基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统技术方案

本发明专利技术涉及一种基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，包括来噻算法系统、iboard滤镜系统和iboard多赢对冲综合系统，来噻算法系统和iboard滤镜系统分别用于对数据进行过滤处理，获取对冲投资配置数据，iboard多赢对冲综合系统用以对来噻算法系统的输出和iboard滤镜系统的输出进行组合处理，获取用于进行多空对冲的数据，模型架构系统还包括一机器学习模块，机器学习模块分别与来噻算法系统和iboard滤镜系统以及iboard多赢对冲综合系统相连接，用于进行机器学习。采用该种基于人工智能实现量化对冲配置功能的模型架构系统，在进行了客观筛选的基础上在进行人工干预，做出的投资决策更加合理，帮助投资人规避风险。

A model architecture system based on large data and machine learning to realize artificial intelligence hedging investment allocation function

The invention relates to a large data based machine learning and artificial intelligence to achieve the investment allocation function of hedge model system, including thiophene algorithm system, iboard filter system and iboard integrated system to win the hedge, Sai algorithm system and iboard system were used to filter the data filtering, access to hedge investment configuration data, to output to the output of the system and algorithm to Sai iboard filter system are combined with the iboard integrated system for obtaining win-win hedge, long and short hedge data model architecture system also includes a machine learning module, machine learning module is respectively connected with the system and the iboard filter algorithm to data system and iboard integrated system for win-win hedge. Machine learning. The model architecture system based on artificial intelligence is used to quantify the function of hedging. Based on objective screening, artificial intervention is made to make investment decisions more reasonable and help investors avoid risks.

【技术实现步骤摘要】
基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统
本专利技术涉及商业模型配置领域，尤其涉及人工智能商业模型配置
，具体是指一种基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统。
技术介绍
随着人工智能的逐渐发展，其在生活中各个方面的应用也越来越多，而现代社会金融业高度发达，如何利用人工智能帮助投资者分析投资目标的潜力、规避风险，成为人们越来越关注的一个话题，提出一种基于人工智能的量化对冲配置模型结构，是本领域亟待解决的问题之一。
技术实现思路
本专利技术的目的是为了提供了一种能够更好的为投资人进行风险规避、选取更有潜力的投资目标的基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统。为了实现上述目的，本专利技术的基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统具体如下：该基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其主要特点是，所述的模型架构系统包括来噻算法系统和iboard滤镜系统，所述的来噻算法系统和iboard滤镜系统分别用于对数据进行过滤处理，获取对冲投资配置数据，所述的模型架构系统还包括一iboard本文档来自技高网...

【技术保护点】
一种基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其特征在于，所述的模型架构系统包括来噻算法系统和iboard滤镜系统，所述的来噻算法系统和iboard滤镜系统分别用于对数据进行过滤处理，获取对冲投资配置数据，所述的模型架构系统还包括一iboard多赢对冲综合系统，所述的iboard多赢对冲综合系统分别连接所述的来噻算法系统的输出端和iboard滤镜系统的输出端，用以对所述的来噻算法系统的输出和iboard滤镜系统的输出进行组合处理，获取用于进行多空对冲的数据，所述的模型架构系统还包括一机器学习模块，所述的机器学习模块分别与所述的来噻算法系统和iboard滤镜系统以及所述的i...

【技术特征摘要】
1.一种基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其特征在于，所述的模型架构系统包括来噻算法系统和iboard滤镜系统，所述的来噻算法系统和iboard滤镜系统分别用于对数据进行过滤处理，获取对冲投资配置数据，所述的模型架构系统还包括一iboard多赢对冲综合系统，所述的iboard多赢对冲综合系统分别连接所述的来噻算法系统的输出端和iboard滤镜系统的输出端，用以对所述的来噻算法系统的输出和iboard滤镜系统的输出进行组合处理，获取用于进行多空对冲的数据，所述的模型架构系统还包括一机器学习模块，所述的机器学习模块分别与所述的来噻算法系统和iboard滤镜系统以及所述的iboard多赢对冲综合系统相连接，用于进行机器学习。2.根据权利要求1所述的基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其特征在于，所述的来噻算法系统包括两个模块，分别为基于指数ETF的Beta收益增强模块和基于基金经理的主动选股的Alpha收益增强模块，其中，所述的基于指数ETF的Beta收益增强模块通过设置子模型以及将子模型组获取输入该来噻算法系统的资产的发展趋势信号，并根据该资产发展趋势信号对输入该基于指数ETF的Beta收益增强模块中的资产进行过滤，所述的发展趋势信号包括看空、中性和看多，并通过子模型和子模型组获取对冲投资配置数据；所述的基于基金经理的主动选股的Alpha收益增强模块通过第一筛选机制发掘具备增长潜力的投资主题和行业，且筛选机制的筛选条件由基金经理根据需要进行确定，所述的基于基金经理的主动选股的Alpha收益增强模块还用于基于第二筛选机制为选定的投资主题建立股票池，所述的第二筛选机制包括市值、流动性和公司管理质素。3.根据权利要求2所述的基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其特征在于，所述的子模型通过所述的机器学习模块进行机器学习，所述的机器学习模块基于一来噻主模型进行子模型进行训练和淘汰，包括对子模型中涉及的阈值的训练和淘汰，所述的子模型包括SAA周期模型和TAA偏好模型，其中，所述的SAA周期模型用以将高频宏观序列拟合中国市场与发达市场的增长周期，且所述的高频宏观序列与中国市场和发达市场的增长周期的拟合程度符合一预设的第一阈值，所述的SAA周期模型还根据各组高频宏观序列所处经济周期的不同阶段将不同组的高频宏观序列进行组合，获取恒生指数战略配置；所述的TAA偏好模型通过一预设的第二阈值对输入该来噻算法系统的日频市场数据序列进行过滤，获取符合第一阈值要求的日频市场数据序列。4.根据权利要求2所述的基于大数据和机器学习实现人工智能对冲投资配置功能的模型架构系统，其特征在于，所述的子模型组由子模型组合构成，且子模型组中各个子模型的权重由所述的机器学习模块基于对投资胜率和投资频率的多周期拟合获取，用户通过所述的子模型组的输出对输入该基于指数ETF的Beta收益增强模块的资...

【专利技术属性】
技术研发人员：温天，郑佳丽，温骐伟，乔健，其他发明人请求不公开姓名，
申请(专利权)人：来噻信息技术上海有限公司，
类型：发明
国别省市：上海,31