【技术实现步骤摘要】
本专利技术属于金融数据处理，具体涉及一种基于投资者画像的基金组合构建方法及设备。
技术介绍
1、基金中的基金(fund of fund,fof)是一种以基金为投资标的特殊的母基金。对于fof基金管理人来说，高效地从数量日益庞大的基金池中选出优质基金，进行合理组合，并适时调配是fof最大的核心竞争力。
2、fof组合构建的要点在于确定各基金所占的比例。一般fof基金组合构建的方法包括主观确定基金仓位、基于经典金融模型以及利用穷举法的组合构建。主观确定基金仓位的方法与管理人的经验和能力密切相关，具有很大的不确定性；经典金融模型的理论基础往往做了理想化的假设，很难完全与市场行情相匹配；利用穷举法进行组合构建会耗费巨大的计算资源，并且随着基金数量的增加，计算时间成倍增长。
技术实现思路
1、为了解决上述技术问题，本专利技术提出了一种基于投资者画像的基金组合构建方法及设备。
2、为了达到上述目的，本专利技术的技术方案如下：
3、一方面，本专利技术公开一种基于投资者画像的基金组合构建方法，包括：
4、步骤s1：采集若干投资者的基础数据，并进行特征提取，形成每个投资者的画像数据；
5、步骤s2：根据每个投资者的画像数据利用训练好的预测模型进行风险容忍度预测，得到对应的风险容忍度预测值；
6、步骤s3：将投资者按照不同的属性特征利用聚类模型进行分类，形成不同风险偏好的投资者群体，构建投资组合，属性特征包括人口统计属性、金融属性
7、步骤s4：根据投资组合的持仓量、成交量、流动性指标估计每个投资者的安全资金容量；
8、步骤s5：建立不同的基金组合，根据聚类结果将投资者的安全资金容量以内的资金分配到相应的基金组合；
9、步骤s6：根据基金组合的绩效进行评估，判断其是否满足要求；
10、若满足，则输出基金组合；
11、否则，对预测模型参数和/或聚类模型参数进行调整，重复步骤s2-s6，直至基金组合满足要求。
12、在上述技术方案的基础上，还可做如下改进：
13、作为优选的方案，步骤s1包括：
14、步骤s1.1：采集若干投资者的人口统计数据、资本净值、金融和非金融资产数据、行为属性中的一种或多种基础数据；
15、步骤s1.2：对基础数据进行特征提取；
16、步骤s1.3：得到每个投资者的年龄、受教育程度、婚姻状况、职业、子女数、净资产值、收入、风险承受意愿中的一种或多种画像数据。
17、作为优选的方案，预测模型的训练包括：
18、步骤a：将投资者的画像数据同时输入若干预测模型中；
19、步骤b：使用若干预测模型同时进行风险容忍度预测；
20、步骤c：基于风险容忍度的真实值，利用测试方法确定评估指标和测试方案，利用网格搜索与随机搜索进行预测模型参数调整；
21、步骤d：输出训练好的预测模型。
22、作为优选的方案，风险容忍度的真实值通过下式进行度量：
23、风险容忍度的真实值＝风险资产/总资产；
24、其中：总资产为风险资产和无风险资产之和。
25、此外，本专利技术还公开一种基于投资者画像的基金组合构建设备，包括：
26、画像数据形成模块，用于采集若干投资者的基础数据，并进行特征提取，形成每个投资者的画像数据；
27、风险容忍度预测模型，用于根据每个投资者的画像数据利用训练好的预测模型进行风险容忍度预测，得到对应的风险容忍度预测值；
28、聚类模型，用于将投资者按照不同的属性特征利用聚类模型进行分类，形成不同风险偏好的投资者群体，构建投资组合，属性特征包括人口统计属性、金融属性、行为属性以及风险容忍度预测值；
29、安全资金容量估计模型，用于根据投资组合的持仓量、成交量、流动性指标估计每个投资者的安全资金容量；
30、基金组合建立模型，用于建立不同的基金组合，根据聚类结果将投资者的安全资金容量以内的资金分配到相应的基金组合；
31、评估模型，用于根据基金组合的绩效进行评估，判断其是否满足要求；
32、若满足，则输出基金组合；
33、否则，对预测模型参数和/或聚类模型参数进行调整，重复执行风险容忍度预测模型、聚类模型、安全资金容量估计模型、基金组合建立模型以及评估模型，直至基金组合满足要求。
34、作为优选的方案，画像数据形成模块包括：
35、采集单元，用于采集若干投资者的人口统计数据、资本净值、金融和非金融资产数据、行为属性中的一种或多种基础数据；
36、特征提取单元，用于对基础数据进行特征提取；
37、画像数据获得单元，用于得到每个投资者的年龄、受教育程度、婚姻状况、职业、子女数、净资产值、收入、风险承受意愿中的一种或多种画像数据。
38、作为优选的方案，训练好的预测模型通过以下步骤获得：
39、步骤a：将投资者的画像数据同时输入若干预测模型中；
40、步骤b：使用若干预测模型同时进行风险容忍度预测；
41、步骤c：基于风险容忍度的真实值，利用测试方法确定评估指标和测试方案，利用网格搜索与随机搜索进行预测模型参数调整；
42、步骤d：输出训练好的预测模型。
43、作为优选的方案，风险容忍度的真实值通过下式进行度量：
44、风险容忍度的真实值＝风险资产/总资产；
45、其中：总资产为风险资产和无风险资产之和。
46、本专利技术公开一种基于投资者画像的基金组合构建方法及设备，具有以下有益效果：
47、第一，本专利技术在对投资者风险容忍度进行预测的基础上，将投资者按照不同的属性特征利用聚类模型进行分类，实现个性化的投资组合构建，可以更好地满足不同投资者的需求和风险偏好，提高投资组合的适配性和定制性。
48、第二，通过预测风险容忍度和评估安全资金容量，可以更准确地把握投资者的风险承受能力和投资组合的风险水平，从而有效控制整体投资组合的风险，有助于降低投资组合的波动性，提高资产的稳健性和可持续性。
49、第三，根据投资者聚类结果建立不同的基金组合，可以实现投资组合的多样性，不同风险承受能力和意愿的投资者将被分配到不同的组合，从而在投资组合层面上实现更好的分散投资，降低特定风险的影响。
50、第四，本专利技术可以实现基金组合的自动构建，具有理论支持，耗时短。
本文档来自技高网...【技术保护点】
1.基于投资者画像的基金组合构建方法，其特征在于，包括：
2.根据权利要求1所述的基金组合构建方法，其特征在于，所述步骤S1包括：
3.根据权利要求1所述的基金组合构建方法，其特征在于，所述预测模型的训练包括：
4.根据权利要求3所述的基金组合构建方法，其特征在于，风险容忍度的真实值通过下式进行度量：
5.基于投资者画像的基金组合构建设备，其特征在于，包括：
6.根据权利要求5所述的基金组合构建设备，其特征在于，所述画像数据形成模块包括：
7.根据权利要求5所述的基金组合构建设备，其特征在于，训练好的所述预测模型通过以下步骤获得：
8.根据权利要求7所述的基金组合构建设备，其特征在于，风险容忍度的真实值通过下式进行度量：
【技术特征摘要】
1.基于投资者画像的基金组合构建方法，其特征在于，包括：
2.根据权利要求1所述的基金组合构建方法，其特征在于，所述步骤s1包括：
3.根据权利要求1所述的基金组合构建方法，其特征在于，所述预测模型的训练包括：
4.根据权利要求3所述的基金组合构建方法，其特征在于，风险容忍度的真实值通过下式进行度量：
5....
【专利技术属性】
技术研发人员：张冰，周晔，沈光俊，李圣羽，牛晓健，
申请(专利权)人：苏州国际发展集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。