[發明專利]一種投資產品組合推薦方法及系統

在審

• 申請號: 201710976370.2
• 申請日: 2017-10-19
• 公開（公告）號: CN107798608A
• 公開（公告）日: 2018-03-13
• 發明（設計）人: 張桐;肖奮溪
• 申請（專利權）人: 深圳市耐飛科技有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06
• 代理公司: 深圳市順天達專利商標代理有限公司44217
• 代理人: 李琴

技術領域

本發明涉及計算機技術領域，尤其涉及一種投資產品組合推薦方法及系統。

背景技術

隨著社會的進步以及經濟的發展，投資理財逐漸成為了社會中每一個人的需求，而目前市面上的投資理財手段繁多，投資產品五花八門，如何選擇合理的理財產品成為了人們的困擾，目前市面上還沒有一個完善的理財產品推薦系統，理財產品組合方案推薦更無從談起。

沒有完善的理財產品組合方案推薦系統會導致廣大普通消費者在投資產品的選擇上陷入盲目，常常過于激進或過于保守，無法權衡收益與風險，導致投資效率低下。

發明內容

本發明針對現有技術中存在的問題，提供了一種投資產品組合推薦方法及系統，能夠向用戶推薦適合用戶的最佳投資產品組合。

本發明就上述技術問題而提出的技術方案如下：

一方面，本發明提供一種投資產品組合推薦方法，包括：

采集用戶信息和投資產品信息；

建立并訓練強化學習網絡模型；

根據所述用戶信息并基于訓練后的強化學習網絡模型，獲得用戶風險偏好；

根據所述用戶風險偏好和所述投資產品信息，獲得向用戶推薦的投資產品組合；

記錄用戶采納所述投資產品組合后的實際收益與風險信息，并根據所述實際收益與風險信息優化所述強化學習網絡模型。

進一步地，所述建立并訓練強化學習網絡模型，具體包括：

獲取歷史用戶信息、歷史投資產品信息和投資產品的歷史收益與風險信息；

建立所述強化學習網絡模型，并將所述歷史用戶信息輸入至所述強化學習網絡模型，輸出一個初始風險偏好；

根據所述初始風險偏好和所述歷史投資產品信息，獲得預推薦投資產品組合；

將所述預推薦投資產品組合的歷史收益與風險信息返回至所述強化學習網絡模型，以調整所述強化學習網絡模型的參數，直到所述強化學習網絡模型的狀態達到最佳。

進一步地，所述根據所述用戶風險偏好和所述投資產品信息，獲得向用戶推薦的投資產品組合，具體包括：

根據所述投資產品信息對不同投資產品進行搭配，生成具有不同風險系數的投資產品組合列表；

將所述用戶風險偏好與所述投資產品組合列表中的投資產品組合進行余弦相似度匹配，獲得相似度最高的多個投資產品組合，并將所述多個投資產品組合中收益最大的投資產品組合作為向用戶推薦的投資產品組合。

進一步地，所述強化學習網絡模型包括執行者Actor網絡；

所述根據所述用戶信息并基于訓練后的強化學習網絡模型，獲得用戶風險偏好，具體包括：

將所述用戶信息輸入至所述訓練后的強化學習網絡模型，由所述Actor網絡輸出所述用戶風險偏好。

進一步地，所述強化學習網絡模型還包括評價者Critic網絡；

所述根據所述實際收益與風險信息優化所述強化學習網絡模型，具體包括：

將所述實際收益與風險信息輸入至所述強化學習網絡模型，由所述Critic網絡計算輸出向用戶推薦的投資產品組合的獎勵值或處罰值；

將所述獎勵值或處罰值輸入至所述Actor網絡，更新所述Actor網絡中的參數，以優化所述強化學習網絡模型。

進一步地，所述由所述Critic網絡計算輸出向用戶推薦的投資產品組合的獎勵值或處罰值，具體包括：

由所述Critic網絡檢測所述實際收益與風險信息是否與用戶的滿意度相匹配；

若匹配，則計算輸出推薦的投資產品組合的獎勵值；

若不匹配，則計算輸出推薦的投資產品組合的處罰值。

進一步地，在所述建立并訓練強化學習網絡模型之前，還包括：

對所采集的數據進行歸一化處理，以將所采集的數據轉換為結構化數據存入數據庫中。

另一方面，本發明提供一種投資產品組合推薦系統，包括：

信息采集模塊，用于采集用戶信息和投資產品信息；

模型訓練模塊，用于建立并訓練強化學習網絡模型；

風險偏好獲取模塊，用于根據所述用戶信息并基于訓練后的強化學習網絡模型，獲得用戶風險偏好；

推薦模塊，用于根據所述用戶風險偏好和所述投資產品信息，獲得向用戶推薦的投資產品組合；以及，

模型優化模塊，用于記錄用戶采納所述投資產品組合后的實際收益與風險信息，并根據所述實際收益與風險信息優化所述強化學習網絡模型。

進一步地，所述推薦模塊具體包括：