一种基于人工智能的基金筛选系统及方法技术方案

本发明专利技术公开了一种基于人工智能的基金筛选系统及方法，包括人工智能分析预测主模块和客户交互主模块，所述人工智能分析预测主模块用于获取所有基金相关的数据并存储到数据库中，同时对数据进行清洗提取特征供人工智能模型学习，学习完成后产生预测模型，预测模型预测未来一个月所有基金的夏普比率，最终结合马科维茨投资组合理论和移动止盈计算出每日买入卖出信号及具体金额百分比，整个过程不需要人为干预，极大的节省了用户挑选基金的时间同时降低用户投资风险；所述客户交互主模块用于向用户展示人工智能筛选基金结果及每日买入卖出信号和具体金额百分比，同时展示基金信息，为用户提供更可信的筛选理由。

【技术实现步骤摘要】
一种基于人工智能的基金筛选系统及方法
本专利技术涉及大数据领域，特别涉及一种基于人工智能的基金筛选系统及方法。
技术介绍
在当代中国金融市场日益完善的背景下，中国公民的理财的理念日益突显，尤其是年轻人每月会将薪金的一部分作投资规划。股票期货等投资手段需要投资者具有专业的投资眼光而且买入的金额又有一定门槛。基金作为金融工具的组合由专业的基金经理操控，准入低，近些年基金由一种小众的投资方式逐渐变为一种全民的投资活动。基金作为一种投资工具真正懂得的人有限，更大一部分的基民还在用低买高卖的方式进行投资。到最终能够赚钱的也只是一小部分，大部分的人亏钱，大大打击很多基民的投资信心；就此目前市面上的基金理财的工具的功能仅能给用户展示某一支基金的具体详情，或者只是对基金的历史表现进行打分评级。投资者还需要反复进入各个页面对某些指标比对，甚至手动比对，而现在市场上有上万支基金，这上万支基金如果通过手动比对非常困难，要花大量的时间和脑力，为此，我们提出一种基于人工智能的基金筛选系统及方法。
技术实现思路
本专利技术的主要目的在于提供一种本文档来自技高网...

【技术保护点】
1.一种基于人工智能的基金筛选系统，其特征在于，包括：数据采集模块、数据处理模块、人工智能学习模块、预测模块、基金精选模块、仓位管理模块以及客户交互模块，其中，/n所述数据采集模块，用于采集基金数据；/n所述数据处理模块，用于清洗数据，提取特征；/n所述人工智能学习模块，用于学习未来1个月基金夏普比率与历史数据之间的关系，并将学习归纳出的规律生成预测模型；/n所述预测模块，用于预测未来1个月基金夏普比率，并将结果存入数据库；/n所述基金精选模块，用于对未来1个月基金夏普比率进行分析，进一步精选出未来1个月最有潜力的10只基金；/n所述仓位管理模块，用于计算每日买入卖出信号及具体金额百分比；/n...

【技术特征摘要】
1.一种基于人工智能的基金筛选系统，其特征在于，包括：数据采集模块、数据处理模块、人工智能学习模块、预测模块、基金精选模块、仓位管理模块以及客户交互模块，其中，
所述数据采集模块，用于采集基金数据；
所述数据处理模块，用于清洗数据，提取特征；
所述人工智能学习模块，用于学习未来1个月基金夏普比率与历史数据之间的关系，并将学习归纳出的规律生成预测模型；
所述预测模块，用于预测未来1个月基金夏普比率，并将结果存入数据库；
所述基金精选模块，用于对未来1个月基金夏普比率进行分析，进一步精选出未来1个月最有潜力的10只基金；
所述仓位管理模块，用于计算每日买入卖出信号及具体金额百分比；
所述客户交互模块，用于将上述计算结果通过小程序展示给用户。


2.一种基于人工智能的基金筛选方法，其特征在于，包括以下步骤：
(1)、获取过去7年市场所有基金的数据，包括基金种类、基金经理、基金规模、基金净值、基金分红、基金持仓；
(2)、数据清洗主要对数据中的脏数据进行清洗，提取特征主要从历史数据中提取出影响未来1个月基金夏普比率的关键特征，同时计算出历史数据中每只基金每个交易日未来1个月基金的夏普比率，并对夏普比率按分位数切分成10个类别；
(3)、将步骤(2)处理好的数据喂给人工智能模型学习，从大量历史数据中学习归纳出规律预测未来1个月基金夏普比率；
(4)、仓位管理，结合马科维茨投资组合理论和移动止盈计算出每日买入卖出信号及具体金额百分比。


3.根据权利要求2所述的一种基于人工智能的基金筛选方法，其特征在于，步骤(2)中具体过程为：首先对获取的基金数据中重复数据进行处理，只保留其中的一条数据，然后针对不同数据采用不同的策略对缺失...

【专利技术属性】
技术研发人员：周博，
申请(专利权)人：湖北东雯实业有限公司，
类型：发明
国别省市：湖北;42