一种基于鲁棒优化的产品推荐方法、装置、设备及介质制造方法及图纸

本发明专利技术属于金融数据处理技术领域，公开一种基于鲁棒优化的产品推荐方法、装置、设备及介质；所述方法包括：获取投资者偏好信息，形成投资者偏好向量P；将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束；将所述约束代入待估计参数模型，获得待估计参数；将参数代入投资概率模型求得投资者投资产品v

【技术实现步骤摘要】
一种基于鲁棒优化的产品推荐方法、装置、设备及介质


[0001]本专利技术属于金融数据处理
，特别涉及一种基于鲁棒优化的产品推荐方法、装置、设备及介质。

技术介绍

[0002]公募基金(Public Offering of Fund)是指以公开方式向社会公众投资者募集资金并以证券为主要投资对象的证券投资基金。公募基金是以大众传播手段招募，发起人集合公众资金设立投资基金，进行证券投资。这些基金在法律的严格监管下，有着信息披露，利润分配，运行限制等行业规范。
[0003]以某基金网销售的公募基金为例，当前投资者筛选基金产品时大致先考虑选择偏股或偏债的产品，往往都会在对应分类下按照网站或App提供的收益率、回撤、波动率等收益和风险指标给基金产品排序，从中挑选排名靠前的一些产品，再结合基金公司规模、基金经理明确以及其他评估指标确定最终会投资的产品。随着公募基金产品数量爆炸性增长，投资者越来越难以挑选合适的基金，投资者和基金销售机构都需要一种更有效的产品推荐方法。
[0004]根据监管要求，基金产品销售机构会要求投资人在实际投资前先完成一份风险评估问卷，回答若干涉及投资人风险收益偏好的问题，回答结果用于判断该投资者风险厌恶程度高低。通常情况下投资者分为保守型、稳健型、平衡型、积极型和激进型这五类，基金产品按照一定的风险收益度量方法分为五类，投资者只能投资与其风险偏好相适应的基金产品。这种做法中，投资者回答的风险评估问题不足以刻画投资者真实完整的风险偏好，对投资者、投资产品划分也过于粗糙，同一分类中投资者偏好以及同一分类中投资产品表现千差万别。因此，现有基金产品推荐系统还不具有基于用户准确的投资条件进行产品推荐的能力，投资者对自身投资条件与公募基金产品进行匹配定位时，缺乏系统性科学方法，往往因匹配定位准确性较差而影响投资者投资体验。

技术实现思路

[0005]本专利技术的目的在于提供一种基于鲁棒优化的产品推荐方法、装置、设备及介质，以解决现有基金产品推荐系统推荐匹配定位准确性较差的技术问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]第一方面，本专利技术提供一种基于鲁棒优化的产品推荐方法，包括：
[0008]获取投资者偏好信息，形成投资者偏好向量P；
[0009]将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束；
[0010]将所述约束与历史投资人投资记录代入待估计参数模型，获得待估计参数β＝(β1，β2，...β
j
...，β
q
)，β
j
代表产品v
j
对应的待估计参数；
[0011]对于投资产品v
j
，将估计出来的参数β
j
和新投资者偏好向量代入投资概率模型求得新投资者投资产品v
j
的投资概率
[0012]根据投资概率确定推荐的目标产品。
[0013]本专利技术进一步的改进在于：获取投资者偏好信息，形成投资者偏好向量P的步骤中，投资者偏好向量P＝{p1，p2，...，p
p
}；下标p为获取的投资者偏好信息总数量。
[0014]本专利技术进一步的改进在于：
[0015]将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束的步骤，具体包括：
[0016]所述约束为对投资产品未来价格或收益分布F的各阶矩的约束；令f
k
代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束，令G
k
＝f
k
(P)表示约束下分布k阶矩的范围。
[0017]本专利技术进一步的改进在于：
[0018]对于投资产品v
j
，将所述约束与历史投资人投资记录代入待估计参数模型，获得参数β
j
的步骤中，所述待估计参数模型为：
[0019][0020]其中，a
ij
表示过往投资者u
i
投资产品v
j
的记录，a
ij
＝1表示投资人u
i
投资过产品v
j
，a
ij
＝0表示投资人u
i
没有投资过产品v
j
；N为过往投资者的总数；G
i
表示投资者u
i
对投资产品未来价格或收益分布F的各阶矩的约束；S
i
表示投资者u
i
偏好的不确定集。
[0021]本专利技术进一步的改进在于：所述用于反映投资者偏好的不确定集为椭圆不确定集。
[0022]本专利技术进一步的改进在于：不确定集的表达式为：
[0023][0024]其中，为原始采集的投资者u
i
的投资者偏好向量，W
li
表示W
i
的第l列，表示第l个特征的测量误差；下标p为获取的投资者偏好信息总数量；W
i
表示距离，表示给定正定矩阵M定义的范数。
[0025]本专利技术进一步的改进在于：
[0026]对于新来的投资者u
x
，假设她/他的偏好向量为P
x
，以及对应的他/她对投资产品未来价格或收益分布F的各阶矩的约束G
x
，那么，对于任何预期未来价格或收益分布已知的产品，可以计算其各阶矩，再找满足投资者要求的就能缩小产品选择范围。
[0027]对于初步选定投资某一个产品v
j
，经由前面步骤已经估计出β
j
，以及新的投资者u
x
及其对投资产品未来价格或收益分布F的各阶矩的约束G
x
，用逻辑斯谛回归模型就能得到新投资者的投资概率新投资者的投资概率
[0028][0029]其中，表示投资人u
x
投资产品v
j
的概率，表示投资人u
i
不投资过产品v
j
的概率。
[0030]本专利技术进一步的改进在于：根据投资概率确定推荐的目标产品的步骤，具体包括：
[0031]根据投资概率由大到小对产品进行排序，确定投资概率最大的一个或者多个产品为推荐的目标产品。
[0032]第二方面，本专利技术提供一种基于鲁棒优化的产品推荐装置，包括：
[0033]采集模块，用于获取投资者偏好信息，形成投资者偏好向量P；
[0034]约束模块，用于将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束；
[0035]计算模块，用于将所述约束与历史投资人投资记录代入待估计参数模型，获得参数β＝(β1，β2，...β
j
...，β
q
)，β
j
代表产品v
j
对应的待估计参数；对于投资产品v
j
，将估计出来的参数β
j...

【技术保护点】

【技术特征摘要】
1.一种基于鲁棒优化的产品推荐方法，其特征在于，包括：获取投资者偏好信息，形成投资者偏好向量P；将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束；将所述约束与历史投资人投资记录代入待估计参数模型，获得参数β＝(β1,β2,
…
β
j
…
,β
q
)，β
j
代表产品v
j
对应的待估计参数；对于投资产品v
j
，将估计出来的参数β
j
和新投资者偏好向量代入投资概率模型求得投资者投资产品v
j
的投资概率根据投资概率确定推荐的目标产品。2.根据权利要求1所述的一种基于鲁棒优化的产品推荐方法，其特征在于，获取投资者偏好信息，形成投资者偏好向量P的步骤中，投资者偏好向量P＝{p1,p2,
…
,p
p
}；下标p为获取的投资者偏好信息总数量。3.根据权利要求1所述的一种基于鲁棒优化的产品推荐方法，其特征在于，将投资者偏好向量P映射为对投资产品未来价格或收益分布F的约束的步骤，具体包括：所述约束为对投资产品未来价格或收益分布F的各阶矩的约束；令
k
代表从投资者偏好向量P到对投资产品未来价格或收益分布k阶矩的约束，令G
k
＝f
k
(P)表示约束下分布k阶矩的范围。4.根据权利要求3所述的一种基于鲁棒优化的产品推荐方法，其特征在于，对于投资产品v
j
，将所述约束与历史投资人投资记录代入待估计参数模型，获得参数β
j
；所述待估计参数模型为：其中，a
ij
表示过往投资者u
i
投资产品v
j
的记录，a
ij
＝1表示投资人u
i
投资过产品v
j
，a
ij
＝0表示投资人u
i
没有投资过产品v
j
；N为过往投资者u
i
的总数；G
i
表示投资者对投资产品未来价格或收益分布F的各阶矩的约束；S
i
表示投资者u
i
偏好的不确定集。5...

【专利技术属性】
技术研发人员：林常乐，王强，
申请(专利权)人：财富引擎北京科技有限公司，
类型：发明
国别省市：