基于机器学习的交易资源分析方法、装置、设备和介质制造方法及图纸

技术编号:29979062 阅读:26 留言:0更新日期:2021-09-08 10:08
本申请涉及一种基于机器学习的交易资源分析方法、装置、设备和介质。所述方法包括:接收资源分析请求,并获取资源分析请求携带的待处理的市场交易业务和目标特殊条款。获取根据符合目标特殊条款的市场交易业务对应的建模因子,以及对应的初始交易资源,对预设的初始分析模型进行训练得到的交易资源分析模型。基于交易资源分析模型,对待处理的市场交易业务进行估值分析,生成对应的特殊条款交易资源分析结果,根据特殊条款交易资源分析结果,生成对应的业务推荐信息。采用本方法根据训练好的交易资源分析模型即可自动计算得到特殊条款交易资源分析结果,提高相应分析结果的准确性,保证投资用户的资产安全,以及维护互联网金融市场的稳定。金融市场的稳定。金融市场的稳定。

【技术实现步骤摘要】
基于机器学习的交易资源分析方法、装置、设备和介质


[0001]本申请涉及人工智能
,特别是涉及一种基于机器学习的交易资源分析方法、装置、设备和介质。

技术介绍

[0002]随着人工智能技术的日益发展,以及互联网金融业务的逐步推广,越来越多用户根据自身实际需求,而选择不同类型的互联网金融业务,比如不选择同类型的债券、投资产品以及理财产品等。而随着债券品类的日趋丰富,投资逐步精细化发展,为保证投资用户的切身利益,以及维护金融市场稳定,对于不同债券品类的利差情况日益重视。
[0003]传统上采用的债券利差计算方法,大多基于债券的收益率以及相应的基准收益率进行简单计算,以担保条款为例,可以通过计算担保债券收益率和其基准曲线收益率的差值,得到担保利差,或计算主体未担保债券收益率和主体担保债券收益率的差值,计算得到担保利差,还可以通过计算同期限同评级曲线收益率和担保债券收益率的差值,计算得到担保利差。
[0004]但传统的债券利差计算方法的计算方式较为粗糙,未对不同品类的债券进行全面考虑,比如具有特殊条款的利差,或存续债券较少的主体进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的交易资源分析方法,其特征在于,所述方法包括:接收资源分析请求,并获取所述资源分析请求携带的待处理的市场交易业务和目标特殊条款;获取根据符合目标特殊条款的市场交易业务对应的建模因子,以及对应的初始交易资源,对预设的初始分析模型进行训练得到的交易资源分析模型;基于所述交易资源分析模型,对待处理的所述市场交易业务进行估值分析,生成对应的特殊条款交易资源分析结果;根据所述特殊条款交易资源分析结果,生成对应的业务推荐信息。2.根据权利要求1所述的方法,其特征在于,对预设的初始分析模型进行训练得到交易资源分析模型,包括:获取符合目标特殊条款的市场交易业务对应的第一要素因子,以及所述目标特殊条款对应的第二要素因子;基于所述第一要素因子和所述第二要素因子,进行要素编码处理,生成对应的建模因子;获取符合目标特殊条款的市场交易业务对应的初始交易资源;基于各所述建模因子以及所述初始交易资源,对所述预设的初始分析模型进行训练,生成训练好的交易资源分析模型。3.根据权利要求2所述的方法,其特征在于,所述获取符合目标特殊条款的市场交易业务对应的初始交易资源,包括:提取符合目标特殊条款的市场交易业务,并根据符合目标特殊条款的所述市场交易业务确定对应的样本交易业务;获取目标特殊条款的市场交易业务的特殊条款交易资源收益率,以及与所述样本交易业务对应的无条款交易资源收益率;根据所述特殊条款交易资源收益率,以及所述无条款交易资源收益率,确定符合目标特殊条款的市场交易业务对应的初始交易资源。4.根据权利要求2所述的方法,其特征在于,所述基于所述第一要素因子和所述第二要素因子,进行要素编码处理,生成对应的建模因子,包括:从所述第一要素因子和所述第二要素因子,确定出连续变量因子和分类变量因子;基于所述分类变量因子进行要素编码处理,将各所述分类变量因子转换成数值变量因子;基于所述连续变量因子进行标准化处理,生成对应的离散数据因子;基于所述数值变量因子以及离散数据因子进行归一化处理,生成对应的建模因子。5.根据权利要求3所述的方法,其特征在于,生成与所述样本交易业务对应的无条款交易资源收益率的方式,包括:获取同评级同行业收益率曲线以及所述样本交易业务的收益率;根据所述同评级同行...

【专利技术属性】
技术研发人员:江川罗力力白育龙程茜罗水权
申请(专利权)人:平安资产管理有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1