一种投资数据管理方法及装置制造方法及图纸

本申请提供了一种投资数据管理方法及装置，其中，该方法包括：获取待评估投资产品的特征参数；基于待评估投资产品的历史收益数据和特征参数的特征值，训练得到收益预测模型；基于训练得到的收益预测模型，预测待评估投资产品在未来预设时间段内的预期收益；将预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于待评估投资产品的用户投资建议；将用户投资建议反馈至用户终端。本申请在降低人力成本的同时，进一步保证投资的最大化，实用性更佳，且能够为用户及时的提供投资建议，使用体验度较佳。

【技术实现步骤摘要】
一种投资数据管理方法及装置
本申请涉及数据应用
，具体而言，涉及一种投资数据管理方法及装置。
技术介绍
现有金融投资领域中，选取合适的投资项目获取最大的收益是每一个投资人都有的想法，而传统的投资项目的选择是要依靠基金经理以及分析师对于行业的分析以及预测。专利技术人在研究中发现，现有技术中这种方法所生产的投资组合的优劣高度依赖投资经理、分析师的分析能力以及其擅长的行业的状况。而在市面上的投资项目数量十分庞大，人的精力又是有限的，投资经理以及分析师只可能在自己所擅长的领域内选择有限的投资项目进行分析。从而避开了大部分的投资项目，尤其是那些存在投资潜力但分析师并不了解的领域。这种选择投资项目的方式，一方面耗费的投资师的人力成本过高，另一方面也无法保证投资的最优化，且无法为用户及时的提供投资建议，使用体验度较差。
技术实现思路
有鉴于此，本申请的目的在于提供一种投资数据管理方法及装置，以在降低人力成本的同时，进一步保证投资的最大化，实用性更佳，且能够为用户及时的提供投资建议，使用体验度较佳。第一方面，本申请提供了一种投资数据管理方法，所述方法包括：获取待评估投资产品的特征参数；基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型；基于训练得到的所述收益预测模型，预测所述待评估投资产品在未来预设时间段内的预期收益；将所述预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于所述待评估投资产品的用户投资建议；将所述用户投资建议反馈至用户终端。结合第一方面，本申请提供了第一方面的第一种可能的实施方式，其中，按照如下步骤训练所述投资建议模型：获取投资产品样本，以及用户投资建议；基于训练得到的所述收益预测模型，预测所述投资产品样本在未来预设时间段内的预期收益；确定所述预期收益与实际收益之间的偏差信息；将确定的所述偏离信息作为所述投资建议模型的输入特征，将获取的所述用户投资建议作为所述投资建议模型的输出结果，训练得到所述投资建议模型。结合第一方面，本申请提供了第一方面的第二种可能的实施方式，其中，在所述获取待评估投资产品的特征参数之后，所述训练得到收益预测模型之前，所述方法还包括：根据预设的聚类算法，从预设个数的特征参数中筛选出用于分析所述待评估投资产品的特征参数集；所述基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型，包括：基于所述待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。结合第一方面的第二种可能的实施方式，本申请提供了第一方面的第三种可能的实施方式，其中，所述根据预设的聚类算法，从所述预设个数的特征参数中筛选出用于分析所述待评估投资产品的特征参数集，包括：基于所述预设个数的特征参数，确定不同的特征参数组合；根据预设的聚类算法，分别使用不同的特征参数组合对所述待评估投资产品进行聚类，确定所述不同的特征参数组合分别对应的聚类结果；根据所述聚类结果，从所述不同的特征参数组合中选择一种特征参数组合作为所述特征参数集。结合第一方面的第二种可能的实施方式，本申请提供了第一方面的第四种可能的实施方式，其中，所述基于所述待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型，包括：将所述待评估投资产品划分为不同的待评估投资产品组合；根据预设的聚类算法，使用筛选出的所述特征参数集对所述不同的待评估投资产品组合进行聚类，得到多个聚类簇：其中，每个聚类簇中包含至少一个待评估投资产品组合；根据聚类后每个聚类簇的统计特征，从所述多个聚类簇中选择一个对应的所述统计特征最优的聚类簇；基于选择的所述聚类簇中的各个待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。第二方面，本申请还提供了一种投资数据管理装置，所述装置包括：特征参数获取模块，用于获取待评估投资产品的特征参数；预测模型训练模块，用于基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型；预期收益预测模块，用于基于训练得到的所述收益预测模型，预测所述待评估投资产品在未来预设时间段内的预期收益；投资建议获取模块，用于将所述预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于所述待评估投资产品的用户投资建议；投资建议反馈模块，用于将所述用户投资建议反馈至用户终端。结合第二方面，本申请提供了第二方面的第一种可能的实施方式，其中，所述装置还包括：投资建议模型训练模块，用于获取投资产品样本，以及用户投资建议；基于训练得到的所述收益预测模型，预测所述投资产品样本在未来预设时间段内的预期收益；确定所述预期收益与实际收益之间的偏差信息；将确定的所述偏离信息作为所述投资建议模型的输入特征，将获取的所述用户投资建议作为所述投资建议模型的输出结果，训练得到所述投资建议模型。结合第二方面，本申请提供了第二方面的第二种可能的实施方式，其中，所述装置还包括：特征参数集筛选模块，用于根据预设的聚类算法，从预设个数的特征参数中筛选出用于分析所述待评估投资产品的特征参数集；所述预测模型训练模块，具体用于基于所述待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。结合第二方面的第二种可能的实施方式，本申请提供了第二方面的第三种可能的实施方式，其中，所述特征参数集筛选模块包括：特征参数组合确定单元，用于基于所述预设个数的特征参数，确定不同的特征参数组合；聚类结果确定单元，用于根据预设的聚类算法，分别使用不同的特征参数组合对所述待评估投资产品进行聚类，确定所述不同的特征参数组合分别对应的聚类结果；特征参数集选择单元，用于根据所述聚类结果，从所述不同的特征参数组合中选择一种特征参数组合作为所述特征参数集。结合第二方面的第二种可能的实施方式，本申请提供了第二方面的第四种可能的实施方式，其中，所述预测模型训练模块包括：投资产品组合划分单元，用于将所述待评估投资产品划分为不同的待评估投资产品组合；投资产品组合聚类单元，用于根据预设的聚类算法，使用筛选出的所述特征参数集对所述不同的待评估投资产品组合进行聚类，得到多个聚类簇：其中，每个聚类簇中包含至少一个待评估投资产品组合；聚类簇选择单元，用于根据聚类后每个聚类簇的统计特征，从所述多个聚类簇中选择一个对应的所述统计特征最优的聚类簇；预测模型训练单元，用于基于选择的所述聚类簇中的各个待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。本申请提供的投资数据管理方法及装置，其首先获取待评估投资产品的特征参数；然后基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型；再者基于训练得到的所述收益预测模型，预测所述待评估投资产品在未来预设时间段内的预期收益；最后将所述预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于所述待评估投资产品的用户投资建议；将所述用户投资建议反馈至用户终端，其基于待评估投资产品的历史收益数据和特征参数的特征值训练得到的收益预测模型进行该待评估投资产品在未来预设时间段内的预期收益的预测，预测的效率和准确度本文档来自技高网...

【技术保护点】
1.一种投资数据管理方法，其特征在于，所述方法包括：获取待评估投资产品的特征参数；基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型；基于训练得到的所述收益预测模型，预测所述待评估投资产品在未来预设时间段内的预期收益；将所述预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于所述待评估投资产品的用户投资建议；将所述用户投资建议反馈至用户终端。

【技术特征摘要】
1.一种投资数据管理方法，其特征在于，所述方法包括：获取待评估投资产品的特征参数；基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型；基于训练得到的所述收益预测模型，预测所述待评估投资产品在未来预设时间段内的预期收益；将所述预期收益与实际收益之间的偏离信息输入至预先训练好的投资建议模型，得到对应于所述待评估投资产品的用户投资建议；将所述用户投资建议反馈至用户终端。2.如权利要求1所述的方法，其特征在于，按照如下步骤训练所述投资建议模型：获取投资产品样本，以及用户投资建议；基于训练得到的所述收益预测模型，预测所述投资产品样本在未来预设时间段内的预期收益；确定所述预期收益与实际收益之间的偏差信息；将确定的所述偏离信息作为所述投资建议模型的输入特征，将获取的所述用户投资建议作为所述投资建议模型的输出结果，训练得到所述投资建议模型。3.如权利要求1所述的方法，其特征在于，在所述获取待评估投资产品的特征参数之后，所述训练得到收益预测模型之前，所述方法还包括：根据预设的聚类算法，从预设个数的特征参数中筛选出用于分析所述待评估投资产品的特征参数集；所述基于所述待评估投资产品的历史收益数据和所述特征参数的特征值，训练得到收益预测模型，包括：基于所述待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。4.如权利要求3所述的方法，其特征在于，所述根据预设的聚类算法，从所述预设个数的特征参数中筛选出用于分析所述待评估投资产品的特征参数集，包括：基于所述预设个数的特征参数，确定不同的特征参数组合；根据预设的聚类算法，分别使用不同的特征参数组合对所述待评估投资产品进行聚类，确定所述不同的特征参数组合分别对应的聚类结果；根据所述聚类结果，从所述不同的特征参数组合中选择一种特征参数组合作为所述特征参数集。5.如权利要求3所述的方法，其特征在于，所述基于所述待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型，包括：将所述待评估投资产品划分为不同的待评估投资产品组合；根据预设的聚类算法，使用筛选出的所述特征参数集对所述不同的待评估投资产品组合进行聚类，得到多个聚类簇：其中，每个聚类簇中包含至少一个待评估投资产品组合；根据聚类后每个聚类簇的统计特征，从所述多个聚类簇中选择一个对应的所述统计特征最优的聚类簇；基于选择的所述聚类簇中的各个待评估投资产品的历史收益数据和在筛选出的所述特征参数集下的特征值，训练得到收益预测模型。6.一种投资...

【专利技术属性】
技术研发人员：张家林，
申请(专利权)人：张家林，
类型：发明
国别省市：四川,51