CN111539830A - 一种fof投资策略组合的跟踪及优化方法 - Google Patents

一种fof投资策略组合的跟踪及优化方法 Download PDF

Info

Publication number
CN111539830A
CN111539830A CN202010235575.7A CN202010235575A CN111539830A CN 111539830 A CN111539830 A CN 111539830A CN 202010235575 A CN202010235575 A CN 202010235575A CN 111539830 A CN111539830 A CN 111539830A
Authority
CN
China
Prior art keywords
target
fof
weight
asset
investment
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
Application number
CN202010235575.7A
Other languages
English (en)
Inventor
江伟辉
陈维杰
吴伟
贾西贝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Huaao Data Technology Co Ltd
Original Assignee
Shenzhen Huaao Data Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Huaao Data Technology Co Ltd filed Critical Shenzhen Huaao Data Technology Co Ltd
Priority to CN202010235575.7A priority Critical patent/CN111539830A/zh
Publication of CN111539830A publication Critical patent/CN111539830A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Technology Law (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明涉及一种FOF投资策略组合的跟踪及优化方法和装置，不但能为投资主体筛选出最匹配的投资推荐投资策略组合，并能跟踪投资策略和动态优化，更好的完成预设目标。本发明方法包括，采集FOF产品要素和FOF产品投资经理的相关特征信息；根据风险最小化原理，求解大类资产权重向量，利用优化算法求得各大类资产的权重形成大类资产配置方案，获得所有T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重形成具体投资标的配置方案；结合采集的市场环境要素跟踪各大类资产的权重，基于FOF产品要素、FOF产品投资经理相关信息、市场环境要素，重新获得实时的各大类资产的权重形成更新后的大类资产配置方案；根据更新后的大类资产配置方案，重复计算更新后的标的权重形成更新后的具体投资标的方案。

Description

一种FOF投资策略组合的跟踪及优化方法
技术领域
本发明涉及股票分析技术领域，尤其涉及一种FOF投资策略组合的跟踪及优化方法
背景技术
基金中的基金(Fund of Funds，简称FOF)并不直接投资股票或债券，其投资范围仅限于其他基金，通过持有其他证券投资基金而间接持有股票、债券等证券资产，它是结合基金产品创新和销售渠道创新的基金新品种。FOF投资具有运营成本低，风险小，不易操作的特点。FOF投资策略组合方案需要灵活、有柔性，能够主动适应不同的投资者和市场环境，因此在进行投资策略组合的选择时，除了需要了解金融市场的变化和客户对于风险的承受能力，还需要跟踪各组合策略变化，动态优化投资策略。然而现有技术中并没有能够跟踪投资组合策略和动态优化的方法，因此无法很好地适应市场需求。
发明内容
为至少在一定程度上克服现有技术中的上述问题，本发明提供一种FOF投资策略组合的跟踪及优化方法及装置，不但能为投资主体筛选出最匹配的投资推荐投资策略组合，并能跟踪投资策略和动态优化，更好的完成预设投资目标。
第一方面，本发明公开了一种FOF投资策略组合的跟踪及优化方法，包括：
采集FOF产品要素和FOF产品投资经理的相关特征信息；
根据FOF产品要素及产品投资经理的相关特征信息，采集各大类资产的市场收益率，根据风险最小化原理，求解大类资产权重向量，利用优化算法，求得各大类资产的权重，形成大类资产配置方案；
采集市场上FOF产品的大类资产权重数据，并设置FOF产品种类数T，利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的配置方案；
结合采集的市场环境要素跟踪各大类资产的权重，基于FOF产品要素、FOF产品投资经理相关信息、市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案；
根据更新后的大类资产配置方案，重复计算更新后的标的物权重，形成更新后的具体投资标的方案。
第二方面，本发明还公开了一种FOF投资策略组合的跟踪及优化装置，包括：特征采集模块、大类资产配置模块，具体投资标的配置模块，大类资产跟踪优化模块和具体投资标的跟踪优化模块；
特征采集模块，用于采集FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率、市场上FOF产品的大类资产权重数据以及市场环境要素；
大类资产配置模块，用于根据特征采集模块采集的FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率，计算各大类资产的权重，形成大类资产配置方案；
具体投资标的配置模块，用于将大类资产配置模块输出的各大类资产的权重和特征采集模块采集市场上FOF产品的大类资产权重数据，利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的配置方案；
大类资产跟踪优化模块，用于跟踪大类资产配置模块输出的各大类资产的权重，结合特征采集模块采集市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案；
具体投资标的跟踪优化模块，用于根据更新后的大类资产配置模块重新获得实时的各大类资产的权重，重复计算更新后的标的物权重，形成更新后的具体投资标的方案。
第三方面，本发明还公开了一种电子设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行FOF投资策略组合的跟踪及优化方法。
第四方面，本发明还公开了一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现FOF投资策略组合的跟踪及优化方法。
本发明的有益效果：
本发明提供一种FOF投资策略组合的跟踪及优化方法，不但能为投资主体筛选出最匹配的投资推荐投资策略组合，并能跟踪投资策略和动态优化，更好的完成预设投资目标。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1为本发明实施例一FOF投资策略组合的跟踪及优化方法流程图；
图2为本发明实施例二FOF投资策略组合的跟踪及优化方法流程图；
图3为本发明实施例三FOF投资策略组合的跟踪及优化装置结构示意图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被这里所公开的具体结构和功能细节仅仅是代表性的，并且是用于描述本发明的示例性实施例的目的。但是本发明可以通过许多替换形式来具体实现，并且不应当被解释成仅仅受限于这里所阐述的实施例。
实施例一
参照图1，图1示出了本发明实施例一的流程图，详细如下：
步骤1：采集FOF产品要素Ai(i＝1,2,…,NA)，其中NA为产品要素的总数。所述产品要素包括但不限于股票投资范围A1、期货投资范围A2、债券投资范围A3、止盈限值A4、止损限值A5、产品期限A6、风险控制限值A7、产品规模A8等。
步骤2：采集FOF产品投资经理相关信息Bi(i＝1,2,…,NB)，其中NB为产品投资经理信息的维度数。所述产品投资经理信息包括但不限于投资经验B1、风险偏好B2等。
步骤3：根据FOF产品要素Ai与FOF产品投资经理相关信息Bi，确定大类资产配置品种数M，以及各大类资产权重的上限值Um(m＝1,2,…,M)与下限值Lm(m＝1,2,…,M)，并采集各大类资产的市场收益率Ym(m＝1,2,…,M)。然后，根据风险最小化原理，求解大类资产权重向量w，有：
Figure BDA0002430847780000041
Lm≤wm≤Um (2)
Figure BDA0002430847780000042
联合公式(1)-(3)，利用优化算法，求得各大类资产的权重w1,w2,…,wM，形成大类资产配置方案。
本申请选取的优化算法为梯度下降法或Nesterov Momentum，通过优化算法对目标函数进行优化，从而训练出最好的模型。
(1)梯度下降法：
梯度下降法核心思想是：在当前位置寻找梯度下降最快的方向，来逐渐逼近优化的目标函数。且离目标函数越近，逼近的“步伐”也就越小。梯度下降法本质是一种迭代方法。
(2)Nesterov Momentum
Nesterov Momentum是基于Momentum的加速算法，相比于传统的动量算法，最大的优化是计算经过动量更新之后的位置梯度。Momentum核心是通过优化相关方向的训练和弱化无关方向的振荡，来加速SGD训练。
步骤4：采集市场上FOF产品的大类资产权重数据，并设置FOF产品种类数T。利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，据此获得T个相应的权重向量组合，有：
Pt＝[xt1,xt2,…,xtM] (4)
其中，Pt为第t个(t＝1,2,…,T)FOF产品的权重向量组合，xt1为其在第1个大类资产中的权重向量，xt2为其在第2个大类资产中的权重向量，xtM为其在第M个大类资产中的权重向量，如此类推。每个权重向量由若干个具体投资标的的权重组成，以xt1为例，有：
xt1＝[xt11,xt12,…,xt1S]T (5)
公式(5)说明第t个FOF产品的第1个大类资产中，共有S个投资标的，各投资标的的具体权重为xt11,xt12,…,xt1S。
所有在T个FOF产品中出现过的投资标的的总和，构成本方法的标的池Q。标的池中每个标的物的具体权重xq，由该标的所属的资产大类m，FOF产品种类数T，其在各FOF产品中所出现的次数V，以及其每次出现时的权重x1,x2,…,xV共同决定，有：
Figure BDA0002430847780000051
根据公式(6)可获得每个标的物的权重，形成具体投资标的方案。
步骤5：根据上述4个步骤，可获得初始的大类资产配置方案以及具体投资标的方案，并以此进行投资。在投资过程中，本方法还将根据实时的市场环境，动态调整方案的权重配置。对于大类资产配置方案，将采集市场环境要素Ci(i＝1,2,…,NC)，其中NC为市场环境要素的总数。所述市场环境要素包括但不限于行业表现因子C1、汇率因子C2、PMI指数因子C3等。
基于FOF产品要素Ai、FOF产品投资经理相关信息Bi、市场环境要素Ci，重新确定大类资产权重的上限值U′m(m＝1,2,…,M)与下限值L′m(m＝1,2,…,M)，
根据风险最小化原理，建立方程组，求解大类资产权重向量w′，方程组有：
Figure BDA0002430847780000052
L′m≤wm′≤U′m
Figure BDA0002430847780000053
利用优化算法，求得各大类资产的权重w1′,w2′,…,wM′,形成更新后的大类资产配置方案。
步骤6：根据上述步骤5所获得的更新后的大类资产配置方案，重复步骤4计算更新后的标的权重，据此形成更新后的具体投资标的配置方案，并以此进行投资建议。
根据公式重新计算的权重xq′
Figure BDA0002430847780000061
实施例二
参照图2，图2示出了本发明实施例的流程图，详细如下：
步骤1：采集FOF产品要素Ai(i＝1,2,…,NA)，其中NA为产品要素的总数。所述产品要素包括但不限于股票投资范围A1、期货投资范围A2、债券投资范围A3、止盈限值A4、止损限值A5、产品期限A6、风险控制限值A7、产品规模A8等。
步骤2：采集FOF产品投资经理相关信息Bi(i＝1,2,…,NB)，其中NB为产品投资经理信息的维度数。所述产品投资经理信息包括但不限于投资经验B1、风险偏好B2等。
步骤3：根据FOF产品要素Ai与FOF产品投资经理相关信息Bi，确定大类资产配置品种数M，以及各大类资产权重的上限值Um(m＝1,2,…,M)与下限值Lm(m＝1,2,…,M)，并采集各大类资产的市场收益率Ym(m＝1,2,…,M)。然后，根据风险最小化原理，求解大类资产权重向量w，有：
Figure BDA0002430847780000062
Lm≤wm≤Um (2)
Figure BDA0002430847780000063
联合公式(1)-(3)，利用优化算法，求得各大类资产的权重w1,w2,…,wM，形成大类资产配置方案。
步骤4：采集市场上FOF产品的大类资产权重数据，并设置FOF产品种类数T。利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，据此获得T个相应的权重向量组合，有：
Pt＝[xt1,xt2,…,xtM] (4)
其中，Pt为第t个(t＝1,2,…,T)FOF产品的权重向量组合，xt1为其在第1个大类资产中的权重向量，xt2为其在第2个大类资产中的权重向量，xtM为其在第M个大类资产中的权重向量，如此类推。每个权重向量由若干个具体投资标的的权重组成，以xt1为例，有：
xt1＝[xt11,xt12,…,xt1S]T (5)
公式(5)说明第t个FOF产品的第1个大类资产中，共有S个投资标的，各投资标的的具体权重为xt11,xt12,…,xt1S。
所有在T个FOF产品中出现过的投资标的的总和，构成本方法的标的池Q。标的池中每个标的物的具体权重xq，由该标的所属的资产大类m，FOF产品种类数T，其在各FOF产品中所出现的次数V，以及其每次出现时的权重x1,x2,…,xV共同决定，有：
Figure BDA0002430847780000071
根据公式(6)可获得每个标的物的权重，形成具体投资标的方案。
步骤5：根据上述4个步骤，可获得初始的大类资产配置方案以及具体投资标的方案，并以此进行投资。在投资过程中，本方法还将根据实时的市场环境，动态调整方案的权重配置。对于大类资产配置方案，将采集市场环境要素Ci(i＝1,2,…,NC)，其中NC为市场环境要素的总数。所述市场环境要素包括但不限于行业表现因子C1、汇率因子C2、PMI指数因子C3等。
基于FOF产品要素Ai、FOF产品投资经理相关信息Bi、市场环境要素Ci，重新确定大类资产权重的上限值U′m(m＝1,2,…,M)与下限值L′m(m＝1,2,…,M)，
根据风险最小化原理，建立方程组，求解大类资产权重向量w′，方程组有：
Figure BDA0002430847780000072
L′m≤wm′≤U′m
Figure BDA0002430847780000073
利用优化算法，求得各大类资产的权重w1′,w2′,…,wM′,形成更新后的大类资产配置方案。
步骤6：采集标的池Q中每个标的的属性要素Di(i＝1,2,…,ND)，其中ND为标的属性要素的总数。所述标的属性要素包括但不限于所投标公司的高管信息D1、标的基金经理信息D2、标的涨跌幅D3、标的最大回撤D4等。根据标的属性要素Di确定每个标的的上限值
Figure BDA0002430847780000081
与下限值
Figure BDA0002430847780000082
步骤7:根据上述步骤5所获得的更新后的大类资产配置方案，重复计算更新后的标的物权重，更新后的标的的权重xq′
Figure BDA0002430847780000083
若重新计算的权重
Figure BDA0002430847780000084
则令
Figure BDA0002430847780000085
若
Figure BDA0002430847780000086
则令
Figure BDA0002430847780000087
并将更新前后的差值Δxq平均分配给其他满足
Figure BDA0002430847780000088
条件的标的，使得总权重始终保持1，据此形成更新后的具体投资标的方案，并以此进行投资建议。
实施例三
本发明第二方面还提供了一种FOF投资策略组合的跟踪及优化装置，用于实施上述本发明方法。具体的，如图3所示，本发明装置包括:特征采集模块、大类资产配置模块，具体投资标的配置模块，大类资产跟踪优化模块和具体投资标的跟踪优化模块；
特征采集模块，用于采集FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率、市场上FOF产品的大类资产权重数据以及市场环境要素；
大类资产配置模块，用于根据特征采集模块采集的FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率，计算各大类资产的权重，形成大类资产配置方案；
具体投资标的配置模块，用于将大类资产配置模块输出的各大类资产的权重和特征采集模块采集市场上FOF产品的大类资产权重数据，利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的配置方案；
大类资产跟踪优化模块，用于跟踪大类资产配置模块输出的各大类资产的权重，结合特征采集模块采集市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案；
具体投资标的跟踪优化模块，用于根据更新后的大类资产配置模块重新获得实时的各大类资产的权重，重复计算更新后的标的物权重，形成更新后的具体投资标的方案。
进一步的，具体投资标的跟踪优化模块，还可以用于跟踪标的池中每个标的的属性要素，所述标的属性要素包括但不限于所投标公司的高管信息D1、标的基金经理信息D2、标的涨跌幅D3、标的最大回撤D4，根据标的属性要素Di确定每个标的的上限值
Figure BDA0002430847780000091
与下限值
Figure BDA0002430847780000092
根据更新后的大类资产配置模块重新获得实时的各大类资产的权重，重复计算更新后的标的的权重，若重新计算的权重
Figure BDA0002430847780000093
则令
Figure BDA0002430847780000094
若
Figure BDA0002430847780000095
则令
Figure BDA0002430847780000096
Figure BDA0002430847780000097
并将更新前后的差值Δxq平均分配给其他满足
Figure BDA0002430847780000098
条件的标的，使得总权重始终保持1，据此形成更新后的具体投资标的方案，并以此进行投资建议。
实施例四
本发明实施例提供的一种电子设备，该电子设备包括：处理器、存储器和计算机程序；其中
存储器，用于存储计算机程序，该存储器还可以是闪存(flash)。计算机程序例如是实现上述方法的应用程序、功能模块等。
处理器，用于执行存储器存储的计算机程序，以实现上述方法中的各个步骤。具体可以参见前面方法实施例中的相关描述。
可选地，存储器既可以是独立的，也可以跟处理器集成在一起。
当存储器是独立于处理器之外的器件时，电子设备还可以包括：
总线，用于连接存储器和处理器。
上述电子设备的具体表现形式可以是计算机终端，也可以是服务器，还可以带有显示屏的计算机***等。
本发明还提供一种可读存储介质，该可读存储介质中存储有计算机程序，该计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述电子设备的实施例中，应理解，处理器可以是中央处理单元(英文：CentralProcessing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：DigitalSignal Processor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种FOF投资策略组合的跟踪及优化方法，其特征在于，所述方法包括：
采集FOF产品要素和FOF产品投资经理的相关特征信息；
根据FOF产品要素及产品投资经理的相关特征信息，采集各大类资产的市场收益率，根据风险最小化原理，求解大类资产权重向量，利用优化算法，求得各大类资产的权重，形成大类资产配置方案；
采集市场上FOF产品的大类资产权重数据，并设置FOF产品种类数T，利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的配置方案；
结合采集的市场环境要素跟踪各大类资产的权重，基于FOF产品要素、FOF产品投资经理相关信息、市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案；
根据更新后的大类资产配置方案，重复计算更新后的标的权重，形成更新后的具体投资标的方案。
2.如权利要求1所述的优化方法，其特征在于，所述根据更新后的大类资产配置方案，重复计算更新后的标的权重，形成更新后的具体投资标的方案之前还包括：跟踪标的池中每个标的的属性要素，所述标的属性要素包括但不限于所投标公司的高管信息D1、标的基金经理信息D2、标的涨跌幅D3、标的最大回撤D4，根据标的属性要素确定每个标的权重上限值与下限值。
3.如权利要求2所述的优化方法，其特征在于，所述根据标的属性要素确定每个标的权重上限值与下限值包括：
若重新计算的权重
Figure FDA0002430847770000011
则令
Figure FDA0002430847770000012
若重新计算的权重
Figure FDA0002430847770000013
则令
Figure FDA0002430847770000014
并将更新前后的差值Axq平均分配给其他满足
Figure FDA0002430847770000015
条件的标的，使得总权重始终保持为1；
其中，
Figure FDA0002430847770000016
为每个标的的上限值；
Figure FDA0002430847770000017
为每个标的的下限值，q＝1，2，...，Q。
4.如权利要求1或2所述的优化方法，其特征在于，所述根据FOF产品要素及产品投资经理的相关信息，采集各大类资产的市场收益率，根据风险最小化原理，利用优化算法求解大类资产权重向量，包括：
根据FOF产品要素Ai与FOF产品投资经理相关信息Bi，确定大类资产配置品种数M，以及各大类资产权重的上限值Um(m＝1，2，...，M)与下限值Lm(m＝1，2，...，M)；
采集各大类资产的市场收益率Ym(m＝1，2，...，M)，根据风险最小化原理，建立方程组，求解大类资产权重向量w，方程组有：
Figure FDA0002430847770000021
Lm≤wm≤Um
Figure FDA0002430847770000022
利用优化算法，求得各大类资产的权重w1，w2，...，wM。
5.如权利要求1或2所述的优化方法，其特征在于，所述获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的方案，包括：
所述标的池中每个标的物的权重xq的计算公式为：
Figure FDA0002430847770000023
其中，wm为标的所属的资产大类m的权重，T为FOF产品种类数，V为各FOF产品中所出现的次数，xi为标的每次出现时的权重。
6.如权利要求1或2所述的优化方法，其特征在于，所述基于FOF产品要素、FOF产品投资经理相关信息、市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案，包括：
所述市场环境要素包括但不限于行业表现因子C1、汇率因子C2、PMI指数因子C3；
基于FOF产品要素Ai、FOF产品投资经理相关信息Bi、市场环境要素Ci，重新确定大类资产权重的上限值U′m(m＝1，2，...，M)与下限值L′m(m＝1，2，...，M)，
根据风险最小化原理，建立方程组，求解大类资产权重向量w′，方程组有：
Figure FDA0002430847770000031
L′m≤wm′≤U′m
Figure FDA0002430847770000032
利用优化算法，求得各大类资产的权重w1′，w2′，...，wM′。
7.一种FOF投资策略组合的跟踪及优化装置，其特征在于，包括特征采集模块、大类资产配置模块，具体投资标的配置模块，大类资产跟踪优化模块和具体投资标的跟踪优化模块；
特征采集模块，用于采集FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率、市场上FOF产品的大类资产权重数据以及市场环境要素；
大类资产配置模块，用于根据特征采集模块采集的FOF产品要素、FOF产品投资经理的相关特征信息、各大类资产的市场收益率，计算各大类资产的权重，形成大类资产配置方案；
具体投资标的配置模块，用于将大类资产配置模块输出的各大类资产的权重和特征采集模块采集市场上FOF产品的大类资产权重数据，利用聚类算法求解与当前大类资产配置方案相关性最高的T个FOF产品，获得所有在T个FOF产品中出现过的投资标的的总和构成标的池，计算标的池中每个标的物的权重，形成具体投资标的配置方案；
大类资产跟踪优化模块，用于跟踪大类资产配置模块输出的各大类资产的权重，结合特征采集模块采集市场环境要素，利用优化算法重新获得实时的各大类资产的权重，形成更新后的大类资产配置方案；
具体投资标的跟踪优化模块，用于根据更新后的大类资产配置模块重新获得实时的各大类资产的权重，重复计算更新后的标的物权重，形成更新后的具体投资标的方案。
8.根据权利要求7所述的优化装置，其特征在于，所述具体投资标的跟踪优化模块还包括：采集标的池中每个标的的属性要素，所述标的属性要素包括但不限于所投标公司的高管信息D1、标的基金经理信息D2、标的涨跌幅D3、标的最大回撤D4，根据标的属性要素确定每个标的的上限值与下限值。
9.一种电子设备，其特征在于，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行如权利要求1至6中任意一种FOF投资策略组合的跟踪及优化方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现如权利要求1至6中任意一种所述的FOF投资策略组合的跟踪及优化方法。
CN202010235575.7A 2020-03-30 2020-03-30 一种fof投资策略组合的跟踪及优化方法 Pending CN111539830A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010235575.7A CN111539830A (zh) 2020-03-30 2020-03-30 一种fof投资策略组合的跟踪及优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010235575.7A CN111539830A (zh) 2020-03-30 2020-03-30 一种fof投资策略组合的跟踪及优化方法

Publications (1)

Publication Number Publication Date
CN111539830A true CN111539830A (zh) 2020-08-14

Family

ID=71980142

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010235575.7A Pending CN111539830A (zh) 2020-03-30 2020-03-30 一种fof投资策略组合的跟踪及优化方法

Country Status (1)

Country Link
CN (1) CN111539830A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767132A (zh) * 2021-01-26 2021-05-07 北京国腾联信科技有限公司 一种数据处理方法及***

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112767132A (zh) * 2021-01-26 2021-05-07 北京国腾联信科技有限公司 一种数据处理方法及***
CN112767132B (zh) * 2021-01-26 2024-02-02 北京国腾联信科技有限公司 一种数据处理方法及***

Similar Documents

Publication Publication Date Title
CN109447728A (zh) 金融产品推荐方法、装置、计算机设备及存储介质
WO2019061976A1 (zh) 基金产品推荐方法、装置、终端设备及存储介质
CN109598606B (zh) 数据处理方法、装置、介质及电子设备
CN109583966A (zh) 一种高价值客户识别方法、***、设备及存储介质
CN111062806B (zh) 个人金融信用风险评价方法、***和存储介质
WO2020057659A1 (en) A computer implemented method for compiling a portfolio of assets
CN111415256A (zh) 一种多账户股票交易的控制方法及装置
CN113313538A (zh) 用户消费能力预测方法、装置、电子设备和存储介质
CN108416673A (zh) 量化对冲组合交易方法、设备及存储介质
CN111539830A (zh) 一种fof投资策略组合的跟踪及优化方法
CN110599351A (zh) 一种投资数据处理方法及装置
CN109636244A (zh) 企业评分模型构建方法、企业评分方法和装置
JPH10275177A (ja) 投資信託のパフォーマンス評価装置およびその評価方法
CN114444831A (zh) 数据评估方法、装置、电子设备及存储介质
CN112016840A (zh) 一种选择指标数据的方法、装置、设备及存储介质
CN111311420A (zh) 一种业务数据的推送方法及装置
CN111161080A (zh) 信息处理方法和装置
CN113762415A (zh) 一种基于神经网络的汽车金融产品智能匹配方法和***
CN114493822A (zh) 一种基于迁移学习的用户违约预测定价方法和***
CN107330790B (zh) 一种节省存储空间的追溯资产所有权变更历史的方法
CN117094816B (zh) 一种基于大数据的企业财务评估方法及***
CN109636088A (zh) 一种用于评估银行间市场流动性的方法及装置
TWI775171B (zh) 投資系統及方法
CN117291603B (zh) 一种大数据比对应收账款确权的风险评估***
Bayar Reducing large datasets to improve the identification of estimated policy rules

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