[發明專利]基于用戶風險類型的基金推薦方法、裝置及設備

在審

• 申請號: 202211214929.5
• 申請日: 2022-09-30
• 公開（公告）號: CN116151986A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 雷禹;祁江楠;楊創;袁玥
• 申請（專利權）人: 中國銀行股份有限公司
• 主分類號: G06Q40/06
• 分類號: G06Q40/06;G06Q40/08;G06F16/9535;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李艷艷;安然

1.一種基于用戶風險類型的基金推薦方法，其特征在于，包括：

接收到客戶端發送的基金推薦請求時，從數據源獲取目標用戶針對基金的歷史交易行為時間序列；

提取所述歷史交易行為時間序列中的交易行為特征；

將所述交易行為特征輸入至預訓練的深度學習模型中，以預測輸出所述目標用戶的風險類型標簽；

從基金集合中查詢與所述風險類型標簽匹配的所有基金，以作為候選基金集合；

將所述候選基金集合中的一個或多個候選基金作為推薦對象返給所述客戶端。

2.如權利要求1所述的基于用戶風險類型的基金推薦方法，其特征在于，所述歷史交易行為時間序列包括：交易時間、基金標識、基金類型、交易類型、持有量、交易變化量、收益率變化量。

3.如權利要求1所述的基于用戶風險類型的基金推薦方法，其特征在于，提取所述歷史交易行為時間序列中的交易行為特征，包括：

根據所述歷史交易行為時間序列構建第一矩陣，并確定所述第一矩陣的協方差矩陣；

確定所述協方差矩陣的特征值和特征向量；

計算各個特征值對應的方差貢獻率；

將各個特征值對應的方差貢獻率按對應大小從上到下按行排列成第二矩陣；

選擇所述第二矩陣前p個特征值對應行的數據組成的矩陣作為交易行為特征。

4.如權利要求1所述的基于用戶風險類型的基金推薦方法，其特征在于，將所述候選基金集合中的一個或多個候選基金作為推薦對象返給所述客戶端，包括：

根據預設的評價模型計算所述候選基金集合中各個候選基金的評價值；

將所述各個候選基金按照評價值由大至小進行排序；

將排序中前指定數量個候選基金確定為推薦對象；

將所述推薦對象發送至所述客戶端。

5.如權利要求4所述的基于用戶風險類型的基金推薦方法，其特征在于，所述評價模型包括：

其中，V_i為第i個候選基金的評價值，M為候選基金集合的規模，g_i為第i個候選基金的平均收益率，v_i為第i個候選基金的基金經理人年均變動率，k_i為第i個候選基金的基金經理人的從業年均收益率，r_i為第i個候選基金的最大回撤率，s_i第i個候選基金的夏普比率，ω₁、ω₂、ω₃、ω₄和ω₅對應為g_i、v_i、k_i、r_i和s_i的權重。

6.如權利要求1所述的基于用戶風險類型的基金推薦方法，其特征在于，所述深度學習模型包括LSTM。

7.一種基于用戶風險類型的基金推薦裝置，其特征在于，包括：

接收模塊，用于接收到客戶端發送的基金推薦請求時，從數據源獲取目標用戶針對基金的歷史交易行為時間序列；

提取模塊，用于提取所述歷史交易行為時間序列中的交易行為特征；

預測模塊，用于將所述交易行為特征輸入至預訓練的深度學習模型中，以預測輸出所述目標用戶的風險類型標簽；

匹配模塊，用于從基金集合中查詢與所述風險類型標簽匹配的所有基金，以作為候選基金集合；

推薦模塊，用于將所述候選基金集合中的一個或多個候選基金作為推薦對象返給所述客戶端。

8.一種計算機設備，包括存儲器、處理器、以及存儲在所述存儲器上的計算機程序，其特征在于，所述計算機程序被所述處理器運行時，執行根據權利要求1-6任意一項所述方法的指令。

9.一種計算機存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被計算機設備的處理器運行時，執行根據權利要求1-6任意一項所述方法的指令。

10.一種計算機程序產品，其特征在于，所述計算機程序產品包括計算機程序，所述計算機程序被處理器運行時，執行根據權利要求1-6任意一項所述方法的指令。