訊A且股票所占比例為趨近50%,亦即於48%~52%範圍內的客製化態樣作為該投資人的該目標投資組合資訊,在此假設總金額為100萬,其中股票投資類型金額為48萬與其投資比例為48/100=48%,而非股票投資類型金額為52萬與其投資比例為52/100=52%,故股票投資類型之投資比例為48/100符合該目標投資組合所對應的客製化需求(股票所占比例為趨近50%,亦即於48%~52%範圍內),然而,當該目標投資組合資訊中的屬於股票投資類型的目標投資標的物上漲時,又假設股票投資類型金額上漲至60萬與其投資比例為60/112,此時,股票投資類型之投資比例60/112=53.5%不符合該目標投資組合所對應的客製化需求(股票所占比例為趨近50%,亦即於48%~52%範圍內),該伺服端處理模組13便會調整該目標投資組合資訊的投資比例,使得該目標投資組合資訊的股票投資類型之投資比例趨近50%,例如將金額5萬之股票賣出,使得股票投資類型金額為55萬與其投資比例為55/107=51.4%,以符合該目標投資組合所對應的客製化需求(股票所占比例為趨近50%,亦即於48%~52%範圍內)。
值得說明的是,由於市場總是瞬息萬變,因此即便在前一時間點該目標投資組合資訊是符合該客製化需求,但在下一時間點該目標投資組合資訊恐就不符合該客製化需求,所以可藉由該伺服端1週期性地進行監控目標投資組合資訊程序,以使該目標投資組合資訊在大部分的投資期間中可符合該客製化需求。
在該步驟85中,該伺服端處理模組13不對該目標投資組合資訊所對應的投資類型的投資比例進行調整。
在該步驟86中,該伺服端處理模組13不對該目標投資組合資訊所對應的投資類型的投資比例進行調整。
綜上所述,本發明智能理財方法,首先藉由該伺服端1根據該投資問卷中的每一問題所對應之作答選項,以及該分數對應表,統計所有投資組合資訊相對於該等作答選項的該等分數的總分,並獲得對應有最高總分的該目標投資組合資訊,接著,根據該投資問卷中的每一問題所對應之作答選項,獲得與該等作答選項相關的該客製化需求,接著,根據該客製化需求調整該目標投資組合資訊,並將該目標投資組合資訊推薦給該投資人,使得該投資人能獲得客製化的投資建議。另外,還可藉由該伺服端1根據該等預設投資類型的漲跌值,獲得該至少一積極投資類型,或該至少一消極投資類型,進而推薦該投資人關於投資買賣的類型或標的。又或是,藉由該伺服端1根據每一目標投資標的物個自對應的過去該時間區間之績效狀態的報酬率,控管每一目標投資標的物的賣出時機。又或是,藉由該伺服端1依照市場的變化,即時地調整該目標投資組合資訊,使得該目標投資組合資訊隨時符合該投資人對應的客製化需求。因此,故確實能達成本發明的目的。
惟以上所述者,僅為本發明的實施例而已,當不能以此限定本發明實施的範圍,凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾,皆仍屬本發明專利涵蓋的範圍內。
100‧‧‧智能理財系統
200‧‧‧通訊網路
1‧‧‧伺服端
11‧‧‧伺服端通訊模組
12‧‧‧伺服端儲存模組
13‧‧‧伺服端處理模組
2‧‧‧客戶端
21‧‧‧客戶端通訊模組
22‧‧‧客戶端輸入模組
23‧‧‧客戶端處理模組
51~58‧‧‧步驟
61~65‧‧‧步驟
621~625‧‧‧子步驟
641~645‧‧‧子步驟
71~72‧‧‧步驟
81~86‧‧‧步驟
本發明的其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中: 圖1是一方塊圖,說明執行本發明智能理財方法之一實施例的一智能理財系統; 圖2是一流程圖,說明本發明智能理財方法之該實施例的一目標投資組合資訊獲得程序; 圖3是一流程圖,說明本發明智能理財方法之該實施例的一投資類型管理調整程序; 圖4是一流程圖,說明該投資類型管理調整程序如何獲得一積極投資標的物的細部流程; 圖5是一流程圖,說明該投資類型管理調整程序如何獲得一消極投資標的物的細部流程; 圖6是一流程圖,說明本發明智能理財方法之該實施例的一投資標的物管理調整程序;及 圖7是一流程圖,說明本發明智能理財方法之該實施例的一監控目標投資組合資訊程序。

Claims (11)

  1. 一種智能理財方法,藉由一經由一通訊網路連接一客戶端的伺服端來實施,該伺服端儲存一包含多個問題的投資問卷、一分數對應表,以及多筆投資組合資訊,其中每一問題包括各自所對應的多個選項,該分數對應表包含每一問題所對應之每一選項相對於每一投資組合資訊的分數,該智能理財方法包含: (A) 藉由該伺服端,在接收一來自該客戶端且包含多個相關於該投資問卷中的每一問題所對應之作答選項的作答內容後,對於每一投資組合資訊,根據該作答內容中的該等作答選項與該分數對應表,獲得一對應該投資組合資訊的目標分數分數;及 (B) 藉由該伺服端,在獲得每一投資組合資訊所對應的目標分數後,根據該目標分數,自該等投資組合資訊中,獲得一目標投資組合資訊。
  2. 如請求項1所述的智能理財方法,在步驟(B)之後,該智能理財方法還包含以下步驟: (C) 藉由該伺服端,根據該作答內容,獲得一相關於該目標投資組合資訊的客製化需求。
  3. 如請求項2所述的智能理財方法,其中: 在該步驟(A)中,對於每一投資組合資訊,該伺服端統計該等作答選項相對於該投資組合資訊所對應之該等分數的總分,並將該投資組合資訊對應之總分作為該目標分數;及 在該步驟(B)中,根據該等目標分數,自該等投資組合資訊中,獲得對應有最高目標分數的投資組合資訊以作為該目標投資組合資訊。
  4. 如請求項3所述的智能理財方法,該投資問卷包含一相關於風險承受度的風險承受度問題,及至少一相關於偏好之投資屬性的投資偏好問題,其中,在步驟(C)中,該客製化需求包含一相關於該目標投資組合資訊中對應於一高風險之投資類型所佔比例的投入比例條件,及一相關於該目標投資組合資訊,且包含至少一偏好之投資屬性的偏好設定條件,該伺服端係藉由該風險承受度問題所對應的作答選項獲得該投入比例條件,並藉由該至少一投資偏好問題所對應的作答選項獲得該偏好設定條件。
  5. 如請求項4所述的智能理財方法,該投資問卷還包含一相關於年收入的年收入問題,以及一相關存款的存款問題,其中,在步驟(C)中,當該年收入問題所對應的作答選項所指示出的年收入大於一預設收入值,或該存款問題所對應的作答選項所指示出的存款大於一預設存款值時,該客製化需求還包含一降低稅負條件,該伺服端係藉由該年收入問題及該存款問題所對應的作答選項判定是否獲得該降低稅負條件,當該伺服端判定出該年收入問題所對應的作答選項所指示出的年收入大於該預設收入值,或該存款問題所對應的作答選項所指示出的存款大於該預設存款值時,該伺服端所獲得的該客製化需求還包含該降低稅負條件。
  6. 如請求項4所述的智能理財方法,該伺服端還儲存多個預設投資類型,以及多個投資標的物,每一投資標的物包括多個屬性,且被歸類為該等預設投資類型之其中一者,其中每一投資組合資訊包含多個選自於該等預設投資類型的投資類型,以及每一投資類型所對應的投資比例,在步驟(C)之後,該智能理財方法還包含以下步驟: (D) 藉由該伺服端,根據該客製化需求,判定是否需調整該目標投資組合資訊所對應的投資類型的投資比例; (E) 當該伺服端判定出需調整該目標投資組合資訊的投資比例時,該伺服端根據該客製化需求的該投入比例條件調整該目標投資組合資訊的投資比例;及 (F) 藉由該伺服端,根據該客製化需求的該偏好設定條件,自該等投資標的物選取多個具有符合該偏好設定條件之屬性的目標投資標的物來作為該目標投資組合資訊中的投資標的物,並將該目標投資組合資訊傳送至該客戶端。
  7. 如請求項6所述的智能理財方法,該伺服端還儲存多個分別指示出該等預設投資類型之漲跌幅的漲跌值,在步驟(F)之後,該智能理財方法還包含以下步驟: (G) 藉由該伺服端,根據該等預設投資類型的漲跌值,判定該等預設投資類型中是否存在至少一積極投資類型所對應的漲跌值高於其各自對應的一漲幅指標;及 (H) 當該伺服端判定出該存在該至少一積極投資類型時,對於該目標投資組合資訊中每一與該至少一積極投資類型之其中一者相同的投資類型,自該投資類型所對應的投資標的物中,獲得一積極投資標的物,並將一包含該積極投資標的物的投資買入建議傳送至該客戶端。
  8. 如請求項7所述的智能理財方法,其中,該步驟(H)包含以下子步驟: (H-1) 當該伺服端判定出該存在該至少一積極投資類型時,對於該目標投資組合資訊中每一與該至少一積極投資類型之其中一者相同的投資類型,判定該投資類型是否屬於該高風險之投資類型; (H-2) 該伺服端計算該目標投資組合資訊中該投資類型所對應的投資比例,並判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於一預定值;及 (H-3) 當該伺服端判定出該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差大於該預定值時,自該投資類型所對應的投資標的物中,獲得該積極投資標的物,並將一包含該積極投資標的物的投資買入建議傳送至該客戶端。
  9. 如請求項6所述的智能理財方法,該伺服端還儲存多個分別指示出該等預設投資類型之漲跌幅的漲跌值,在步驟(F)之後,該智能理財方法還包含以下步驟: (I) 藉由該伺服端,根據該等預設投資類型的漲跌值,判定該等預設投資類型中是否存在至少一消極投資類型所對應的漲跌值低於其各自對應的一跌幅指標;及 (J) 當該伺服端判定出該存在該至少一消極投資類型時,對於該目標投資組合資訊中每一與該至少一消極投資類型之其中一者相同的投資類型,自屬於該投資類型的該等目標投資標的物中,獲得一消極投資標的物,並將一包含該消極投資標的物的投資賣出建議傳送至該客戶端。
  10. 如請求項9所述的智能理財方法,其中,該步驟(J)包含以下子步驟: (J-1) 當該伺服端判定出該存在該至少一消極投資類型時,對於該目標投資組合資訊中每一與該至少一消極投資類型之其中一者相同的投資類型,判定該投資類型是否屬於該高風險之投資類型; (J-2) 該伺服端計算該目標投資組合資訊中該投資類型所對應的投資比例,並判定該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差是否大於另一預定值;及 (J-3) 當該伺服端判定出該投資類型所對應的投資比例與該投入比例條件所指示出的該高風險之投資類型所佔比例之差大於該另一預定值時,自該投資類型所對應的投資標的物中,獲得該消極投資標的物,並將一包含該消極投資標的物的投資賣出建議傳送至該客戶端。
  11. 如請求項6所述的智能理財方法,在步驟(F)之後,該智能理財方法還包含以下步驟: (K) 對於每一目標投資標的物,藉由該伺服端,計算一指示出該目標投資標的物於過去一時間區間之績效狀態的報酬率;及 (L) 藉由該伺服端,根據每一目標投資標的物所對應的報酬率,自該等目標投資標的物中,獲得一落後投資標的物,其中該落後投資標的物為該等目標投資標的物中對應之報酬率最低者,並將一包含該落後投資標的物的投資賣出建議傳送至該客戶端。
TW107101794A 2018-01-18 2018-01-18 智能理財方法 TW201933197A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW107101794A TW201933197A (zh) 2018-01-18 2018-01-18 智能理財方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107101794A TW201933197A (zh) 2018-01-18 2018-01-18 智能理財方法

Publications (1)

Publication Number Publication Date
TW201933197A true TW201933197A (zh) 2019-08-16

Family

ID=68316024

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107101794A TW201933197A (zh) 2018-01-18 2018-01-18 智能理財方法

Country Status (1)

Country Link
TW (1) TW201933197A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749492B (zh) * 2020-03-26 2021-12-11 玉山商業銀行股份有限公司 投資項目評分方法、推薦方法與系統

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI749492B (zh) * 2020-03-26 2021-12-11 玉山商業銀行股份有限公司 投資項目評分方法、推薦方法與系統

Similar Documents

Publication Publication Date Title
US11373240B2 (en) Computer-implemented methods and computer systems for an electronic financial platform
US10740835B2 (en) Method and system for identifying high probability trade matches
US20070282728A1 (en) Consolidation, sharing and analysis of investment information
Hakansson et al. On the feasibility of automated market making by a programmed specialist
JP2020536336A (ja) 取引執行を最適化するためのシステム及び方法
US20220051329A1 (en) System and method for selecting a financial instrument to trade based on a match between a preferred characteristic of an issuer of the financial instrument in computer platforms designed for improved electronic execution of electronic transactions
US20210019833A1 (en) System and Method for Rule Set Selection
KR20200009280A (ko) 주식 종목 추천 방법 및 시스템
KR101955546B1 (ko) 대출 중개 플랫폼 시스템 및 신용도평가 장치와 그 방법
JP6288662B1 (ja) 業績予測管理システム及び方法
US11048386B2 (en) Graphical user interface to track dynamic data
TW201933197A (zh) 智能理財方法
CN114943582A (zh) 一种信息推荐方法、系统及推荐服务器
JP4205148B1 (ja) 気配情報提示処理システムおよびその方法、並びにプログラム
CN110809778A (zh) 股价预测辅助系统以及方法
CN103827910A (zh) 用于使用企业的市场价值与基本分析之间的差异显示企业价值的当前乖离率的方法
US20160239914A1 (en) Analyzing Financial Market Transactions
KR20190032305A (ko) 대출 중개 플랫폼 시스템 및 신용도평가 장치
Vasilev Forecasting the success rate of reward based crowdfunding projects
TWM577559U (zh) Unsecured household loan amount assessment system
JP2016212550A (ja) 金融商品取引支援システムおよび金融商品取引支援方法
TWI776370B (zh) 對於基金商品的投資風險評分方法及系統
JP7218037B1 (ja) 取引管理システム
US20220284450A1 (en) System and method for determining sentiment index for transactions
Wah Computational Models of Algorithmic Trading in Financial Markets.