【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及金融，尤其涉及基于智能代理模型的投資組合推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。
技術(shù)介紹
1、投資組合推薦是通過(guò)選擇合適的資產(chǎn)類別、根據(jù)資產(chǎn)的特點(diǎn)進(jìn)行資產(chǎn)配置、確定要持有的資產(chǎn)類別的權(quán)重以及優(yōu)化同一資產(chǎn)類別中的資產(chǎn)的權(quán)重等方式，在風(fēng)險(xiǎn)可控的情況下，得到收益最大化的投資組合并進(jìn)行推薦。許多金融相關(guān)的應(yīng)用需要推薦投資組合方案，但是現(xiàn)有的投資組合推薦方法主要依賴于傳統(tǒng)的金融理論和模型，如現(xiàn)代投資組合理論(mpt)和資本資產(chǎn)定價(jià)模型(capm)，難以捕捉市場(chǎng)的復(fù)雜性和動(dòng)態(tài)性。
2、上述內(nèi)容僅用于輔助理解本申請(qǐng)的技術(shù)方案，并不代表承認(rèn)上述內(nèi)容是現(xiàn)有技術(shù)。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)的主要目的在于提供一種基于智能代理模型的投資組合推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，旨在解決投資組合推薦時(shí)難以捕捉市場(chǎng)的復(fù)雜性和動(dòng)態(tài)性的技術(shù)問(wèn)題。
2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)岢鲆环N基于智能代理模型的投資組合推薦方法，所述的方法包括：
3、接收目標(biāo)用戶的推薦請(qǐng)求指令；
4、基于歷史數(shù)據(jù)通過(guò)深度強(qiáng)化學(xué)習(xí)算法對(duì)智能代理模型進(jìn)行訓(xùn)練；
5、通過(guò)智能代理模型對(duì)歷史數(shù)據(jù)進(jìn)行特征分析，得到歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征；
6、基于歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征，將實(shí)時(shí)數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成仿真市場(chǎng)情景下的投資組合；
7、對(duì)仿真市場(chǎng)情景下的投資組合進(jìn)行評(píng)估，得到預(yù)推薦投資組合，將所述預(yù)推薦投資組合提供給所述目標(biāo)用戶。
8、在一實(shí)施例中，所述
9、基于歷史數(shù)據(jù)初始化智能代理模型的策略網(wǎng)絡(luò)和值函數(shù)網(wǎng)絡(luò)；
10、計(jì)算所述深度強(qiáng)化學(xué)習(xí)算法的優(yōu)勢(shì)函數(shù)和策略比率；
11、基于優(yōu)勢(shì)函數(shù)和策略比率通過(guò)裁剪機(jī)制，定義得到最小化深度強(qiáng)化學(xué)習(xí)算法的損失函數(shù)；
12、通過(guò)梯度下降法最小化所述損失函數(shù)，對(duì)所述智能代理模型的策略網(wǎng)絡(luò)進(jìn)行訓(xùn)練更新；
13、通過(guò)最小化均方誤差，對(duì)所述智能代理模型的值函數(shù)網(wǎng)絡(luò)進(jìn)行訓(xùn)練更新。
14、在一實(shí)施例中，所述將歷史數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成歷史數(shù)據(jù)對(duì)應(yīng)仿真市場(chǎng)情景下的投資組合的步驟包括：
15、基于歷史數(shù)據(jù)計(jì)算收益率；
16、根據(jù)所述收益率的分布特征，確定概率模型；
17、基于所述概率模型，通過(guò)蒙特卡羅馬爾科夫鏈算法進(jìn)行隨機(jī)采樣生成仿真市場(chǎng)情景下的投資組合。
18、在一實(shí)施例中，所述基于所述概率模型，通過(guò)蒙特卡羅馬爾科夫鏈算法進(jìn)行隨機(jī)采樣生成仿真市場(chǎng)情景下的投資組合的步驟包括：
19、基于歷史數(shù)據(jù)中的投資組合確定狀態(tài)空間；
20、在所述狀態(tài)空間進(jìn)行隨機(jī)采樣構(gòu)建馬爾科夫鏈，得到仿真市場(chǎng)情景下的投資組合。
21、在一實(shí)施例中，所述在所述狀態(tài)空間進(jìn)行隨機(jī)采樣構(gòu)建馬爾科夫鏈，得到仿真市場(chǎng)情景下的投資組合的步驟包括：
22、確定所述狀態(tài)空間中的當(dāng)前狀態(tài)；
23、基于所述當(dāng)前狀態(tài)，通過(guò)隨機(jī)擾動(dòng)生成候選狀態(tài)；
24、根據(jù)所述當(dāng)前狀態(tài)和所述候選狀態(tài)，得到所述候選狀態(tài)的接受概率；
25、基于所述候選狀態(tài)的接受概率，確定所述當(dāng)前狀態(tài)的下一狀態(tài)；
26、基于所述當(dāng)前狀態(tài)和所述下一狀態(tài)在狀態(tài)空間構(gòu)建馬爾科夫鏈，得到仿真市場(chǎng)情景下的投資組合。
27、在一實(shí)施例中，所述基于所述候選狀態(tài)的接受概率，確定所述當(dāng)前狀態(tài)的下一狀態(tài)的步驟包括：
28、當(dāng)所述候選狀態(tài)的接受概率大于或等于預(yù)設(shè)的接受閾值，則將候選狀態(tài)確定為當(dāng)前狀態(tài)的下一狀態(tài)；
29、當(dāng)所述候選狀態(tài)的接受概率小于預(yù)設(shè)的接受閾值，則保留當(dāng)前狀態(tài)作為下一狀態(tài)。
30、在一實(shí)施例中，所述對(duì)仿真市場(chǎng)情景下的投資組合進(jìn)行評(píng)估，得到預(yù)推薦投資組合，將所述預(yù)推薦投資組合提供給所述目標(biāo)用戶的步驟包括：
31、當(dāng)馬爾科夫鏈平穩(wěn)分布后，分析所述馬爾科夫鏈上的投資組合，根據(jù)預(yù)設(shè)目標(biāo)得到預(yù)推薦投資組合，將所述預(yù)推薦投資組合推薦給目標(biāo)用戶。
32、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提出一種基于智能代理模型的投資組合推薦裝置，所述基于智能代理模型的投資組合推薦裝置包括：
33、指令接收模塊，用于接收目標(biāo)用戶的推薦請(qǐng)求指令；
34、特征生成模塊，用于通過(guò)智能代理模型對(duì)歷史數(shù)據(jù)進(jìn)行特征分析，得到歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征；
35、組合生成模塊，用于基于歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征，將所述歷史數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成仿真市場(chǎng)情景下的投資組合；
36、最優(yōu)組合模塊，用于對(duì)仿真市場(chǎng)情景下的投資組合進(jìn)行評(píng)估，得到最優(yōu)投資組合。
37、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提出一種基于智能代理模型的投資組合推薦設(shè)備，所述設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如上文所述的基于智能代理模型的投資組合推薦方法的步驟。
38、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提出一種存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于智能代理模型的投資組合推薦方法的步驟。
39、此外，為實(shí)現(xiàn)上述目的，本申請(qǐng)還提供一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的基于智能代理模型的投資組合推薦方法的步驟。
40、本申請(qǐng)?zhí)岢龅囊粋€(gè)或多個(gè)技術(shù)方案，至少具有以下技術(shù)效果：
41、本申請(qǐng)實(shí)施例提出了一種基于智能代理模型的投資組合推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，接收目標(biāo)用戶的推薦請(qǐng)求指令；基于歷史數(shù)據(jù)通過(guò)深度強(qiáng)化學(xué)習(xí)算法對(duì)智能代理模型進(jìn)行訓(xùn)練；通過(guò)智能代理模型對(duì)歷史數(shù)據(jù)進(jìn)行特征分析，得到歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征；基于歷史數(shù)據(jù)的指標(biāo)數(shù)據(jù)特征，將歷史數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成仿真市場(chǎng)情景下的投資組合；對(duì)仿真市場(chǎng)情景下的投資組合進(jìn)行評(píng)估，得到預(yù)推薦投資組合，將所述預(yù)推薦投資組合提供給所述目標(biāo)用戶。通過(guò)智能代理模型結(jié)合蒙特卡羅馬爾科夫鏈模型可以提高投資組合推薦時(shí)捕捉市場(chǎng)復(fù)雜性和動(dòng)態(tài)性的能力。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于智能代理模型的投資組合推薦方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述基于歷史數(shù)據(jù)通過(guò)深度強(qiáng)化學(xué)習(xí)算法對(duì)智能代理模型進(jìn)行訓(xùn)練的步驟包括：
3.如權(quán)利要求1所述的方法，其特征在于，所述將歷史數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成歷史數(shù)據(jù)對(duì)應(yīng)仿真市場(chǎng)情景下的投資組合的步驟包括：
4.如權(quán)利要求3所述的方法，其特征在于，所述基于所述概率模型，通過(guò)蒙特卡羅馬爾科夫鏈算法進(jìn)行隨機(jī)采樣生成仿真市場(chǎng)情景下的投資組合的步驟包括：
5.如權(quán)利要求4所述的方法，其特征在于，所述在所述狀態(tài)空間進(jìn)行隨機(jī)采樣構(gòu)建馬爾科夫鏈，得到仿真市場(chǎng)情景下的投資組合的步驟包括：
6.如權(quán)利要求5所述的方法，其特征在于，所述基于所述候選狀態(tài)的接受概率，確定所述當(dāng)前狀態(tài)的下一狀態(tài)的步驟包括：
7.如權(quán)利要求1所述的方法，其特征在于，所述對(duì)仿真市場(chǎng)情景下的投資組合進(jìn)行評(píng)估，得到預(yù)推薦投資組合，將所述預(yù)推薦投資組合提供給所述目標(biāo)用戶的步驟包括：
8.一種基于智能代理模型的投資組合推薦裝置，其特征在于，所
9.一種基于智能代理模型的投資組合推薦設(shè)備，其特征在于，所述設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于智能代理模型的投資組合推薦方法的步驟。
10.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7中任一項(xiàng)所述的基于智能代理模型的投資組合推薦方法的步驟。
...【技術(shù)特征摘要】
1.一種基于智能代理模型的投資組合推薦方法，其特征在于，所述方法包括：
2.如權(quán)利要求1所述的方法，其特征在于，所述基于歷史數(shù)據(jù)通過(guò)深度強(qiáng)化學(xué)習(xí)算法對(duì)智能代理模型進(jìn)行訓(xùn)練的步驟包括：
3.如權(quán)利要求1所述的方法，其特征在于，所述將歷史數(shù)據(jù)通過(guò)蒙特卡羅馬爾科夫鏈模型生成歷史數(shù)據(jù)對(duì)應(yīng)仿真市場(chǎng)情景下的投資組合的步驟包括：
4.如權(quán)利要求3所述的方法，其特征在于，所述基于所述概率模型，通過(guò)蒙特卡羅馬爾科夫鏈算法進(jìn)行隨機(jī)采樣生成仿真市場(chǎng)情景下的投資組合的步驟包括：
5.如權(quán)利要求4所述的方法，其特征在于，所述在所述狀態(tài)空間進(jìn)行隨機(jī)采樣構(gòu)建馬爾科夫鏈，得到仿真市場(chǎng)情景下的投資組合的步驟包括：
6.如權(quán)利要求5所述的方法，其特征在于，所述基于所述候選狀態(tài)的接受概率，確定所述當(dāng)前狀態(tài)...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：龍榜，周明振，陸藝維，何流紅，賀濤，
申請(qǐng)(專利權(quán))人：深圳市法本信息技術(shù)股份有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。