CN110992190A - 基于用户画像的资产配置方法及装置 - Google Patents
基于用户画像的资产配置方法及装置 Download PDFInfo
- Publication number
- CN110992190A CN110992190A CN201911314852.7A CN201911314852A CN110992190A CN 110992190 A CN110992190 A CN 110992190A CN 201911314852 A CN201911314852 A CN 201911314852A CN 110992190 A CN110992190 A CN 110992190A
- Authority
- CN
- China
- Prior art keywords
- user
- asset
- asset allocation
- configuration
- class
- 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
Links
Images
Classifications
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
- G06Q30/0271—Personalized advertisement
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请实施例提供一种基于用户画像的资产配置方法及装置，方法包括：根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置；本申请能够有效提升客户资产配置方案的准确性、针对性和可靠性。
Description
技术领域
本申请涉及数据分析领域，具体涉及一种基于用户画像的资产配置方法及装置。
背景技术
随着人工智能商业化浪潮的涌动，其技术也迅速应用于金融业务中，智能投顾是其在财富管理领域最核心的应用。
智能投顾也叫机器人理财，虚拟机器人基于客户自身理财需求，通过算法和产品来完成以往人工提供的理财顾问服务，为客户提供风险收益均衡的财富管理解决方案。随着大众理财的规模越来越大，智能投顾低成本、风险分散等优点迎合大众理财需求，智能投顾业务规模越来越大，越来越多的券商、基金公司、银行和互联网金融机构入场智能投顾业务。
发明人发现，现有技术提供的智能投顾方法仅通过风险和期限两个维度来为客户提供差异化组合产品，同质化严重，趋同会导致踩踏，同时，较少的画像维度无法为客户提供精准的服务建议，且模型算法趋同容易导致羊群效应，不利于市场经济的安全稳定。
发明内容
针对现有技术中的问题，本申请提供一种基于用户画像的资产配置方法及装置，能够有效提升客户资产配置方案的准确性、针对性和可靠性。
为了解决上述问题中的至少一个，本申请提供以下技术方案：
第一方面，本申请提供一种基于用户画像的资产配置方法，包括：
根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比；
根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
进一步地，所述根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比，包括：
根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益；
根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
进一步地，在所述根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置之前，包括：
根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像；
根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
进一步地，在所述根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置之后，包括：
根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案；
根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
第二方面，本申请提供一种基于用户画像的资产配置装置，包括：
大类配置模块，用于根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比；
资产配置模块，用于根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
进一步地，所述大类配置模块包括：
市场预测单元，用于根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益；
大类占比确定单元，用于根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
进一步地，还包括：
产品画像构建单元，用于根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像；
优选产品池组建单元，用于根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
进一步地，还包括：
调整方案确定单元，用于根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案；
账户资产配置调整单元，用于根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
第三方面，本申请提供一种电子设备，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的基于用户画像的资产配置方法的步骤。
第四方面，本申请提供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的基于用户画像的资产配置方法的步骤。
由上述技术方案可知，本申请提供一种基于用户画像的资产配置方法及装置，通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
附图说明
为了更清楚地说明本申请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，下面描述中的附图是本申请的一些实施例，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为本申请实施例中的基于用户画像的资产配置方法的流程示意图之一；
图2为本申请实施例中的基于用户画像的资产配置方法的流程示意图之二；
图3为本申请实施例中的基于用户画像的资产配置方法的流程示意图之三；
图4为本申请实施例中的基于用户画像的资产配置方法的流程示意图之四；
图5为本申请实施例中的基于用户画像的资产配置装置的结构图之一；
图6为本申请实施例中的基于用户画像的资产配置装置的结构图之二；
图7为本申请实施例中的基于用户画像的资产配置装置的结构图之三；
图8为本申请实施例中的基于用户画像的资产配置装置的结构图之四；
图9为本申请实施例中的电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到现有技术提供的智能投顾方法仅通过风险和期限两个维度来为客户提供差异化组合产品，同质化严重，趋同会导致踩踏，同时，较少的画像维度无法为客户提供精准的服务建议，且模型算法趋同容易导致羊群效应，不利于市场经济的安全稳定的问题，本申请提供一种基于用户画像的资产配置方法及装置，通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
为了能够有效提升客户资产配置方案的准确性、针对性和可靠性，本申请提供一种基于用户画像的资产配置方法的实施例，参见图1，所述基于用户画像的资产配置方法具体包含有如下内容：
步骤S101：根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比。
可选地，所述用户的风险偏好和投资期限可以从所述用户的用户画像中获取，也可以为用户自定义设定的。
可选地，对大类资产进行市场预测可以为对目前市场上现有的各大类资产(例如货币类、固收类、权益类)进行的风险预测和收益预测，在本申请的其他实施例中，此处也可以进行其他类型信息的预测。
可以理解的是，所述大类资产配置占比为针对该用户推荐的资产配置方案中各大类资产分别的占比，例如下表1为三位用户不同的大类资产配置占比实例：
表1三位用户不同的大类资产配置占比表
例如，客户风险等级为中，持有期限预期为中，那么根据我们对近期市场大类市场的预测数据(根据投研团队成员对近期各个大类市场风险因子确定后，结合时间序列模型对未来因子的预测值，针对大类市场进行回归后得到对未来市场的预测)，会根据大类为客户配置61.5％的固收，28.2％的权益，7％的海外，3.7％的商品基金产品。
步骤S102：根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
可选地，所述预设优选产品池包含有符合预设产品筛选规则的至少一个产品，所述产品例如一种投资理财金融产品，所述产品筛选规则可以从收益率、风险率等各个维度与对应阈值进行数值比较。
可选地，所述用户画像包括但不限于：风险承受能力、投资期限偏好、年龄、性别、地域、收入、偏好基金公司、偏好基金经理、偏好产品类型以及偏好投资行业。
例如，客户风险等级为中，持有期限预期为中，那么根据投研团队结合资产配置模型得出符合其风险与期限的大类资产按配置，类为客户配置61.5％的固收，28.2％的权益，7％的海外，3.7％的商品基金产品组合，且在其中的配置的标的基金均是根据客户基金公司偏好，行业偏好以及客户行为数据分析得出，来源于基金优选池的产品。
从上述描述可知，本申请实施例提供的基于用户画像的资产配置方法，能够通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
为了能够对用户可能购买的大类资产进行准确的市场预测，同时综合考量市场预测结果以确定对用户最优的大类资产配置占比，在本申请的基于用户画像的资产配置方法的一实施例中，参见图2，还可以具体包含如下内容：
步骤S201：根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益。
步骤S202：根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
可选地，首先可以对资产进行分类，例如将当前用户可能持有的资产分为货币类、固收类、权益类、海外类和商品类共5个大类，以作为市场预测以及大类资产配置的基础。
然后，通过对宏观和微观多达400多类有解释性的经济学因子进行分析，得出以年为单位对上述5类资产有效的因子，并按月给出因子的预测值和相关性矩阵，结合各类资产的历史收益(例如3年内)，计算对因子的暴露，得出各个资产的因子暴露以及相关性矩阵。
再然后，可以采用马科维茨模型，根据上述得出的各个资产的因子暴露以及相关性矩阵作为模型的输入，结合用户的风险偏好以及投资期限，得到针对该用户的大类资产配置占比。
为了能够对用户可能购买的产品进行准确的穿透式分析，并根据优质产品组建优选产品池，在本申请的基于用户画像的资产配置方法的一实施例中，参见图3，还可以具体包含如下内容：
步骤S301：根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像。
步骤S302：根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
可选地，可以应用GARCH金融时间序列、BARRA结构化多因子等金融量化模型对全市场的金融数据进行有效的穿透式分析建模，获取全面、精准的产品画像，并在此基础上对基金产品的择时能力、配置能力、风格稳定性等量化指标进行分类评分，实现可控的产品评价分析体系。
可选地，每个产品类别中，通过按月度动态的评级分数，优选前10的产品作为优选产品池。
为了能够对用户当前已有的资产配置进行调整，以符合目标资产配置，在本申请的基于用户画像的资产配置方法的一实施例中，参见图4，还可以具体包含如下内容：
步骤S401：根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案。
可选地，所述资产配置调整方案可以包括所述用户的当前资产配置中的各大类资产需要增持的数量或需要减持的数量。
步骤S402：根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
为了能够有效提升客户资产配置方案的准确性、针对性和可靠性，本申请提供一种用于实现所述基于用户画像的资产配置方法的全部或部分内容的基于用户画像的资产配置装置的实施例，参见图5，所述基于用户画像的资产配置装置具体包含有如下内容：
大类配置模块10，用于根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比。
资产配置模块20，用于根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
从上述描述可知，本申请实施例提供的基于用户画像的资产配置装置，能够通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
为了能够对用户可能购买的大类资产进行准确的市场预测，同时综合考量市场预测结果以确定对用户最优的大类资产配置占比，在本申请的基于用户画像的资产配置装置的一实施例中，参见图6，所述大类配置模块10包括：
市场预测单元11，用于根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益。
大类占比确定单元12，用于根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
为了能够对用户可能购买的产品进行准确的穿透式分析，并根据优质产品组建优选产品池，在本申请的基于用户画像的资产配置装置的一实施例中，参见图7，还包括：
产品画像构建单元31，用于根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像。
优选产品池组建单元32，用于根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
为了能够对用户当前已有的资产配置进行调整，以符合目标资产配置，在本申请的基于用户画像的资产配置装置的一实施例中，参见图8，还包括：
调整方案确定单元41，用于根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案。
账户资产配置调整单元42，用于根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
从硬件层面来说，为了能够有效提升客户资产配置方案的准确性、针对性和可靠性，本申请提供一种用于实现所述基于用户画像的资产配置方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现基于用户画像的资产配置装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的基于用户画像的资产配置方法的实施例，以及基于用户画像的资产配置装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，基于用户画像的资产配置方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图9为本申请实施例的电子设备9600的系统构成的示意框图。如图9所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图9是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，基于用户画像的资产配置方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
步骤S101：根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比。
步骤S102：根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
从上述描述可知，本申请实施例提供的电子设备，通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
在另一个实施方式中，基于用户画像的资产配置装置可以与中央处理器9100分开配置，例如可以将基于用户画像的资产配置装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现基于用户画像的资产配置方法功能。
如图9所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图9中所示的所有部件；此外，电子设备9600还可以包括图9中没有示出的部件，可以参考现有技术。
如图9所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的基于用户画像的资产配置方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的基于用户画像的资产配置方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
步骤S101：根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比。
步骤S102：根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
从上述描述可知，本申请实施例提供的计算机可读存储介质，通过根据用户的风险偏好和投资期限以及对各大类资产收益和风险的市场预测结果，针对该用户的实际情况为其推荐最优的大类资产配置占比；根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置，由于本申请能够结合多个维度的用户画像进行综合考量，因此得出的目标资产配置更加准确、更有针对性且更安全可靠。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于用户画像的资产配置方法，其特征在于，所述方法包括：
根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比；
根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
2.根据权利要求1所述的基于用户画像的资产配置方法，其特征在于，所述根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比，包括：
根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益；
根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
3.根据权利要求1所述的基于用户画像的资产配置方法，其特征在于，在所述根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置之前，包括：
根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像；
根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
4.根据权利要求1所述的基于用户画像的资产配置方法，其特征在于，在所述根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置之后，包括：
根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案；
根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
5.一种基于用户画像的资产配置装置，其特征在于，包括：
大类配置模块，用于根据用户的风险偏好和投资期限以及大类资产市场预测结果，确定所述用户的大类资产配置占比；
资产配置模块，用于根据所述大类资产配置占比、预设优选产品池以及所述用户的用户画像，得到所述用户的目标资产配置。
6.根据权利要求5所述的基于用户画像的资产配置装置，其特征在于，所述大类配置模块包括：
市场预测单元，用于根据预设市场预测模型对各大类资产进行风险预测和收益预测，得到对应的大类资产预期风险和预期收益；
大类占比确定单元，用于根据所述大类资产预期风险和预期收益以及所述用户的风险偏好和投资期限，确定所述用户的大类资产配置占比。
7.根据权利要求5所述的基于用户画像的资产配置装置，其特征在于，还包括：
产品画像构建单元，用于根据预设金融量化模型对各预设产品进行穿透式分析，得到各产品对应的产品画像；
优选产品池组建单元，用于根据所述产品画像中的各量化指标和各预设指标阈值，得到优选产品池。
8.根据权利要求5所述的基于用户画像的资产配置装置，其特征在于，还包括：
调整方案确定单元，用于根据所述用户的当前资产配置和所述目标资产配置，确定资产配置调整方案；
账户资产配置调整单元，用于根据所述资产配置调整方案，确定对应的买卖操作清单，并根据所述买卖操作清单对所述用户的账户执行交易操作。
9.一种电子设备，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4任一项所述的基于用户画像的资产配置方法的步骤。
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，该计算机程序被处理器执行时实现权利要求1至4任一项所述的基于用户画像的资产配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911314852.7A CN110992190A (zh) | 2019-12-19 | 2019-12-19 | 基于用户画像的资产配置方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911314852.7A CN110992190A (zh) | 2019-12-19 | 2019-12-19 | 基于用户画像的资产配置方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110992190A true CN110992190A (zh) | 2020-04-10 |
Family
ID=70095942
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911314852.7A Pending CN110992190A (zh) | 2019-12-19 | 2019-12-19 | 基于用户画像的资产配置方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110992190A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899109A (zh) * | 2020-07-28 | 2020-11-06 | 北京口袋财富信息科技有限公司 | 一种资产管理方法、装置、可读存储介质及计算设备 |
| CN112767132A (zh) * | 2021-01-26 | 2021-05-07 | 北京国腾联信科技有限公司 | 一种数据处理方法及系统 |
| CN112927081A (zh) * | 2021-03-16 | 2021-06-08 | 北京同邦卓益科技有限公司 | 数据处理方法、设备、系统以及存储介质 |
| CN113033938A (zh) * | 2020-08-10 | 2021-06-25 | 深圳大学 | 确定资源分配策略的方法、装置、终端设备及存储介质 |
| CN113962815A (zh) * | 2021-11-12 | 2022-01-21 | 中国工商银行股份有限公司 | 信息监控方法、装置、电子设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109191306A (zh) * | 2018-08-08 | 2019-01-11 | 平安科技（深圳）有限公司 | 资产配置方法、系统、计算机设备和存储介质 |
| CN109886719A (zh) * | 2018-12-20 | 2019-06-14 | 平安科技（深圳）有限公司 | 基于网格的数据挖掘处理方法、装置和计算机设备 |
| CN110097394A (zh) * | 2019-03-27 | 2019-08-06 | 青岛高校信息产业股份有限公司 | 产品潜客推荐方法和装置 |
-
2019
- 2019-12-19 CN CN201911314852.7A patent/CN110992190A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109191306A (zh) * | 2018-08-08 | 2019-01-11 | 平安科技（深圳）有限公司 | 资产配置方法、系统、计算机设备和存储介质 |
| CN109886719A (zh) * | 2018-12-20 | 2019-06-14 | 平安科技（深圳）有限公司 | 基于网格的数据挖掘处理方法、装置和计算机设备 |
| CN110097394A (zh) * | 2019-03-27 | 2019-08-06 | 青岛高校信息产业股份有限公司 | 产品潜客推荐方法和装置 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899109A (zh) * | 2020-07-28 | 2020-11-06 | 北京口袋财富信息科技有限公司 | 一种资产管理方法、装置、可读存储介质及计算设备 |
| CN113033938A (zh) * | 2020-08-10 | 2021-06-25 | 深圳大学 | 确定资源分配策略的方法、装置、终端设备及存储介质 |
| CN113033938B (zh) * | 2020-08-10 | 2024-04-26 | 深圳大学 | 确定资源分配策略的方法、装置、终端设备及存储介质 |
| CN112767132A (zh) * | 2021-01-26 | 2021-05-07 | 北京国腾联信科技有限公司 | 一种数据处理方法及系统 |
| CN112767132B (zh) * | 2021-01-26 | 2024-02-02 | 北京国腾联信科技有限公司 | 一种数据处理方法及系统 |
| CN112927081A (zh) * | 2021-03-16 | 2021-06-08 | 北京同邦卓益科技有限公司 | 数据处理方法、设备、系统以及存储介质 |
| CN113962815A (zh) * | 2021-11-12 | 2022-01-21 | 中国工商银行股份有限公司 | 信息监控方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111861569B (zh) | 产品信息推荐方法及装置 | |
| CN110992190A (zh) | 基于用户画像的资产配置方法及装置 | |
| US20230267546A1 (en) | Goal Achievement Systems, Methods and Media | |
| US20180330437A1 (en) | System and method for online evaluation and underwriting of loan products | |
| CN107657527A (zh) | 贷款产品匹配方法、装置及计算机可读存储介质 | |
| WO2004107238A1 (en) | Customer revenue prediction method and system | |
| JP2017188111A (ja) | 資産運用・債務返済シミュレーション生成装置、プログラム及び方法 | |
| CN111932267A (zh) | 企业金融服务风险预测方法及装置 | |
| CN111369247A (zh) | 跨行交易数据处理方法及装置 | |
| CN112232947A (zh) | 贷中风险预测方法及装置 | |
| CN112766825A (zh) | 企业金融服务风险预测方法及装置 | |
| Colantone et al. | Low-cost import competition and firm exit: evidence from the EU | |
| CN112561686A (zh) | 供应链企业授信额度评估方法及系统 | |
| Silvestrov et al. | Control of platform monopolization in the digital economy: the implication of open innovation | |
| KR101899217B1 (ko) | 배정 주식 납입대금 대출을 위한 금융 기술 서비스 방법 및 그 장치 | |
| CN118172095A (zh) | 产品购买预测方法及装置 | |
| CN116681513A (zh) | 企业资产数据处理方法及装置 | |
| CN113393320A (zh) | 企业金融服务风险预测方法及装置 | |
| Hassan et al. | A comprehensive spectrum trading scheme based on market competition, reputation and buyer specific requirements | |
| CN113362185A (zh) | 投资组合数据处理方法及装置 | |
| CN112116402A (zh) | 信用风险客户级违约率确定方法及装置 | |
| CN111882323A (zh) | 基于云服务租赁的用户融资风险控制方法及装置 | |
| US20240370932A1 (en) | Integrated investment strategy generation and management system with enhanced functionalities | |
| US20240346597A1 (en) | Integrated investment strategy generation and management system with enhanced functionalities | |
| CN111932018B (zh) | 银行业务绩效贡献信息预测方法及装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220913 Address after: 25 Financial Street, Xicheng District, Beijing 100033 Applicant after: CHINA CONSTRUCTION BANK Corp. Address before: 25 Financial Street, Xicheng District, Beijing 100033 Applicant before: CHINA CONSTRUCTION BANK Corp. Applicant before: Jianxin Financial Science and Technology Co.,Ltd. |