【技术实现步骤摘要】
基于大数据分析的基金产品智能评估方法
[0001]本专利技术涉及金融数据处理
，具体为基于大数据分析的基金产品智能评估方法、装置及介质。
技术介绍
[0002]国内基金信息数据平台种类繁多，有像天天基金、支付宝蚂蚁财富、晨星这种综合类的信息汇总平台；也有像且慢、蛋卷基金、好买基金这种规模较小，但品类齐全的基金信息平台。除此之外，在基金推荐方面，还有像中国基金金牛奖这种较为权威的榜单作为信息的补充。
[0003]但综合来看，虽然上述所有基金平台和市面上大部分的基金信息平台都提供了基金榜单和分析等服务，但在基金分析算法体系方面和推荐结果的稳定性等方面还存在不足：对于基金分析算法体系方面，市场上的平台大都简单基于夏普比或者历史收益率，缺乏对基金独特性、风格性的讨论；缺乏对基金经理相关信息、基金公司等信息的综合分析体系，而且基金排名的结果很多情况下具有不可解释性；对于推荐结果时效性等方面，现有技术存在受短期市场因素影响过大，从而导致推荐结果波动大的问题。
技术实现思路
[0004](一)解决的技术问题<...
【技术保护点】
【技术特征摘要】
1.一种基于大数据分析的基金产品智能评估方法，其特征在于，所述方法包括：采集历史基金产品数据，对历史基金数据进行分类；基于分类完成的历史基金数据构建因子池并进行多维因子计算；针对因子池中的底层因子池中的因子进行有效性检验,基于因子的有效性进行因子配权；构建多层次多因子模型进行基金产品评分。2.根据权利要求1所述的一种基于大数据分析的基金产品智能评估方法，其特征在于，所述方法还包括；基金评分排名结果校验。3.根据权利要求2所述的一种基于大数据分析的基金产品智能评估方法，其特征在于，所述采集历史基金产品数据，对历史基金数据进行分类，包括：进行数据一级分类，将不同资产类别的基金基于历史持仓资产占比，结合基金投资目标、基金名称信息进行关键词提取组成一级分类数据，并按月度频率数据采集更新；进行数据二级分类，根据地区、行业、风格、债券信用等级、债券久期分别进行分类，并分别基于历史持仓地区暴露度占比、行业暴露度占比、风格暴露度占比、不同等级债券暴露度占比、不同久期债券暴露度占比，同时结合基金投资目标、基金的名称信息进行关键词提取组成二级分类数据，并按月度频率数据采集更新；进行数据三级分类，基于一级数据、二级数据的分类进行整合和调整，组成建模用三级基金分类数据。4.根据权利要求3所述的一种基于大数据分析的基金产品智能评估方法，其特征在于，所述基于分类完成的历史基金数据构建因子池并进行多维因子计算，包括：基于三级基金分类数据将所述因子池分为：基金历史表现、基金经理表现、基金公司表现、基金基本面表现四个大类；基金历史表现包括：收益类、风险类两个二级因子，收益类二级因子包括：过去N月/N年收益率、过去N月/N年超额收益率、过去N月/N年夏普比率三个底层因子，风险类二级因子包括：过去N月/N年最大回撤、过去N月/N年最大单日回撤、过去N月/N年波动率、过去N月/N年偏度四个底层因子；基金经理表现包括：收益能力类、经验类、择时能力类三个二级因子；收益能力类二级因子包括：所管理的偏股型基金历史N月/N年收益率、所管理的偏债型基金历史N月/N年收益率、所管理的偏货币型基金历史N月/N年收益率、过去N月/N年超额收益率四个底层因子；经验类二级因子包括：任期、任期适中度、从业经验、从业经验适中度四个底层因子；择时能力类二级因子包括：C
‑
L模型、T
‑
M模型、H
‑
M模型三个底层因子；基金公司表现包括：收益类、成熟度类、规模类三个二级因子；收益类二级因子包括：旗下偏股型基金历史N月/N年收益率、旗下偏债型基金历史N月/N年收益率、旗下偏货币型基金历史N月/N年收益率三个底层因子；成熟度类二级因子包括：公司成立年限、第一支基金成立至今年限、产品丰富度三个底层因子；规模类二级因子包括：旗下偏股型基金平均规模、旗下偏债型基金平均规模、旗下偏货币型基金平均规模三个底层因子；基金基本面表现类包括：规模类、费用类、风格变换类、换手率三个二级因子；规模类二级因子包括：基金过去N月/N年规模、基金过去N月/N年规模增速、基金规模适中度三个底层因子；费用类二级因子包括：管理费用、经营费用二个底层因子；风格变换类包括：...
【专利技术属性】
技术研发人员：雷震，杜雨萌，黄耀东，李一诺，刘园，张博文，
申请(专利权)人：弘量科技深圳有限公司，
类型：发明
国别省市：
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。