[發明專利]基金推薦方法及裝置

在審

• 申請號: 202010004087.5
• 申請日: 2020-01-03
• 公開（公告）號: CN111222993A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 謝陽;戴丹;漆英;藍振杰
• 申請（專利權）人: 中國工商銀行股份有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06N3/04
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 趙平;周永君

本發明提供了一種基金推薦方法及裝置，該方法包括：根據預生成的循環神經網絡LSTM目標模型預測所述基金的未來走勢；根據預生成的深度神經網絡DNN目標模型生成客戶的偏好基金數據；計算所述偏好基金數據與基金特征數據之間的相似度；根據所述相似度以及所述未來走勢推薦基金至客戶。本發明提供的基金推薦方法及裝置，通過對基金特征和客戶信息特征的分析及學習，精準為不同的客戶量身定制并推薦適合其需求的基金，預測的準確性高，從而為客戶提供更好的投資指導作用。

技術領域

本發明涉及人工智能領域技術領域，具體涉及金融行業的智能機器人技術領域，特別是涉及一種基于循環神經網絡LSTM模型的基金推薦方法。

背景技術

投資基金業隨著證券市場的發展而誕生，雖然發展歷史不長，但基金數量卻增長迅猛。面對數量眾多的基金，普通客戶如何找到符合自己需求的產品是一大難題。現有技術中，業界大多數基金平臺給客戶推薦產品采用的是專家推薦方法，但這種方法有一個明顯的弊端，專家給出的推薦基金無法考慮每個客戶自身情況，單一的專家推薦產品難以滿足眾多客戶需求，客戶體驗較差。例如，對于不同的客戶而言，個體差異對客戶的基金偏好有很大影響，因此基金經理無法給出針對性的推薦。同時，市面上的基金數據龐大且復雜，難以對各個基金量化分析。因此，大眾客戶選擇基金只有兩種方式，一是選擇投資人推薦的可能最迎合大眾的基金，但該方式未必符合客戶偏好，二是在基金市場由客戶獨自選擇基金，但由于大多數客戶并不具有專業的投資知識，難以準確地挑選到符合自己需求的產品。

因此，如何從海量基金中為客戶精準挑選合適于客戶的基金產品是業內亟待解決的問題。

發明內容

針對現有技術中的問題，本發明提供的基金推薦方法及裝置，通過對基金特征和客戶信息特征的分析及學習，精準為不同的客戶量身定制并推薦適合其需求的基金，預測的準確性高，從而為客戶提供更好的投資指導作用。

為解決上述技術問題，本發明提供以下技術方案：

第一方面，本發明提供一種基金推薦方法，包括：

根據預生成的循環神經網絡LSTM目標模型預測所述基金的未來走勢；

根據預生成的深度神經網絡DNN目標模型生成客戶的偏好基金數據；

計算所述偏好基金數據與基金特征數據之間的相似度；

根據所述相似度以及所述未來走勢推薦基金至客戶。

一實施例中，所述基金特征數據包括：購買人數、持有人數、近七日增長率、歷史收益率、訪問量、估值、凈值以及主題板塊；

所述客戶理財數據包括：年齡、性別、收入、風險承受能力、職業以及受教育程度；

所述風險承受能力由對客戶的調查分析獲得。

一實施例中，所述生成循環神經網絡LSTM模型包括：

將所述基金特征數據轉換為結構化數據；

將所述近七日增長率設置為標簽，并對所述購買人數、持有人數、歷史收益率、訪問量、估值、凈值以及主題板塊以日期進行排序，以生成第一訓練數據對；

利用所述第一訓練數據對循環神經網絡LSTM初始模型進行訓練，以生成所述循環神經網絡LSTM目標模型。

一實施例中，所述生成深度神經網絡DNN目標模型包括：

根據客戶理財數據構建所述客戶的偏好基金數據；

根據所述客戶理財數據以及所述偏好基金數據生成第二訓練數據對；

利用第二訓練數據對度神經網絡DNN初始模型進行訓練，以生成所述深度神經網絡DNN目標模型。