【技术实现步骤摘要】
本专利技术涉及数据处理，尤其是指一种基金产品推荐及计算机可读存储介质。
技术介绍
1、在金融领域，利用算法开发面向投资者的投资推荐工具已经成为一个重要的研究和发展方向。这一领域的发展可以追溯到20世纪90年代，彼时一些金融机构就开始探索使用计算机算法来执行交易指令，这是算法在金融领域最早的应用之一。随着时间的推移，信息技术经历了快速发展，金融领域数据获取的能力也不断增强，算法在金融领域的应用逐渐增多，尤其是在投资推荐方面。进入21世纪，量化投资开始兴起，这种投资方式强调使用数学模型和统计方法来指导投资决策。量化投资的成功案例，如文艺复兴科技公司的medallion基金，证明了算法在投资决策中的强大潜力。
2、近年来，随着机器学习技术的进步，尤其是深度学习的崛起，算法在投资推荐工具中的应用达到了新的高度。机器学习算法能够从大量数据中自动学习并发现复杂的模式，这对于预测市场走势、评估投资风险和推荐投资组合等任务至关重要。
3、在金融科技领域，尤其是基金管理和投资组合构建的过程中，现有的技术主要依赖于基金历史数据中的静态特征（如历史收益率、基金类别）或简单的相似度计算进行基金推荐；但历史数据可能因市场环境的变化而失去预测未来的有效性，尤其是在市场结构性变动或经济周期变化时，基于历史业绩数据的预测并不准确，进而导致推荐的产品不符合市场周期，且无法满足投资者的需求。
技术实现思路
1、为此，本专利技术所要解决的技术问题在于克服现有技术中由于没有考虑到市场的周期变化，导
2、为解决上述技术问题，本专利技术提供了一种基金产品推荐方法，包括：
3、利用fama-french三因子模型，分别计算基金产品在历史时间中多个时间段内的市场因子暴露、规模因子暴露与价值因子暴露对应的平均值，获取历史平均市场因子暴露、历史平均规模因子暴露与历史平均价值因子暴露；
4、利用fama-french三因子模型，获取基金产品在当前时间段内的当前市场因子暴露、当前规模因子暴露、当前价值因子暴露；
5、基于基金产品的当前市场因子暴露、当前规模因子暴露、当前价值因子暴露与对应的历史平均市场因子暴露、历史平均规模因子暴露、历史平均价值因子暴露，结合预设因子权重，计算获取基金产品对应的灵活性评分；
6、基于市场的波动率、经济增长率与利率水平，获取当前市场周期类型；
7、基于当前市场周期类型对应的市场情绪指数，与初始特征权重组合，计算情景调整因子；特征权重组合包括收益率权重、波动率权重与灵活性权重；
8、基于情景调整因子对初始特征权重组合进行优化，获取优化特征权重组合；
9、基于优化特征权重组合与基金产品的收益率、波动率和灵活性评分，计算基金产品对应的综合基金评分；
10、基于基金产品对应的综合基金评分将基金池中所有的基金产品进行聚类，划分为保守型基金集合和风险型基金集合；
11、基于投资者的历史交易记录，获取投资者的风险偏好，包括保守型与风险型；所述历史交易记录包括交易频率、投资基金品种、盈亏记录、持仓时间与资产配置；
12、基于投资者的风险偏好，获取对应类型的基金集合中所有基金产品的综合基金评分，按照综合基金评分由大到小排序，获取前k个所对应的基金产品，作为推荐结果。
13、优选地，利用fama-french三因子模型，获取预设时间段内基金产品的市场因子暴露、规模因子暴露、价值因子暴露，表示为：
14、；
15、其中，表示预设时间段内基金产品的预期收益率，表示预设时间段内基金产品的无风险收益率，表示收益率基准，、与分别表示市场因子暴露、规模因子暴露、价值因子暴露，表示市场因子，表示规模因子，表示价值因子，表示预设模型误差项。
16、优选地，基金产品的灵活性评分，表示为：
17、；
18、其中，表示基金产品对应的灵活性评分，表示因子类别数，取值为3，；表示第种因子的预设因子权重，表示第种因子的因子暴露，表示第种因子的历史平均因子暴露。
19、优选地，基于市场的市场波动率、经济增长率与利率水平，获取当前市场周期类型，包括：
20、当经济增长率大于2%且市场波动率小于5%,则判定当前市场周期类型为扩张期；
21、当经济增长率不大于2%且市场波动率不小于5%,则判定当前市场周期类型为收缩期；
22、当经济增长率由负值转正，且市场波动率逐渐下降，则判定当前市场周期类型为复苏期；
23、当经济增长率小于0且市场波动率大于10%,则判定当前市场周期类型为衰退期。
24、优选地，基于当前市场周期类型对应的市场情绪指数，与初始特征权重组合，计算情景调整因子，表示为：
25、；
26、其中，表示市场周期类型为的情景调整因子，表示市场周期类型为的市场情绪指数，；表示第类特征的初始特征权重，表示初始特征权重组合中的特征类别总数。
27、优选地，基于情景调整因子对初始特征权重组合进行优化，获取优化特征权重组合，表示为：
28、；
29、其中，表示优化特征权重组合中第类特征的优化特征权重。
30、优选地，基于优化特征权重组合与基金产品的收益率、波动率和灵活性评分，计算基金产品对应的综合基金评分，表示为：
31、；
32、其中，表示基金产品对应的综合基金评分，表示优化特征权重组合中第类特征的优化特征权重；表示第类特征，。
33、优选地，若基金产品为没有历史数据的新基金产品，包括：
34、将基金池中所有的基金产品，及其对应的基金经理、投资主题、市场情绪指数作为节点，以节点之间的关系作为边，构建知识图谱；
35、基于新基金产品的基金经理与投资主题，在知识图谱中，利用余弦相似度，寻找与新基金产品相似度高于预设相似度的多个基金产品，组成相似基金集合；
36、对相似基金集合中所有基金产品的历史数据求平均，作为新基金产品的历史数据；
37、所述历史数据包括收益率与波动率。
38、优选地，若投资者为没有历史交易记录的新投资者，包括：
39、基于新投资者的基本信息，在已有历史交易记录的投资者中，寻找相似度高于预设阈值的多个投资者，组成相似用户集合；
40、计算相似用户集合中所有投资者的风险偏好的平均值，作为新投资者的风险偏好；
41、所述新投资者的基本信息包括性别、年龄与学历。
42、本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述所述的基金产品推荐方法中的步骤。
43、本专利技术的上述技术方案相比现有技术具有以下有益效果：
44、本专利技术所述的基金产品推荐方法，利用fama-french三因子模型本文档来自技高网...
【技术保护点】
1.一种基金产品推荐方法，其特征在于，包括：
2.根据权利要求1所述的基金产品推荐方法，其特征在于，利用Fama-French三因子模型，获取预设时间段内基金产品的市场因子暴露、规模因子暴露、价值因子暴露，表示为：
3.根据权利要求2所述的基金产品推荐方法，其特征在于，基金产品的灵活性评分，表示为：
4.根据权利要求1所述的基金产品推荐方法，其特征在于，基于市场的市场波动率、经济增长率与利率水平，获取当前市场周期类型，包括：
5.根据权利要求1所述的基金产品推荐方法，其特征在于，基于当前市场周期类型对应的市场情绪指数，与初始特征权重组合，计算情景调整因子，表示为：
6.根据权利要求5所述的基金产品推荐方法，其特征在于，基于情景调整因子对初始特征权重组合进行优化，获取优化特征权重组合，表示为：
7.根据权利要求6所述的基金产品推荐方法，其特征在于，基于优化特征权重组合与基金产品的收益率、波动率和灵活性评分，计算基金产品对应的综合基金评分，表示为：
8.根据权利要求1所述的基金产品推荐方法，其特征在于
9.根据权利要求1所述的基金产品推荐方法，其特征在于，若投资者为没有历史交易记录的新投资者，包括：
10.一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，所述计算机程序被处理器执行时，实现如权利要求1至9任一项所述的基金产品推荐方法中的步骤。
...【技术特征摘要】
1.一种基金产品推荐方法，其特征在于，包括：
2.根据权利要求1所述的基金产品推荐方法，其特征在于，利用fama-french三因子模型，获取预设时间段内基金产品的市场因子暴露、规模因子暴露、价值因子暴露，表示为：
3.根据权利要求2所述的基金产品推荐方法，其特征在于，基金产品的灵活性评分，表示为：
4.根据权利要求1所述的基金产品推荐方法，其特征在于，基于市场的市场波动率、经济增长率与利率水平，获取当前市场周期类型，包括：
5.根据权利要求1所述的基金产品推荐方法，其特征在于，基于当前市场周期类型对应的市场情绪指数，与初始特征权重组合，计算情景调整因子，表示为：
6.根据权利要求5所述的基金...
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。