【技术实现步骤摘要】
本专利技术涉及金融资产优化，具体为基于多维数据的金融资产的动态优化及智能调度方法。
技术介绍
1、金融资产动态优化是一种投资策略，旨在根据市场变化和投资者的风险承受能力，动态调整投资组合的配置比例和投资目标，以实现最优化的投资收益和风险控制，具体而言，金融资产动态优化模型可以用来解决各种金融市场中的最优化问题，如资产配置、投资组合优化、期权定价等。在资产配置方面，动态优化模型可以帮助投资者确定资产的配置比例以及投资组合的持有期。通过将历史数据与市场情况进行分析，动态优化模型能够提供科学合理的投资建议，使得投资者能够在风险可控的情况下获得最大可能的收益。
2、现有的金融资产动态优化存在的缺陷是：
3、1、申请文件cn116051199a公开了一种组合结构的评价方法、装置、设备及介质，“涉及金融
，所述方法先根据接收到的资产配置信息确定用户的资产配置质量，在根据资产配置质量和用户资产行为信息确定目标资产组合，并向用户推荐目标资产组合，实现了用户资产配置的动态优化和个性化展示”，但是现有的动态优化方法和系统大多不能够对客户的资产进行全方面的评估和监测，尤其是股票的监测，导致客户因为信息更新不及时导致亏损；
4、2、专利文件cn116303376b公开了一种基于资产大数据平台的资产管理优化方法及系统，“涉及数据处理
，获取用户端设定的n个业务需求指标进行需求数据溯源分析，获取n个数据溯源节点图，进行数据溯源节点融合生成数据溯源网络，根据所述数据溯源网络对资产大数据平台进行存储结构优化，获取
5、3、申请文件cn113965481a公开了一种网络资产探测多任务调度优化方法，“所述方法包括：将第一网络资产探测任务进行拆分获得多个子任务，如果所述第一网络资产探测任务还未完成，且第二网络资产探测任务的优先级大于所述第一网络资产探测任务的优先级，则将所述第一网络资产探测任务中未执行完成的所述子任务存储到数据库中；执行所述第二网络资产探测任务进行网络资产探测任务。每个子任务是独立存在的，如果出现需要紧急执行的探测任务，则只需要将未执行的子任务存储至数据库中，将执行中的子任务执行完毕后执行紧急探测任务即可。这样当紧急任务执行完成后，从数据库中取出未完成的子任务继续上一任务的探测扫描，进而实现了网络资产探测任务的灵活调度”，但是现有的优化方法大多没有对客户的资产进行建模，导致客户的资产配置处于空白状态，无法知晓客户资产的具体情况以及优化的方向；
6、4、专利文件cn110266720b公开了一种在线管理服务器资产数据的优化工作方法，“包括如下步骤：s1，通过第一服务器获取资产管理数据，该资产管理数据为可视化资产管理服务数据，第一服务器收到第二服务器提交的信息并分析保存；s2，远程终端调用第二服务器的agent接口，主动向第二服务器发起调用资产数据指令；s3，第二服务器为若干宿主机，将资产数据进行实时收集，并获取若干宿主机故障信息，将故障信息进行排查，并关闭故障宿主机，提供能够实时调用资产数据的服务器为第二服务器”，但是现有的优化方法大多不能够对客户的资产配置进行回测和调整，不够方便。
技术实现思路
1、本专利技术的目的在于提供基于多维数据的金融资产的动态优化及智能调度方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：基于多维数据的金融资产的动态优化及智能调度方法，包括数据收集与处理模块、资产配置优化模块、风险评估管理模块和回测与调整模块，所述数据收集与处理模块包括市场行情监测系统、宏观指标监测系统和客户行为系统，所述市场行情系统包括股票单元、债券单元和商品单元；
3、所述股票单元，使用tushare数据接口，获取目标股票的股票名称、现价，昨日收益，现价对应的时间，计算股票今日的涨跌幅，(现价-昨日收盘价)/昨日收盘价*100％，股票的总涨跌幅＝(现价/购买成本价)/购买成本价*100％，股票现市值＝现价*持有股数，股票购买总成本＝购买成本价*持有股数，购买股票的总盈亏金额＝股票购买总承办-股票现市值，通过每天对股票价格的监控判断是否需要加仓或抛售；
4、所述债券单元，监控债券收益，债券收益＝票息+交易价差，同时监控债券的利息以及债券的持有时间；
5、所述商品单元，每隔1-3天查询一次商品的价格，根据价格的波动绘制价格波动曲线。
6、优选的，所述宏观指标监控系统包括当前通胀率、当前利息和当前gdp，收集与通货膨胀相关的数据，包括消费者价格指数(cpi)、生产者价格指数(ppi)、gdp平减指数，分析货币供应量，通货膨胀与货币供应量的增长有关，分析货币供应量的变化，分析m2、m3广义货币供应量的增长情况，经济增长率的加快会引发通货膨胀，劳动力市场的紧张程度会影响通货膨胀，通货膨胀是由需求拉动或成本推动因素引起的；
7、当前利息监控，实时监控账户的利息变化情况，当账户余额发生变化时，系统会自动计算新的利息收益，设置预警提示，当账户利息收益过低或过高时，系统会发出预警提示，用户及时的知晓利息变动情况，通过异常情况监控，及时发现和处理利息收益的异常变化。
8、优选的，所述客户行为系统包括资产调动、客户偏好和客户意愿；
9、资产调动，在每天0时、6时、12时、18时记录客户当天的资金流向、数量、时间；
10、客户偏好，客户在网站或商店中浏览产品或服务时表现出的行为，包括浏览路径、浏览时间、页面跳出率，客户在搜索产品或服务时表现出的行为，包括搜索关键词、搜索频率、搜索结果点击率，客户在分享产品或服务时表现出的行为，包括分享频率、分享渠道、分享内容，客户在使用产品或服务后给予的反馈，包括评价、评分、投诉，客户参与企业活动或社区互动等行为，包括参加促销活动、参与调查，客户在社交媒体上与他人的互动行为，包括评论、点赞、转发；
11、客户意愿，进行资产调动优化时咨询客户的意愿。
12、优选的，所述资产配置优化模块包括建立资产模型单元、学习资产优化方法单元和对资产优化单元；
13、所述资产模型单元，在mvo模型的基础上建立black-littermanbl模型，利用lstm神经网络模型建立bl模型，思路是用lstm模型预测收益，预测值看涨则生成持有的投资者观点，反之生成空仓的投资者观点，最后利用mvo求解，bl模型的预期收益可以表示为，其中π是市场均衡收益率的均值向量，通过风险厌恶系数λ，资产收率的协方差矩阵∑和资产本文档来自技高网...
【技术保护点】
1.基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：包括数据收集与处理模块、资产配置优化模块、风险评估管理模块和回测与调整模块，所述数据收集与处理模块包括市场行情监测系统、宏观指标监测系统和客户行为系统，所述市场行情系统包括股票单元、债券单元和商品单元；
2.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述宏观指标监控系统包括当前通胀率、当前利息和当前GDP，收集与通货膨胀相关的数据，包括消费者价格指数(CPI)、生产者价格指数(PPI)、GDP平减指数，分析货币供应量，通货膨胀与货币供应量的增长有关，分析货币供应量的变化，分析M2、M3广义货币供应量的增长情况，经济增长率的加快会引发通货膨胀，劳动力市场的紧张程度会影响通货膨胀，通货膨胀是由需求拉动或成本推动因素引起的；
3.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述客户行为系统包括资产调动、客户偏好和客户意愿；
4.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述资产
5.根据权利要求4所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述对于客户资产投入的行业，行业指数收益率预测值大于0，则继续投入该行业，反之则不投入，行业指数收益率预测值大于0时，矩阵P对应元素设为1，行业指数收益率预测值小于0时，矩阵P对应的元素设为-1，构建观点收益率向量Q＝(r1(t+1)，···rp(t+1))T，BL模型的观点误差矩阵Ω是一个对角矩阵，Ω的元素与投资观点的置信度有关，观点置信度越低则元素的值越大反之元素值越小，则其中∑是资产组合的泄放差矩阵，LC是投资者对投资观点的信心水平，P是观点矩阵，市场均衡收益率Π＝λ∑ωm，其中ωm是市场均衡时资产0的权重，∑是投资组合的协方差矩阵，λ是市场风险厌恶系数，市场风险厌恶系数计算式为
6.根据权利要求4所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述学习单元，学习系统从上述资产模型中获取资产模型数据，根据模型数据盈亏情况，将多种资产模型自动分类并储存；
7.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述风险评估管理模块包括风险评估单元和调整单元；
8.根据权利要求7所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述调整单元风险，计算出的风险值位于0-15％之间时，为低风险，不触发操作，风险值位于16-50％之间时为中风险，并通过AI学习后智能调度资产配置，风险值位置51-100％之间时为高风险，通过资产优化单元调整。
9.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述回测与调整模块，通过对模型的回测和调整，来优化模型的性能，对模型的参数进行调整，或者更换更合适的模型。
...【技术特征摘要】
1.基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：包括数据收集与处理模块、资产配置优化模块、风险评估管理模块和回测与调整模块，所述数据收集与处理模块包括市场行情监测系统、宏观指标监测系统和客户行为系统，所述市场行情系统包括股票单元、债券单元和商品单元；
2.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述宏观指标监控系统包括当前通胀率、当前利息和当前gdp，收集与通货膨胀相关的数据，包括消费者价格指数(cpi)、生产者价格指数(ppi)、gdp平减指数，分析货币供应量，通货膨胀与货币供应量的增长有关，分析货币供应量的变化，分析m2、m3广义货币供应量的增长情况，经济增长率的加快会引发通货膨胀，劳动力市场的紧张程度会影响通货膨胀，通货膨胀是由需求拉动或成本推动因素引起的；
3.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述客户行为系统包括资产调动、客户偏好和客户意愿；
4.根据权利要求1所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述资产配置优化模块包括建立资产模型单元、学习资产优化方法单元和对资产优化单元；
5.根据权利要求4所述的基于多维数据的金融资产的动态优化及智能调度方法，其特征在于：所述对于客户资产投入的行业，行业指数收益率预测值大于0，则继续投入该行业，反之则不投入，行业指数收益率预测值大于0时，矩阵p对应元素设为1，行业指...
【专利技术属性】
技术研发人员：黄元君，
申请(专利权)人：上海立信会计金融学院，
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。