CN109858957A - 理财产品推荐方法、装置、计算机设备及存储介质 - Google Patents
理财产品推荐方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109858957A CN109858957A CN201910042598.3A CN201910042598A CN109858957A CN 109858957 A CN109858957 A CN 109858957A CN 201910042598 A CN201910042598 A CN 201910042598A CN 109858957 A CN109858957 A CN 109858957A
- Authority
- CN
- China
- Prior art keywords
- product
- financing
- finance
- score value
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000005516 engineering process Methods 0.000 claims abstract description 22
- 238000013507 mapping Methods 0.000 claims abstract description 16
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 241001269238 Data Species 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 claims 2
- 235000015170 shellfish Nutrition 0.000 claims 1
- 239000000047 product Substances 0.000 description 317
- 230000000875 corresponding effect Effects 0.000 description 59
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 241000270322 Lepidosauria Species 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000233805 Phoenix Species 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种理财产品推荐方法、装置、计算机设备及存储介质,所述方法包括:获取用户的资产信息;将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级;采用爬虫技术获取理财产品信息;将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数;根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值;理财等级与产品评分值通过预设的映射关系表进行匹配,将理财产品标识对应的理财产品信息推荐给用户。通过采用贝叶斯模型对理财产品进行评分,提高了理财产品推荐的匹配准确度和推荐效率。
Description
技术领域
本发明涉及智能决策领域,尤其涉及一种理财产品推荐方法、装置、计算机设备及存储介质。
背景技术
随着经济的发展和科技的进步,人们的理财观念逐渐增强,越来越多的人将闲置资金投入理财产品中。在用户投资理财产品时,最为关心的是理财产品的收益和风险情况。市场上理财产品众多,产品类型各式各样,用户难以选择适合自己的理财产品,在投资理财产品的过程中,用户需多次、频繁的与理财公司销售进行电话和当面沟通,时间成本和人力成本较高。并且理财产品投资门槛高、风险高,普通用户无从选择,也无法享受专有的理财产品的顾问和咨询。
综上所述,传统的理财产品推荐方法难以针对不同用户推荐合适的理财产品,而且需要消耗用户和理财顾问的大量时间,理财产品推荐方法效率低下。
发明内容
本发明实施例提供一种理财产品推荐方法、装置、计算机设备及存储介质,以解决理财产品推荐效率不高的问题。
一种理财产品推荐方法,包括:
获取用户的资产信息;
将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
一种理财产品推荐装置,包括:
资产信息获取模块,用于获取用户的资产信息;
理财等级分析模块,用于将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
理财产品信息获取模块,用于采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
因子系数计算模块,用于将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
产品评分值计算模块,用于根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
理财产品推荐模块,用于将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述理财产品推荐方法。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述理财产品推荐方法。
上述理财产品推荐方法、装置、计算机设备及存储介质中,首先,获取用户的资产信息;然后,将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级;接着,采用爬虫技术获取理财产品信息,以便后续用户更加直观地了解每一理财产品;接下来,将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数,保证了输出的因子系数更加准确并且接近预期结果;再接着,根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值,使得计算的产品评分值计更加准确,有利于提高后续产品推荐的准确度;最后,将理财等级与产品评分值通过预设的映射关系表进行匹配,得到用户的理财产品标识,并将理财产品标识对应的理财产品信息推荐给用户,不仅对于用户来说针对性更强,而且大大提高了理财产品推荐的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的理财产品推荐方法的应用环境示意图;
图2是本发明实施例提供的理财产品推荐方法一示例图;
图3是本发明实施例提供的理财产品推荐方法的另一示例图;
图4是本发明实施例提供的理财产品推荐方法的另一示例图;
图5是本发明实施例提供的理财产品推荐方法的另一示例图;
图6是本发明实施例提供的理财产品推荐方法的另一示例图;
图7是本发明实施例提供的理财产品推荐装置的一原理框图;
图8是本发明实施例提供的理财产品推荐装置的另一原理框图;
图9是本发明实施例提供的计算机设备的一示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请提供的理财产品推荐方法,可应用在如图1的应用环境中,其中,客户端通过网络与服务端进行通信,服务端接收客户端发送的用户的资产信息,然后将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级。接着,采用爬虫技术获取理财产品信息,将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数。然后根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值,进而将理财等级与产品评分值通过预设的映射关系表进行匹配,得到用户的理财产品标识,并将理财产品标识对应的理财产品信息推荐给用户。其中,客户端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。服务端可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,以该方法应用于图1中的服务端为例进行说明,包括如下步骤:
S10:获取用户的资产信息。
其中,用户的资产信息是指与用户资历和财产相关的信息,如用户的年龄、工作职位和收入等信息。可选地,用户在客户端设置的理财相关问卷***或者小程序中填写自身的资产信息,客户端可以通过网络协议将用户填写的资产信息发送到与小程序相连的服务端中,进而服务端可以获取得到该用户的资产信息。进一步地,用户的资产信息也可以通过大数据平台获取,还可以从理财平台的后台数据库中获取到资产信息。
S20:将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级。
其中,预设的理财分析模型是指预先配置的用于测试分析用户理财资质的模型,该预设的理财分析模型可以通过数学建模的公式来实现,数学建模中涉及到各个参数如年龄、年龄权重、收入和收入权重等参数,这些参数可以是由其他用户的资产信息作为样本进行不断训练和调整得到最接近标准或已经标准的参数,此时可以认为该理财分析模型设置完成。该理财分析模型的输出即为与该资产信息对应的用户的理财等级,理财等级是指基于用户资质信息通过预设的理财分析模型计算得到的用户理财级别,如高级、中级或者低级等。
具体地,将用户的资产信息输入预设的理财分析模型,得到该用户的理财等级。例如,用户A的资产信息为年龄30岁,收入1万,职业为IT工程师,通过将该资产信息输入到预设的理财分析模型,得到用户A的理财等级为中级。
S30:采用爬虫技术获取理财产品信息,其中,理财产品信息包括产品标识和每一产品标识的n个理财因子数据,n为正整数,理财因子数据是指与理财收益及风险相关的因素数据。
其中,爬虫技术是指采用爬虫工具抓取需要的网页信息的技术,而爬虫工具是按照一定的规则自动爬取网页地址所对应的网页内容的工具,例如Python爬虫工具。
其中,理财产品信息是指与理财产品相关的信息,公司经营状态、公司报表财务信息、工商信息、风险等级或者往期收益等。理财产品信息包括产品标识和理财因子数据,其中,产品标识用于唯一标识理财产品。理财因子数据是指与理财收益及风险相关的因素数据。理财因子数据包括但不限于理财产品的历史收益数据、运营收入数据或者成本支出数据等理财因子数据。且理财因子的种类为n种,如银行活期的理财产品的理财因子数据有历史收益数据和运营收入数据,此时n=2,n为正整数,n的具体数值由理财产品信息相关数据决定,此处不作限制。
具体地,采用爬虫工具爬取目标网页地址即理财相关的URL地址中指定的网络资源,然后从网络流中读取出来,从而得到理财产品信息,每一理财产品信息都包含产品标识和理财因子数据,例如,一产品标识为余额宝,该产品标识的理财因子数据(本周收益率)为4.2%等。本实施例中,采用爬虫工具爬取目标网页地址对应的网页,无需人工搜索,有利于提高理财产品信息获取效率。
需要说明的是,爬虫技术获取理财产品信息的频率可以是实时获取,也可以是每隔固定的时间间隔定期获取。其具体可以根据实际应用的需要进行选择,此处不做限制。
可以理解地,理财产品信息能够给用户在选择理财产品时提供参考,本实施例中,获取理财产品信息以便后续通过对理财信息进行分析,得到每个产品标识对应的理财产品的风险及收益,以便后续用户更加直观地了解每一理财产品。
S40:将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数。
其中,贝叶斯模型是一种基于统计的预测模型,用于基于历史数据来预测未来数据。贝叶斯理论的应用场景较多,如在互联网领域中的语义和词法分析、知识聚类和互联网垃圾邮件的过滤等,都可以基于贝叶斯理论为基础,进行条件概率的反向推导。其公式如下:
上述公式中,Bi表示为第i个事件B,P(Bi)表示为事件Bi的概率,P(A|Bi)表示为事件Bi已发生条件下事件A的概率,P(Bi|A)表示为事件A发生条件下事件Bi的概率为P(Bi|A)。
其中,因子系数是指一个量的部分值与总值之比,用于评估该量能够产生贡献的概率。例如,一理财因子数据为历史收益数据,若历史收益数据对应的因子系数为20%,说明历史收益数据这一理财因子数据本身的数值对理财产品产生贡献的概率为20%。
具体地,将步骤S30中获取的n个理财因子数据作为贝叶斯模型中的贝叶斯公式的输入,将Bi作为参数,A作为样本,也即A中的n个理财因子的先验概率相等,均为1/n,那么P(Bi|A)作为在每个理财因子数据先验概率相等的条件下,第i个理财因子数据的后验概率;P(Bi)作为第i个理财因子数据的先验概率;P(A|Bi)作为在已知第i个理财因子数据的先验概率的条件下,所有理财因子数据后验概率,通过贝叶斯模型拟合真实目标函数,并根据拟合结果主动对每一理财因子数据(评估点)进行评估,从而预测得到贝叶斯模型输出的每一理财因子数据对应的因子系数。可以理解地,本实施例中的理财因子数据为历史数据和历史结果,通过贝叶斯模型的训练,基于历史数据和历史结果来预计该产品未来的结果和趋势(如理财产品的收益率和风险等级等),由于贝叶斯模型能够基于已有历史数据预测数据,因此能够避免不必要的采样,同时,贝叶斯模型能够有效利用完整的历史信息来提高评估效率。因此,本实施例中,针对每个产品标识对应的n个理财因子数据采用贝叶斯模型来预测每一理财因子数据对应的因子系数,保证了输出的因子系数更加准确并且接近预期结果。
S50:根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值。
其中,产品评分值是指理财产品的整体评价定量值,用于作为评价理财产品的指标。可以理解地,用户可以根据产品的评价分值,了解该理财产品与自身资质信息的匹配程度。
具体地,根据每一产品标识的每一因子系数和每一理财因子数据进行相乘后叠加求和的计算,充分考虑了每个理财因子数据以及该理财因子数据对应的因子系数对该产品标识对应的理财产品的产品评分值的影响,使得计算的产品评分值更加准确,有利于提高后续产品推荐的准确度。
S60:将理财等级与产品评分值通过预设的映射关系表进行匹配,得到用户的理财产品标识,并将理财产品标识对应的理财产品信息推荐给用户。
其中,映射关系表是一个预先设置的表格,用于关联理财等级与产品评分值。通过该映射关系表可以根据用户的理财等级与每个理财产品的产品评分值进行匹配,并在映射关系表中查询到对应的产品标识对应的理财产品推荐给该用户。不仅对于用户来说针对性更强,而且大大提高了理财产品推荐的效率。
本实施例中,首先,获取用户的资产信息;然后,将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级;接着,采用爬虫技术获取理财产品信息,以便后续用户更加直观地了解每一理财产品;接下来,将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数,保证了输出的因子系数更加准确并且接近预期结果;再接着,根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值,使得计算的产品评分值计更加准确,有利于提高后续产品推荐的准确度;最后,将理财等级与产品评分值通过预设的映射关系表进行匹配,得到用户的理财产品标识,并将理财产品标识对应的理财产品信息推荐给用户,不仅对于用户来说针对性更强,而且大大提高了理财产品推荐的效率。
在一实施例中,如图3所示,步骤S30中,采用爬虫技术获取理财产品信息,具体包括如下步骤:
S31:获取目标网页。
其中,目标网页是指与理财产品相关的网页。本实施例中的目标网址可以是财经类网站的网页(如凤凰财经网),也可以是股票类网站的网页(如平安证券网等)。具体地,可以通过read()方法读取目标网页的网址,向getHtml()函数传递一个网址,并把整个页面下载下来,得到目标网页的页面。
S32:采用预设的正则表达式对目标网页中的信息进行提取,得到目标信息。
其中,预设的正则表达式是一种字符串匹配和处理规则,用于提取网页中的信息。预设的正则表达式包括但不限于Python正则表达式。目标信息是指与正则表达式匹配的网页信息。该目标信息可以是理财产品的名称、收益或者产品类型等信息。
具体地,从目标网页中过滤与预设的正则表达式匹配的信息,然后提取该信息,进而得到目标信息。可以理解地,通过采用预设的正则表达式对目标网页中的信息进行提取,提高了目标信息的准确性。
S33:解析目标信息,得到理财产品信息。
具体地,解析目标信息具体过程为:首先通过爬虫解析库中的解析模块对目标信息进行数据分析,再通过路径表达式提取解析后的目标信息,并将解析后的目标信息保存在数据库中,得到理财产品信息。其中的爬虫解析库可以是BeautifulSoup解析库,也可以是lxml解析库。可以理解地,通过解析目标信息,可以快速准确地获取到理财产品信息。
本实施例中,首先,获取目标网页;然后,采用预设的正则表达式对目标网页中的信息进行提取,提高了目标信息的准确性;最后,解析目标信息,得到理财产品信息,从而快速准确地获取到理财产品信息。
在一实施例中,如图4所示,步骤S30中,采用爬虫技术获取理财产品信息,具体包括如下步骤:
S31’:获取目标网页。
具体地,本步骤中的目标网页内容与步骤S31相同,且获取目标网页的步骤也相同,此处不再赘述。
S32’:采用网页分析器对目标网页中的数据进行提取,得到理财产品信息。
其中,网页分析器是一种用于解析网页元素的工具。具体地,通过网页分析器中的select()方法,选取符合预设条件的标签,组成符合条件的标签数组,进而提取标签数组中的元素,作为理财产品信息。其中的网页分析器包括但不限于是jsoup网页分析器。可以理解地,采用网页分析器对目标网页中的数据进行提取,使得理财产品信息获取效率更高。
本实施例中,先获取目标网页,然后采用网页分析器对目标网页中的数据进行提取,得到理财产品信息,使得理财产品信息获取效率更高。
在一实施例中,如图5所示,在采用爬虫技术获取理财产品信息之后,理财产品推荐方法还包括:
S41:获取n个理财因子数据中的任意一种理财因子数据,作为波动因子。
其中,波动因子是衡量理财产品稳定性能的因素。可以理解地,理财产品的稳定性越强,则该产品的风险系数也越低,因此能够作为理财产品评估的指标。可以理解地,n个理财因子数据都能够反映理财产品的稳定性,因此,任意一种或者多种理财因子数据都能够作为波动因子。为了后续快速准确地计算理财产品的评分值,本步骤采用随机数的方式从n个理财因子数据中选取出任意一种理财因子数据作为波动因子。在一个具体实施方式中,n个理财因子数据分别是A1、A2、A3…An,当随机数为3时,即将理财因子数据A3作为波动因子,当随机数为6时,即将理财因子数据A6作为波动因子。
需要说明的是,波动因子包括m个数据,例如,当波动因子为月收益率时,那么该波动因子中的m个数据可以是某一年或者某几年中各个月份的月收益率。
S42:计算波动因子的方差,得到产品标识对应的波动系数。
其中,方差是描述一个随机变量的离散程度,也即该变量与其期望值的距离。本实施例中,用于描述理财产品的稳定性。其公式如下:
上述公式中,u表示为波动因子中m个数据的平均值,即uk表示为波动因子中的第k个数据,δ为波动系数。容易理解地,方差越大,即波动系数越大,那么该波动因子对应的理财产品的的稳定性越差,方差越小,那么该波动因子对应的理财产品的的稳定性越好,用户更倾向于选取稳定性较好的理财产品。
具体地,通过计算波动因子的方差,作为波动系数,进而作为衡量理财产品的稳定性依据,更有利于用户进行理财产品的选择,提高理财产品推荐的匹配准确度。
本实施例中,首先,获取n个理财因子数据中的任意一种理财因子数据,作为波动因子,以便后续快速准确地计算理财产品的评分值;然后,计算波动因子的方差,得到产品标识对应的波动系数,进而作为衡量理财产品的稳定性依据,更有利于用户进行理财产品的选择,提高理财产品推荐的匹配准确度。
在一实施例中,步骤S50中,根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识对应的产品评分值,具体包括如下步骤:
采用下述计算公式对每一因子系数和每一理财因子数据进行计算,得到每一产品标识对应的的产品评分值:
其中,S表示为产品评分值,λi表示为第i个因子系数,xi表示为第i个理财因子数据的分值,y表示为波动因子对应的数值,δ表示为波动系数。
具体地,将每一因子系数和每一理财因子数据相乘后进行叠加求和并减去波动因子对应的数值与波动系数的乘积,将差值作为每一产品标识对应的产品评分值,该计算方法充分考虑了每个理财因子数据对产品评分值的影响,同时也考虑了波动因子与产品评分值之间的负相关的关系,即随着波动因子的增长,产品评分值呈下降的趋势,因此,减去波动因子与波动系数的乘积,使得产品评分值更加准确,有利于提高后续产品推荐的匹配准确度。
本实施例中,采用下述计算公式对每一因子系数和每一理财因子数据进行计算,得到每一产品标识对应的的产品评分值:
其中,S表示为产品评分值,λi表示为第i个因子系数,xi表示为第i个理财因子数据的分值,y表示为波动因子对应的数值,δ表示为波动系数。使得产品评分值更加准确,有利于提高后续产品推荐的匹配准确度。
在一实施例中,如图6所示,在根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识对应的的产品评分值之后,且在将理财等级与产品评分值通过预设的映射关系表进行匹配之前,理财产品推荐方法还包括如下步骤:
S71:对产品评分值按照由低到高的顺序进行排序,得到评分值序列。
其中,评分值序列是指将一系列产品评分值作为元素按照预定顺序排列形成的一组数据。在一具体实施方式中,评分值序列是对M个产品评分值按照由低到高的顺序进行排序得到的,M为正整数。具体地,通过数组sort方法按照产品评分值从低到高的顺序进行排序,得到评分值序列。
S72:依次将评分值序列中每一产品评分值与预设的评分阈值进行比较操作,当任意一个产品评分值大于或者等于预设的评分阈值时,将该产品评分值作为备选评分值,并终止比较操作。
其中,评分阈值是用于衡量理财产品的产品评分值的临界值。备选评分值是指大于或者等于预设的评分阈值的产品评分值。具体地,依次将评分值序列中每一产品评分值与预设的评分阈值进行比较操作,当任意一个产品评分值不小于预设的评分阈值时,将产品评分值作为备选评分值,终止比较操作,因此,通过比较操作,将小于预设的评分阈值的产品评分值筛选出来,以便后续对大于或者等于预设的评分阈值的产品评分值进行进一步地处理。
S73:删除备选评分值之前的每一产品评分值,得到更新后评分值序列,将更新后评分值序列中每一产品评分值作为更新后的每一产品标识对应的的产品评分值。
其中,更新后评分值序列是指由一系列备选评分值作为元素按照预定顺序排列形成的一组数据。容易理解地,删除备选评分值之前每一产品评分值,也即删除了小于或者等于预设的评分阈值的产品评分值对应的理财产品,不作为用户的推荐理财产品,从而提高了用户理财的安全性,并且也能够对理财市场理财产品进行进一步规范。
本实施例中,首先,对产品评分值按照由低到高的顺序进行排序,得到评分值序列;然后,依次将评分值序列中每一产品评分值与预设的评分阈值进行比较操作,当任意一个产品评分值大于或者等于预设的评分阈值时,将产品评分值作为备选评分值,终止比较操作,将小于预设的评分阈值的产品评分值筛选出来,以便后续对大于或者等于预设的评分阈值的产品评分值进行进一步地处理;最后,删除备选评分值之前每一产品评分值,得到更新后评分值序列,将更新后评分值序列中每一产品评分值作为更新后的每一产品标识对应的的产品评分值,从而提高了用户理财的安全性,并且也能够对理财市场理财产品进行进一步规范。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种理财产品推荐装置,该理财产品推荐装置与上述实施例中理财产品推荐方法一一对应。如图7所示,该理财产品推荐装置包括资产信息获取模块10、理财等级分析模块20、理财产品信息获取模块30、因子系数计算模块40、产品评分值计算模块50和理财产品推荐模块60。各功能模块详细说明如下:
资产信息获取模块10,用于获取用户的资产信息;
理财等级分析模块20,用于将资产信息输入预设的理财分析模型,得到预设的理财分析模型输出的理财等级;
理财产品信息获取模块30,用于采用爬虫技术获取理财产品信息,其中,理财产品信息包括产品标识和每一产品标识的n个理财因子数据,n为正整数,理财因子数据是指与理财收益及风险相关的因素数据;
因子系数计算模块40,用于将同一产品标识对应的n个理财因子数据输入到贝叶斯模型中,得到每一理财因子数据对应的因子系数;
产品评分值计算模块50,用于根据每一产品标识的每一因子系数和每一理财因子数据进行计算,得到每一产品标识的产品评分值;
理财产品推荐模块60,用于将理财等级与产品评分值通过预设的映射关系表进行匹配,得到用户的理财产品标识,并将理财产品标识对应的理财产品信息推荐给用户。
优选地,如图8所示,理财产品信息获取模块30包括目标网页获取单元31、目标信息获取单元32和理财产品信息获取单元33。
目标网页获取单元31,用于获取目标网页;
目标信息获取单元32,用于采用预设的正则表达式对目标网页中的信息进行提取,得到目标信息;
理财产品信息获取单元33,用于解析目标信息,得到理财产品信息。
优选地,理财产品信息获取模块还包括目标网页获取单元和理财产品信息获取单元。
目标网页获取单元,用于获取目标网页;
理财产品信息获取单元,用于采用网页分析器对目标网页中的数据进行提取,得到理财产品信息。
优选地,理财产品推荐装置还包括波动因子波动因子获取模块和波动系数计算模块。
波动因子获取模块,用于获取n个理财因子数据中的任意一种理财因子数据,作为波动因子;
波动系数计算模块,用于计算波动因子的方差,得到产品标识对应的波动系数。
优选地,产品评分值计算模块用于采用下述计算公式对每一因子系数和每一理财因子数据进行计算,得到每一产品标识对应的的产品评分值:
其中,S表示为产品评分值,λi表示为第i个因子系数,xi表示为第i个理财因子数据的分值,y表示为波动因子对应的数值,δ表示为波动系数。
优选地,理财产品推荐装置还包括评分值序列计算模块、备选评分值获取模块和产品评分值获取模块。
评分值序列计算模块,用于对产品评分值按照由低到高的顺序进行排序,得到评分值序列;
备选评分值获取模块,用于依次将评分值序列中每一产品评分值与预设的评分阈值进行比较操作,当任意一个产品评分值不小于预设的评分阈值时,将产品评分值作为备选评分值,并终止比较操作;
产品评分值获取模块,用于删除备选评分值之前的每一产品评分值,得到更新后评分值序列,将更新后评分值序列中每一产品评分值作为更新后的每一产品标识对应的的产品评分值。
关于理财产品推荐装置的具体限定可以参见上文中对于理财产品推荐方法的限定,在此不再赘述。上述理财产品推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储该理财产品推荐方法中使用到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种理财产品推荐方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
获取用户的资产信息;
将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取用户的资产信息;
将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种理财产品推荐方法,其特征在于,所述理财产品推荐方法包括:
获取用户的资产信息;
将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
2.如权利要求1所述的理财产品推荐方法,其特征在于,所述采用爬虫技术获取理财产品信息,包括:
获取目标网页;
采用预设的正则表达式对所述目标网页中的信息进行提取,得到目标信息;
解析所述目标信息,得到所述理财产品信息。
3.如权利要求1所述的理财产品推荐方法,其特征在于,所述采用爬虫技术获取理财产品信息,包括:
获取目标网页;
采用网页分析器对所述目标网页中的数据进行提取,得到所述理财产品信息。
4.如权利要求1所述的理财产品推荐方法,其特征在于,在所述采用爬虫技术获取理财产品信息之后,所述理财产品推荐方法还包括:
获取n个所述理财因子数据中的任意一种理财因子数据,作为波动因子;
计算所述波动因子的方差,得到所述产品标识对应的波动系数。
5.如权利要求4所述的理财产品推荐方法,其特征在于,所述根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识对应的产品评分值,包括:
采用下述计算公式对每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识对应的的产品评分值:
其中,S表示为所述产品评分值,λi表示为第i个所述因子系数,xi表示为第i个所述理财因子数据的分值,y表示为所述波动因子对应的数值,δ表示为所述波动系数。
6.如权利要求1所述的理财产品推荐方法,其特征在于,在所述根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识对应的的产品评分值之后,且在所述将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配之前,所述理财产品推荐方法还包括:
对所述产品评分值按照由低到高的顺序进行排序,得到评分值序列;
依次将所述评分值序列中每一所述产品评分值与预设的评分阈值进行比较操作,当任意一个所述产品评分值不小于预设的评分阈值时,将所述产品评分值作为备选评分值,并终止所述比较操作;
删除所述备选评分值之前的每一所述产品评分值,得到更新后评分值序列,将所述更新后评分值序列中每一产品评分值作为更新后的每一所述产品标识对应的的产品评分值。
7.一种理财产品推荐装置,其特征在于,所述理财产品推荐装置包括:
资产信息获取模块,用于获取用户的资产信息;
理财等级分析模块,用于将所述资产信息输入预设的理财分析模型,得到所述预设的理财分析模型输出的理财等级;
理财产品信息获取模块,用于采用爬虫技术获取理财产品信息,其中,所述理财产品信息包括产品标识和每一所述产品标识的n个理财因子数据,n为正整数,所述理财因子数据是指与理财收益及风险相关的因素数据;
因子系数计算模块,用于将同一所述产品标识对应的n个所述理财因子数据输入到贝叶斯模型中,得到每一所述理财因子数据对应的因子系数;
产品评分值计算模块,用于根据每一所述产品标识的每一所述因子系数和每一所述理财因子数据进行计算,得到每一所述产品标识的产品评分值;
理财产品推荐模块,用于将所述理财等级与所述产品评分值通过预设的映射关系表进行匹配,得到所述用户的理财产品标识,并将所述理财产品标识对应的理财产品信息推荐给所述用户。
8.如权利要求7所述的财产品推荐装置,其特征在于,所述理财产品信息获取模块包括:
目标网页获取单元,用于获取目标网页;
目标信息获取单元,用于采用预设的正则表达式对所述目标网页中的信息进行提取,得到目标信息;
理财产品信息获取单元,用于解析所述目标信息,得到所述理财产品信息。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的理财产品推荐方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述理财产品推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910042598.3A CN109858957A (zh) | 2019-01-17 | 2019-01-17 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910042598.3A CN109858957A (zh) | 2019-01-17 | 2019-01-17 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109858957A true CN109858957A (zh) | 2019-06-07 |
Family
ID=66894969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910042598.3A Pending CN109858957A (zh) | 2019-01-17 | 2019-01-17 | 理财产品推荐方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109858957A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363582A (zh) * | 2019-06-29 | 2019-10-22 | 上海淇馥信息技术有限公司 | 基于用户意愿的金融服务优惠信息推广方法、装置及电子设备 |
CN110610378A (zh) * | 2019-08-14 | 2019-12-24 | 深圳壹账通智能科技有限公司 | 产品需求分析方法、装置、计算机设备和存储介质 |
CN111798322A (zh) * | 2020-06-30 | 2020-10-20 | 中国工商银行股份有限公司 | 一种银行理财产品的数据处理方法及装置 |
CN112053244A (zh) * | 2020-09-02 | 2020-12-08 | 中国银行股份有限公司 | 信息处理方法、装置以及服务器 |
CN112150290A (zh) * | 2020-09-08 | 2020-12-29 | 广元量知汇科技有限公司 | 用于智慧金融的产品推送方法 |
CN112231550A (zh) * | 2020-09-11 | 2021-01-15 | 重庆誉存大数据科技有限公司 | 一种信贷金融产品推荐处理方法及装置 |
CN112330464A (zh) * | 2020-12-31 | 2021-02-05 | 北京口袋财富信息科技有限公司 | 数据预警方法及*** |
CN113011972A (zh) * | 2021-04-28 | 2021-06-22 | 阜阳市星启链数据科技有限公司 | 基于供应链的金融安全交易*** |
CN113240472A (zh) * | 2021-05-19 | 2021-08-10 | 深圳索信达数据技术有限公司 | 理财产品推荐方法、电子设备及存储介质 |
CN114297511A (zh) * | 2022-01-27 | 2022-04-08 | 中国农业银行股份有限公司 | 理财推荐方法、装置、***和存储介质 |
CN115482116A (zh) * | 2022-09-30 | 2022-12-16 | 北京百度网讯科技有限公司 | 资产投资策略信息的推荐方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020028249A (ko) * | 2000-10-09 | 2002-04-17 | 이상원 | 인터넷을 이용한 재테크 서비스 제공시스템 및 재테크서비스 제공방법 |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐***和方法 |
CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
CN107784551A (zh) * | 2017-07-24 | 2018-03-09 | 上海壹账通金融科技有限公司 | 股票舆情数据处理方法、装置、计算机设备和存储介质 |
CN107798607A (zh) * | 2017-07-25 | 2018-03-13 | 上海壹账通金融科技有限公司 | 资产配置策略获取方法、装置、计算机设备和存储介质 |
WO2018120425A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技(深圳)有限公司 | 个人财产状态评估方法、装置、设备和存储介质 |
CN108681970A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市零度智控科技有限公司 | 基于大数据的理财产品推送方法、***及计算机存储介质 |
CN109214926A (zh) * | 2018-08-22 | 2019-01-15 | 泰康保险集团股份有限公司 | 基于区块链的理财产品推荐方法、装置、介质及电子设备 |
-
2019
- 2019-01-17 CN CN201910042598.3A patent/CN109858957A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020028249A (ko) * | 2000-10-09 | 2002-04-17 | 이상원 | 인터넷을 이용한 재테크 서비스 제공시스템 및 재테크서비스 제공방법 |
CN107436866A (zh) * | 2016-05-25 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 理财产品的推荐方法及装置 |
CN106600369A (zh) * | 2016-12-09 | 2017-04-26 | 广东奡风科技股份有限公司 | 基于朴素贝叶斯分类的银行金融产品实时推荐***和方法 |
WO2018120425A1 (zh) * | 2016-12-29 | 2018-07-05 | 平安科技(深圳)有限公司 | 个人财产状态评估方法、装置、设备和存储介质 |
CN107784551A (zh) * | 2017-07-24 | 2018-03-09 | 上海壹账通金融科技有限公司 | 股票舆情数据处理方法、装置、计算机设备和存储介质 |
CN107798607A (zh) * | 2017-07-25 | 2018-03-13 | 上海壹账通金融科技有限公司 | 资产配置策略获取方法、装置、计算机设备和存储介质 |
CN108681970A (zh) * | 2018-05-28 | 2018-10-19 | 深圳市零度智控科技有限公司 | 基于大数据的理财产品推送方法、***及计算机存储介质 |
CN109214926A (zh) * | 2018-08-22 | 2019-01-15 | 泰康保险集团股份有限公司 | 基于区块链的理财产品推荐方法、装置、介质及电子设备 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363582A (zh) * | 2019-06-29 | 2019-10-22 | 上海淇馥信息技术有限公司 | 基于用户意愿的金融服务优惠信息推广方法、装置及电子设备 |
CN110610378A (zh) * | 2019-08-14 | 2019-12-24 | 深圳壹账通智能科技有限公司 | 产品需求分析方法、装置、计算机设备和存储介质 |
CN111798322A (zh) * | 2020-06-30 | 2020-10-20 | 中国工商银行股份有限公司 | 一种银行理财产品的数据处理方法及装置 |
CN112053244B (zh) * | 2020-09-02 | 2023-09-08 | 中国银行股份有限公司 | 信息处理方法、装置以及服务器 |
CN112053244A (zh) * | 2020-09-02 | 2020-12-08 | 中国银行股份有限公司 | 信息处理方法、装置以及服务器 |
CN112150290A (zh) * | 2020-09-08 | 2020-12-29 | 广元量知汇科技有限公司 | 用于智慧金融的产品推送方法 |
CN112231550A (zh) * | 2020-09-11 | 2021-01-15 | 重庆誉存大数据科技有限公司 | 一种信贷金融产品推荐处理方法及装置 |
CN112231550B (zh) * | 2020-09-11 | 2024-05-17 | 重庆誉存大数据科技有限公司 | 一种信贷金融产品推荐处理方法及装置 |
CN112330464A (zh) * | 2020-12-31 | 2021-02-05 | 北京口袋财富信息科技有限公司 | 数据预警方法及*** |
CN113011972B (zh) * | 2021-04-28 | 2022-05-31 | 中数智创科技有限公司 | 基于供应链的金融安全交易*** |
CN113011972A (zh) * | 2021-04-28 | 2021-06-22 | 阜阳市星启链数据科技有限公司 | 基于供应链的金融安全交易*** |
CN113240472A (zh) * | 2021-05-19 | 2021-08-10 | 深圳索信达数据技术有限公司 | 理财产品推荐方法、电子设备及存储介质 |
CN113240472B (zh) * | 2021-05-19 | 2024-02-02 | 深圳索信达数据技术有限公司 | 理财产品推荐方法、电子设备及存储介质 |
CN114297511A (zh) * | 2022-01-27 | 2022-04-08 | 中国农业银行股份有限公司 | 理财推荐方法、装置、***和存储介质 |
CN115482116A (zh) * | 2022-09-30 | 2022-12-16 | 北京百度网讯科技有限公司 | 资产投资策略信息的推荐方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858957A (zh) | 理财产品推荐方法、装置、计算机设备及存储介质 | |
US20210365967A1 (en) | Systems and methods for interactive annuity product services using machine learning modeling | |
CN108876133A (zh) | 基于业务信息的风险评估处理方法、装置、服务器和介质 | |
CN109272408A (zh) | 车贷款金融产品智能推荐方法、装置、设备及介质 | |
EP2506207A1 (en) | Computer system, computer-implemented method and computer program product for managing operations of a system | |
US20070124236A1 (en) | Credit risk profiling method and system | |
CN110223155A (zh) | 投资推荐信息的推送方法、装置及计算机设备 | |
JP7017149B2 (ja) | ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム | |
WO2013033029A2 (en) | Systems and methods for detection of satisficing in surveys | |
US20130060672A1 (en) | Social based automatic trading of currencies, commodities, securities and other financial instruments | |
CN111738819A (zh) | 表征数据筛选方法、装置和设备 | |
US20230153845A1 (en) | System and method for generating custom data models for predictive forecasting | |
CN112288279A (zh) | 基于自然语言处理和线性回归的业务风险评估方法和装置 | |
CN115630221A (zh) | 终端应用界面展示数据处理方法、装置及计算机设备 | |
CN112990989B (zh) | 价值预测模型输入数据生成方法、装置、设备和介质 | |
CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
CN114581249A (zh) | 基于投资风险承受能力评估的金融产品推荐方法及*** | |
CN114187125A (zh) | 理赔案件分流方法、装置、设备及存储介质 | |
CN114493686A (zh) | 一种运营内容生成推送方法及装置 | |
CN110389963A (zh) | 基于大数据的渠道效果识别方法、装置、设备和存储介质 | |
US20210295435A1 (en) | Platform and method for monetizing investment data | |
CN112037005B (zh) | 一种评分卡的融合方法、装置、计算机设备及存储介质 | |
CN116739722B (zh) | 一种基于风险评估的融资租赁报价方法及*** | |
Gupta et al. | Stock market prediction accuracy analysis using kappa measure | |
Roozkhosh et al. | Dynamic analysis of bitcoin price under market news and sentiments and government support policies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190607 |
|
WD01 | Invention patent application deemed withdrawn after publication |