[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

本說明書涉及人工智能技術領域，提供了一種基于用戶風險類型的基金推薦方法、裝置及設備，該方法包括：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。本說明書實施例可以提高用戶風險類型的評估精確性，提高基金推薦的精確性。

技術領域

本說明書涉及人工智能技術領域，尤其是涉及一種基于用戶風險類型的基金推薦方法、裝置及設備。

背景技術

隨著金融市場的不斷發展，參與金融產品的人越來越多，而金融產品種類種類繁多。為幫助用戶認知投資風險，了解其風險類型，當前通用的用戶風險類型評估方式為基于調查問卷的用戶風險類型評估方，即用戶通過客戶端在線填寫調查問卷，然后服務端根據用戶填寫的內容來評估用戶的風險類型。

然而，由于通過調查問卷采集到的用戶數據較少，且用戶可能存在隨機填寫調查問卷的情況，從而導致不能準確判斷用戶的風險類型。如此，則難以實現為用戶精準推薦金融產品。

發明內容

本說明書實施例的目的在于提供一種基于風險評估的基金推薦方法、裝置、設備及存儲介質，以提高用戶風險類型的評估精確性，提高基金推薦的精確性。

為達到上述目的，一方面，本說明書實施例提供了一種基于用戶風險類型的基金推薦方法，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。

本說明書實施例的基于用戶風險類型的基金推薦方法中，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。

本說明書實施例的基于用戶風險類型的基金推薦方法中，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。

本說明書實施例的基于用戶風險類型的基金推薦方法中，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。

本說明書實施例的基于用戶風險類型的基金推薦方法中，所述評價模型包括：