一种投资管理后端系统、方法、设备及存储介质技术方案

本公开提供了一种投资管理后端系统、方法、设备及存储介质，该系统包括：投资分析模块用于根据上市公司投资相关的非结构化数据以及结构化数据，为上市公司构建上市公司知识图谱；根据上市公司知识图谱，确定上市公司的金融资产画像；交互模块用于接收用户通过客户端发送的投资组合推荐请求，该投资组合推荐请求包括所述用户的投资需求信息；组合模块用于响应于所述用户的投资推荐请求，根据用户投资需求信息及上市公司的金融资产画像，为用户构建用户投资组合；风险分析模块用于利用风险模型，对用户投资组合进行风险预测以得到用户投资组合的风险预测结果。本公开能够为用户提供全方位、自动化的智能投资解决方案。自动化的智能投资解决方案。自动化的智能投资解决方案。

【技术实现步骤摘要】
一种投资管理后端系统、方法、设备及存储介质


[0001]本文涉及计算机
，尤其涉及一种投资管理后端系统、方法、设备及存储介质。

技术介绍

[0002]在投资领域，投资人主要是委托投资管理人进行投资，并通过投资管理人或新闻资讯获取投资相关信息，对于一些投资人来说，很难准确获取投资相关数据，并对上市公司进行全面分析，且无法准确预测投资风险。因此，急需一种智能化、全面化及自动化的投资管理系统，以协助投资人对投资市场进行预判，确定合理的投资组合。

技术实现思路

[0003]本文用于解决现有技术中没有一种智能化、全面化及自动化投资管理系统，以协助投资人对投资市场进行预判，确定合理的投资组合的问题。
[0004]为了解决上述技术问题，本文的第一方面提供一种投资管理后端系统，包括：投资分析模块、组合模块、风险分析模块及交互模块；
[0005]所述投资分析模块用于根据上市公司投资相关的非结构化数据以及结构化数据，为所述上市公司构建上市公司知识图谱，以便根据所述上市公司知识图谱，确定所述上市公司的金融资产画像；
[0006]所述交互模块用于接收用户通过客户端发送的投资组合推荐请求以及将为用户构建的用户投资组合以及所述用户投资组合的风险预测结果发送至所述用户的所述客户端，其中所述投资组合推荐请求包括所述用户的投资需求信息；所述组合模块用于响应于所述用户的投资推荐请求，根据所述用户投资需求信息及所述上市公司的金融资产画像，为所述用户构建用户投资组合；
[0007]所述风险分析模块用于利用风险模型，对所述用户投资组合进行风险预测以得到所述用户投资组合的风险预测结果，所述风险模型为风险因子收益率的协方差矩阵和特异性收益率的方差矩阵的组合，风险因子包含区域个性化因素。
[0008]作为本文的进一步实施例中，该投资管理后端系统还包括数据库，所述数据库用于存储所述非结构化数据、所述结构化数据、所确定的上市公司的金融资产画像、为用户构建的投资组合、所述风险模型、所述上市公司的营业收入预测模型以及所述风险预测结果。
[0009]作为本文的进一步实施例中，所述上市公司的金融资产画像至少包括营业收入，所述投资分析模块根据所述上市公司知识图谱，确定上市公司的营业收入包括：
[0010]根据所述上市公司知识图谱，确定影响所述上市公司的营业收入的多个输入因子；
[0011]通过因果关系检验以及嵌入式方式对所述多个输入因子进行筛选，以从所述多个输入因子中筛选出与所述上市公司的多个营业收入预测模型相关联的多个输入因子；
[0012]根据所筛选出的多个输入因子以及所述上市公司的多个营业收入预测模型，为所
述上市公司预测上市公司营业收入。
[0013]作为本文的进一步实施例中，所述投资分析模块根据所筛选出的多个输入因子以及所述上市公司的营业收入预测模型，为所述上市公司预测上市公司营业收入包括：
[0014]将所筛选出的多个输入因子分别输入至多个营业收入预测模型中，其中所述多个营业收入预测模型是基于所述上市公司的多种不同频率尺度的历史收入数据训练的，所述多种不同频率尺度的历史收入数据包括以下中的两种或更多种历史收入数据：所述上市公司的年频尺度收入数据、季频尺度收入数据、月频尺度收入数据、日频尺度收入数据；
[0015]对各营业收入预测模型输出的上市公司营业收入进行加权求和处理，计算得到上市公司营业收入，其中每一营业收入预测模型的权重是基于该营业收入预测模型的拟合精度确定的。
[0016]作为本文的进一步实施例中，所述投资分析模块还用于监控为所述上市公司预测的所述上市公司营业收入在预定时间长度的时间段内的第一波动以及与所筛选出的多个输入因子在所述时间段内的第二波动，所述风险分析模块还用于确定所述第一波动和所述第二波动是否属于异常波动，并且响应于确定所述第一波动和所述第二波动之一属于异常波动，确定所述上市公司发生了特异性风险。
[0017]作为本文的进一步实施例中，所述营业收入预测模型包括同比预测模型、环比预测模型、差分整合移动平均自回归模型、季节性差分自回归滑动平均模型、向量自回归模型、岭回归预测模型、核方法预测模型及情感分析预测模型中的多个。
[0018]作为本文的进一步实施例中，所述用户投资需求信息包括大资产需求信息以及投资范围信息；其中，大资产需求信息包括大类资产信息、第一资产配置模型标识、调仓参数；投资范围信息包括投资标的范围及第二资产配置模型标识；所述投资范围信息由用户根据上市公司的金融资产画像及大类资产配置方案确定，所述大类资产配置方案由所述组合模块根据大资产需求信息确定；所述数据库中存储有多个资产配置模型；
[0019]所述组合模块根据用户投资需求信息及上市公司的金融资产画像，构建用户投资组合，包括：
[0020]接收所述交互模块发送的大资产需求信息；
[0021]根据所述大资产需求信息中第一资产配置模型标识从所述数据库中调用第一资产配置模型；
[0022]将所述大资产需求信息中的大类资产信息及调仓参数输入至所述第一资产配置模型中，得到大类资产配置方案，通过所述交互模块发送所述大类资产配置方案至所述客户端；
[0023]接收所述交互模块发送的投资范围信息；
[0024]根据所述投资范围信息中的第二资产配置模型标识从所述数据库中调用第二资产配置模型；
[0025]将所述投资范围信息中的投资标的范围输入至所述第二资产配置模型中，得到子类资产配置方案；
[0026]根据所述子类资产配置方案，确定用户投资组合。
[0027]作为本文的进一步实施例中，所述资产配置模型包括均值方差模型、风险平价模型、风险预算模型、Black
‑
Litterman模型及等权重模型。
[0028]作为本文的进一步实施例中，所述交互模块还接收客户端发送的入池上市公司信息，根据所述入池上市公司信息在所述数据库中建立用户股票池、基金池及债券池；其中，所述入池上市公司信息由用户根据所述上市公司的金融资产画像确定；
[0029]所述组合模块根据所述子类资产配置方案，得到用户投资组合进一步为：所述组合模块根据所述子类资产配置方案、所述用户股票池、基金池及债券池，确定用户投资组合。
[0030]作为本文的进一步实施例中，所述风险模型包括股票风险模型及债券风险模型；
[0031]其中，所述股票风险模型包括股票风险因子收益率的协方差矩阵和股票特异性收益率的方差矩阵；所述股票风险因子包括：国家因子、行业因子及风格因子；
[0032]所述债券风险模型包括债券风险因子收益率的协方差矩阵和债券特异性收益率的方差矩阵；所述债券风险因子包括：利率期限结构因子、利率债利差变化因子及信用债利差变化因子。
[0033]作为本文的进一步实施例中，所述风险分析模块利用所述风险模型，对用户投资组合进行风险预测包括：
[0034]计算所述用户投资组合中各类投资的持仓向量；...

【技术保护点】

【技术特征摘要】
1.一种投资管理后端系统，其特征在于，包括：投资分析模块、组合模块、风险分析模块及交互模块；所述投资分析模块用于根据上市公司投资相关的非结构化数据以及结构化数据，为所述上市公司构建上市公司知识图谱，以便根据所述上市公司知识图谱，确定所述上市公司的金融资产画像；所述交互模块用于接收用户通过客户端发送的投资组合推荐请求以及将为用户构建的用户投资组合以及所述用户投资组合的风险预测结果发送至所述用户的所述客户端，其中所述投资组合推荐请求包括所述用户的投资需求信息；所述组合模块用于响应于所述用户的投资推荐请求，根据所述用户投资需求信息及所述上市公司的金融资产画像，为所述用户构建用户投资组合；所述风险分析模块用于利用风险模型，对所述用户投资组合进行风险预测以得到所述用户投资组合的风险预测结果，所述风险模型为风险因子收益率的协方差矩阵和特异性收益率的方差矩阵的组合，风险因子包含区域个性化因素。2.如权利要求1所述的投资管理后端系统，其特征在于，还包括数据库，所述数据库用于存储所述非结构化数据、所述结构化数据、所确定的上市公司的金融资产画像、为用户构建的投资组合、所述风险模型、所述上市公司的营业收入预测模型以及所述风险预测结果。3.如权利要求1所述的投资管理后端系统，其特征在于，所述上市公司的金融资产画像至少包括营业收入，所述投资分析模块根据所述上市公司知识图谱，确定上市公司的营业收入包括：根据所述上市公司知识图谱，确定影响所述上市公司的营业收入的多个输入因子；通过因果关系检验以及嵌入式方式对所述多个输入因子进行筛选，以从所述多个输入因子中筛选出与所述上市公司的多个营业收入预测模型相关联的多个输入因子；根据所筛选出的多个输入因子以及所述上市公司的所述多个营业收入预测模型，为所述上市公司预测上市公司营业收入。4.如权利要求3所述的投资管理后端系统，其特征在于，所述投资分析模块根据所筛选出的多个输入因子以及所述上市公司的营业收入预测模型，为所述上市公司预测上市公司营业收入包括：将所筛选出的多个输入因子分别输入至所述多个营业收入预测模型中，其中所述多个营业收入预测模型是基于所述上市公司的多种不同频率尺度的历史收入数据训练的，所述多种不同频率尺度的历史收入数据包括以下中的两种或更多种历史收入数据：所述上市公司的年频尺度收入数据、季频尺度收入数据、月频尺度收入数据、日频尺度收入数据；对所述多个营业收入预测模型输出的上市公司营业收入进行加权求和处理，计算得到上市公司营业收入，其中每一营业收入预测模型的权重是基于该营业收入预测模型的拟合精度确定的。5.根据权利要求3所述的投资管理后端系统，其特征在于，所述投资分析模块还用于监控为所述上市公司预测的所述上市公司营业收入在预定时间长度的时间段内的第一波动以及与所筛选出的多个输入因子在所述时间段内的第二波动，所述风险分析模块还用于确定所述第一波动和所述第二波动是否属于异常波动，并且响应于确定所述第一波动和所述第二波动之一属于异常波动，确定所述上市公司发生了特异性风险。
6.如权利要求3所述的投资管理后端系统，其特征在于，所述营业收入预测模型包括同比预测模型、环比预测模型、差分整合移动平均自回归模型、季节性差分自回归滑动平均模型、向量自回归模型、岭回归预测模型、核方法预测模型及情感分析预测模型中的多个。7.如权利要求1所述的投资管理后端系统，其特征在于，所述用户投资需求信息包括大资产需求信息以及投资范围信息；其中，大资产需求信息包括大类资产信息、第一资产配置模型标识、调仓参数；投资范围信息包括投资标的范围及第二资产配置模型标识；所述投资范围信息由用户根据上市公司的金融资产画像及大类资产配置方案确定，所述大类资产配置方案由所述组合模块根据大资产需求信息确定；所述数据库中存储有多个资产配置模型；所述组合模块根据用户投资需求信息及上市公司的金融资产画像，构建用户投资组合，包括：接收所述交互模块发送的大资产需求信息；根据所述大资产需求信息中第一资产配置模型标识从所述数据库中调用第一资产配置模型；将所...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：通联数据股份公司，
类型：发明
国别省市：