[發明專利]一種智能投顧方法

在審

• 申請號: 202011222266.2
• 申請日: 2020-11-05
• 公開（公告）號: CN112330462A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 丁宇杰;任天榮;劉華玲
• 申請（專利權）人: 劉華玲
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06N3/00
• 代理公司: 上海助之鑫知識產權代理有限公司 31328
• 代理人: 吳紅艷

1.一種智能投顧方法，其特征在于，包括：

獲取互聯網金融歷史平衡數據，并對獲得的平衡數據進行特征組合，得到有用組合特征；

使用有用組合特征的數據來訓練模型，并將未訓練的樣本數據放入訓練好的模型，輸出樣本數據的逾期概率；

計算樣本數據的逾期概率與樣本數據的期望收益之間的方差，從而確定投資標的的選擇；

通過大數據獲得用戶個性化的風險偏好及其變化規律，并根據用戶個性化的風險偏好結合投資標的定制個性化的資產配置方案；

利用互聯網對用戶個性化的資產配置方案進行實時跟蹤調整，實現投資期間的風險監控。

2.根據權利要求1所述的方法，其特征在于：通過以下方式獲取互聯網金融歷史平衡數據：通過網絡平臺API接口獲取互聯網金融歷史平衡數據。

3.根據權利要求1或2所述的方法，其特征在于：所述平衡數據是指逾期數據與非逾期數據為同比例的數據。

4.根據權利要求3所述的方法，其特征在于：所述平衡數據通過欠采樣方式使得數據平衡，具體步驟如下：

將不平衡數據分割為逾期數據集與非逾期數據集，其中不平衡數據是指逾期的數據少于非逾期的數據；

將非逾期數據集中的數據進行等份分割成與逾期數據集數據量相同的數據集；

將逾期數據集中的數據與分割后的非逾期數據集中的數據進行合并，形成逾期數據與非逾期數據為同比例的平衡數據。

5.根據權利要求1所述的方法，其特征在于：所述對獲得的平衡數據進行特征組合，是指通過Apriori關聯規則算法對獲得的平衡數據進行特征組合。

6.根據權利要求5所述的方法，其特征在于：所述通過Apriori關聯規則算法對獲得的平衡數據進行特征組合的方法如下：

將平衡數據根據是否逾期分為D₁數據集與D₂數據集，并分別求出各類數據集滿足置信度與支持度的頻繁模式集合Part₁與Part₂；

計算頻繁模式集合Part₁與Part₂的交集Part_a和并集Part_b，并計算Part_a與Part_b的差集Part；

將滿足差集Part內元素的所有數據特征作為一個特征進行組合。

7.根據權利要求1所述的方法，其特征在于：將隨機森林算法作為識別算法進行訓練，并使用有用組合特征的數據來訓練模型。

8.根據權利要求1或7所述的方法，其特征在于：所述使用有用組合特征的數據訓練模型后，還包括：通過逐步回歸的方法篩選有用組合特征。

9.根據權利要求8所述的方法，其特征在于：所述通過逐步回歸的方法篩選有用組合特征的方法如下：

將有用組合特征逐個引入隨機森林算法模型，每引入一個特征均對其進行T檢驗，即檢驗該特征的系數是否等于零；

若新引入特征的系數等于零，則刪除該有用組合特征，否則，將該特征留存并繼續加入新的有用組合特征到模型中。

10.根據權利要求1所述的方法，其特征在于：所述計算樣本數據的逾期概率與樣本數據的期望收益之間的方差，從而確定投資標的的選擇的方法如下：

通過核回歸公式計算樣本數據的期望收益，所述核回歸公式如下：

其中，x為樣本數據的逾期概率，xi、xj為已知歷史數據的逾期概率，yi、yj為已知歷史數據的期望收益，K(x，x_i)和K(x，x_j)為核函數；

計算樣本數據的期望收益與樣本數據的逾期概率之間的方差，并將該方差作為投資標的風險的衡量；

將樣本數據的期望收益與樣本數據的逾期概率之間的方差作為x軸，將樣本數據的期望收益作為y軸，顯示出投資標的的有效前沿。