金融产品的选择方法、装置、处理器以及电子设备制造方法及图纸

本申请公开了一种金融产品的选择方法、装置、处理器以及电子设备。涉及金融科技领域，该方法包括：在目标时间周期中获取M个候选金融产品，并对M个候选金融产品关联的金融数据进行处理，得到目标金融数据；将目标金融数据分别输入到N个预测模型中，输出N组收益结果，其中，每组收益结果均包含M个候选金融产品的收益结果；对于各组收益结果，分别将关联的M个候选金融产品按照收益结果进行排序，得到N个排序结果；根据N个排序结果判断每个金融产品是否满足预设要求，并根据满足预设要求的金融产品确定金融产品组合。通过本申请，解决了相关技术中利用单一特定数据确定金融产品组合时，金融产品组合难以满足用户的需求的问题。金融产品组合难以满足用户的需求的问题。金融产品组合难以满足用户的需求的问题。

【技术实现步骤摘要】
金融产品的选择方法、装置、处理器以及电子设备


[0001]本申请涉及金融科技领域，具体而言，涉及一种金融产品的选择方法、装置、处理器以及电子设备。

技术介绍

[0002]随着人工智能的发展，越来越多的研究人员将人工智能作为金融产品的分析工具，通过机器学习预测不同金融产品的情况，为客户推荐符合需求的金融产品。
[0003]传统技术利用特定的数据集训练线性模型，使得训练后的线性模型对一种金融产品进行预测。但是该技术中的线性模型只能利用一种特征对一只金融产品做出预测，由于影响股市的因素不取决于单一因素，而由新闻、经济情况等多个因素共同决定，因此，线性模型也不能识别整个股市的存在模式以及动态。
[0004]针对相关技术中利用单一特定数据确定金融产品组合时，金融产品组合难以满足用户的需求的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请的主要目的在于提供一种金融产品的选择方法、装置、处理器以及电子设备，以解决相关技术中利用单一特定数据确定金融产品组合时，金融产品组合难以满足用户的需求的问题。
[0006]为了实现上述目的，根据本申请的一个方面，提供了一种金融产品的选择方法。该方法包括：在目标时间周期中获取M个候选金融产品，并对M个候选金融产品关联的金融数据进行处理，得到目标金融数据；将目标金融数据分别输入到N个预测模型中，输出N组收益结果，其中，每组收益结果均包含M个候选金融产品的收益结果；对于各组收益结果，分别将关联的M个候选金融产品按照收益结果进行排序，得到N个排序结果；根据N个排序结果判断每个金融产品是否满足预设要求，并根据满足预设要求的金融产品确定金融产品组合，其中，预设要求是指金融产品位于各个排序结果的前预设比例的序列，金融产品组合中包含Z个目标金融产品，Z小于M，M、N、Z为正整数。
[0007]可选地，在目标时间周期中获取M个候选金融产品，并对M个候选金融产品关联的金融数据进行处理，得到目标金融数据包括：从金融咨询网站中获取M个候选金融产品以及M个候选金融产品的金融报表，并从金融报表中获取金融产品的金融数据，得到M个金融数据；对M个金融数据进行预处理，到M个处理后的金融数据，其中，预处理的方式至少包含以下之一：标准化处理、缺失值的填充处理；对于每个处理后的金融数据，分别对包含的所有金融特征数据进行重要程度的排列，得到M个金融特征数据序列，根据M个金融特征数据序列选取金融特征数据，将选取的金融特征数据确定为目标金融数据。
[0008]可选地，对于每个处理后的金融数据，分别对包含的所有金融特征数据进行重要程度的排列，得到M个金融特征数据序列包括：将M个处理后的金融数据分别输入到排序模型中，得到每个处理后的金融数据的各个金融特征数据的权重值；根据权重值的大小关系
对每个处理后的金融数据中的金融特征数据进行降序排列，得到M个金融特征数据序列；根据M个金融特征数据序列选取金融特征数据，将选取的金融特征数据确定为目标金融数据包括：分别从每个金融特征数据序列中选取第一预设数量的特征数据，并将选取的金融特征数据组合为目标金融数据。
[0009]可选地，N个预测模型包括N
‑
1个子预测模型以及由N
‑
1个子预测模型聚合得到的聚合模型，预测模型通过以下方式训练得到：获取Y个历史金融产品，并对Y个历史金融产品关联的金融数据进行处理，得到Y个样本数据；将Y个样本数据作为训练集，利用训练集训练N
‑
1个预设子预测模型，得到N
‑
1个子预测模型；利用聚合算法将N
‑
1个子预测模型进行聚合操作，得到初始聚合模型；利用Y个样本数据训练初始聚合模型，得到聚合模型，并在聚合模型符合基准模型要求的情况下，将聚合模型以及N
‑
1个子预测模型确定为N个预测模型，其中，聚合模型符合基准模型要求是指聚合模型的参数符合基准模型的参数要求。
[0010]可选地，根据满足预设要求的金融产品确定金融产品组合包括：根据相对收益从满足预设要求的金融产品中筛选目标金融产品，得到Z个目标金融产品；Z个目标金融产品组合为金融产品组合。
[0011]可选地，根据相对收益从满足预设要求的金融产品中筛选目标金融产品，得到Z个目标金融产品包括：将满足预设要求的金融产品的目标金融数据输入排序模型，得到每个金融产品的各个金融特征数据在目标时间周期内的权重值，并计算每个金融特征数据的权重值占总权重值的百分比；对于每个金融产品，利用百分比计算在目标时间周期内的波动率，并在波动率小于波动阈值的情况下，将金融产品确定为目标金融产品，得到Z个目标金融产品。
[0012]可选地，Z个目标金融产品组合为金融产品组合包括：分别根据每个目标金融产品的收益结果计算收益回报率，得到Z个收益回报率，并利用Z个收益回报率计算夏普比率；判断夏普比率是否大于预设夏普比率阈值；在夏普比率小于等于预设夏普比率阈值的情况下，从目标时间周期内满足预设要求的金融产品中重新确定Z个目标金融产品，并将重新确定的Z个目标金融产品组合为金融产品组合，其中，重新确定的Z个目标金融产品的夏普比率大于预设夏普比率阈值。
[0013]为了实现上述目的，根据本申请的另一方面，提供了一种金融产品的选择装置。该装置包括：获取单元，用于在目标时间周期中获取M个候选金融产品，并对M个候选金融产品关联的金融数据进行处理，得到目标金融数据；输入单元，用于将目标金融数据分别输入到N个预测模型中，输出N组收益结果，其中，每组收益结果均包含M个候选金融产品的收益结果；排序单元，用于对于各组收益结果，分别将关联的M个候选金融产品按照收益结果进行排序，得到N个排序结果；判断单元，用于根据N个排序结果判断每个金融产品是否满足预设要求，并根据满足预设要求的金融产品确定金融产品组合，其中，预设要求是指金融产品位于各个排序结果的前预设比例的序列，金融产品组合中包含Z个目标金融产品，Z小于M，M、N、Z为正整数。
[0014]根据本专利技术实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时控制非易失性存储介质所在的设备执行一种金融产品的选择方法。
[0015]根据本专利技术实施例的另一方面，还提供了一种电子设备，包含一个或多个处理器和存储器；存储器中存储有计算机可读指令，处理器用于运行计算机可读指令，其中，计算
机可读指令运行时执行一种金融产品的选择方法。
[0016]通过本申请，采用以下步骤：在目标时间周期中获取M个候选金融产品，并对M个候选金融产品关联的金融数据进行处理，得到目标金融数据；将目标金融数据分别输入到N个预测模型中，输出N组收益结果，其中，每组收益结果均包含M个候选金融产品的收益结果；对于各组收益结果，分别将关联的M个候选金融产品按照收益结果进行排序，得到N个排序结果；根据N个排序结果判断每个金融产品是否满足预设要求，并根据满足预设要求的金融产品确定金融产品组合，其中，预设要求是指金融产品位于各个排序结果的前预设比例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种金融产品的选择方法，其特征在于，包括：在目标时间周期中获取M个候选金融产品，并对所述M个候选金融产品关联的金融数据进行处理，得到目标金融数据；将所述目标金融数据分别输入到N个预测模型中，输出N组收益结果，其中，每组收益结果均包含M个候选金融产品的收益结果；对于各组收益结果，分别将关联的M个候选金融产品按照收益结果进行排序，得到N个排序结果；根据所述N个排序结果判断每个金融产品是否满足预设要求，并根据满足所述预设要求的金融产品确定金融产品组合，其中，所述预设要求是指金融产品位于各个排序结果的前预设比例的序列，所述金融产品组合中包含Z个目标金融产品，Z小于M，M、N、Z为正整数。2.根据权利要求1所述的方法，其特征在于，在目标时间周期中获取M个候选金融产品，并对所述M个候选金融产品关联的金融数据进行处理，得到目标金融数据包括：从金融咨询网站中获取所述M个候选金融产品以及所述M个候选金融产品的金融报表，并从金融报表中获取金融产品的金融数据，得到M个金融数据；对所述M个金融数据进行预处理，到M个处理后的金融数据，其中，所述预处理的方式至少包含以下之一：标准化处理、缺失值的填充处理；对于每个处理后的金融数据，分别对包含的所有金融特征数据进行重要程度的排列，得到M个金融特征数据序列，根据所述M个金融特征数据序列选取金融特征数据，将选取的金融特征数据确定为所述目标金融数据。3.根据权利要求2所述的方法，其特征在于，对于每个处理后的金融数据，分别对包含的所有金融特征数据进行重要程度的排列，得到M个金融特征数据序列包括：将所述M个处理后的金融数据分别输入到排序模型中，得到每个处理后的金融数据的各个金融特征数据的权重值；根据权重值的大小关系对每个处理后的金融数据中的金融特征数据进行降序排列，得到M个金融特征数据序列；根据所述M个金融特征数据序列选取金融特征数据，将选取的金融特征数据确定为所述目标金融数据包括：分别从每个金融特征数据序列中选取第一预设数量的特征数据，并将选取的金融特征数据组合为所述目标金融数据。4.根据权利要求1所述的方法，其特征在于，所述N个预测模型包括N
‑
1个子预测模型以及由所述N
‑
1个子预测模型聚合得到的聚合模型，所述预测模型通过以下方式训练得到：获取Y个历史金融产品，并对所述Y个历史金融产品关联的金融数据进行处理，得到Y个样本数据；将所述Y个样本数据作为训练集，利用所述训练集训练N
‑
1个预设子预测模型，得到所述N
‑
1个子预测模型；利用聚合算法将所述N
‑
1个子预测模型进行聚合操作，得到初始聚合模型；利用所述Y个样本数据训练所述初始聚合模型，得到所述聚合模型，并在所述聚合模型符合基准模型要求的情况下，将...

【专利技术属性】
技术研发人员：伏勇，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：