[发明专利]智能投顾策略生成方法及装置、电子设备、存储介质

说明书

本公开提供了一种基于迁移学习的智能投顾策略生成方法及装置、电子设备、计算机可读存储介质，属于数据处理技术领域。该方法包括：获取源理财策略生成模型；根据智能投顾策略的样本数据及结果标签，调整所述源理财策略生成模型的参数及输入向量的维度，获取智能投顾策略生成模型；将获取的目标对象的基本数据输入所述智能投顾策略生成模型进行分析，生成所述目标对象的智能投顾策略。本公开可以将理财策略生成模型迁移到智能投顾策略生成模型中，降低训练量，弥补智能投顾样本数据不足的短板，提高智能投顾策略的准确率。

背景技术

数据处理及大数据分析技术越来越多的应用于金融服务领域，为投资者用户提供理论性的投资建议。智能投顾(Robo-Advisor)是金融服务领域的一种新兴产品，是指根据用户的基本信息、风险承受水平、收益目标以及风格偏好等，运用智能算法或投资最优组合等理论模型，为用户提供综合性的投资参考，包括资产配置及资产动态平衡等方面的策略。

由于智能投顾的发展时间尚短，在进行智能投顾策略开发的过程中，普遍缺乏足够的样本数据及历史经验，导致现有的智能投顾策略算法模型准确率较低，难以对用户进行精准分类，且最终的策略难以保证理想的投资收益，从而影响智能投顾产品的质量。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于迁移学习的智能投顾策略生成方法及装置、电子设备、计算机可读存储介质，进而至少在一定程度上克服由于现有技术的限制和缺陷而导致的智能投顾策略准确率较低的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种基于迁移学习的智能投顾策略生成方法，包括：获取源理财策略生成模型；根据智能投顾策略的样本数据及结果标签，调整所述源理财策略生成模型的参数及输入向量的维度，获取智能投顾策略生成模型；将获取的目标对象的基本数据输入所述智能投顾策略生成模型进行分析，生成所述目标对象的智能投顾策略。

在本公开的一种示例性实施例中，获取源理财策略生成模型包括：获取源理财策略的样本数据及结果标签，并训练一机器学习模型，以获取所述源理财策略生成模型。

在本公开的一种示例性实施例中，根据智能投顾策略的样本数据及结果标签，调整所述源理财策略生成模型的参数及输入向量的维度，获取智能投顾策略生成模型包括：从所述源理财策略的样本数据中获得理财特征集合；从所述智能投顾策略的样本数据中获得智能投顾特征集合，并根据所述智能投顾特征集合调整所述源理财策略生成模型的输入向量的维度；将属于所述智能投顾特征集合且不属于所述理财特征集合的特征的权重系数初始值设为0，获得中间模型；根据所述智能投顾策略的样本数据及结果标签训练所述中间模型，获取所述智能投顾策略生成模型。

在本公开的一种示例性实施例中，所述智能投顾策略生成模型的输出包括多维度向量或分类结果。

在本公开的一种示例性实施例中，所述机器学习模型包括神经网络模型、回归模型及支持向量机模型中的一种或多种。

在本公开的一种示例性实施例中，所述机器学习模型包括神经网络模型；其中，调整所述源理财策略生成模型的参数包括：调整所述神经网络模型的权重系数，及/或增加至少一个中间层。

在本公开的一种示例性实施例中，还包括：周期性的获取所述目标对象的基本数据的变化，并更新所述目标对象的智能投顾策略。