[发明专利]一种金融产品未来收益数据预测方法、装置及系统

说明书

本申请提供一种金融产品未来收益数据预测方法、装置及系统，其中方法包括：获取企业的基本数据集；输入所述基本数据集至预先构建的神经网络模型，获得该神经网络模型输出的企业波动数据；基于预先构建的知识图谱确定该企业的企业排名；结合所述企业波动数据和所述企业排名，预测该企业对应金融产品的未来收益数据。本申请可以神经网络和知识图谱采用自动化的方式来预测金融产品的未来收益数据，从而可以得到金融产品较为准确的未来收益数据。

技术领域

本申请涉及网络技术领域，尤其涉及一种金融产品未来收益数据预测方法、装置及系统。

背景技术

目前，金融市场存在很多上市企业，不同上市企业可以具有一个或多个金融产品。用户可以根据自己需求和经验来选购不同企业的金融产品。

目前，用户在选择金融产品时，需要基于对于企业的主观了解以及互联网中对企业的资讯作为辅助手段，人工综合分析企业相关信息后，选择企业对应的金融产品。

但是，由于用户对于企业的了解较少，在信息不对称的情况下，用户人工无法准确预测企业的金融产品收益，进一步无法准确选择适合的金融产品。

发明内容

鉴于此，本申请提供金融产品未来收益数据预测方法、装置及系统，可以采用自动化的方式来预测金融产品的未来收益数据，从而可以得到金融产品较为准确的未来收益数据。

为了实现上述目的，本申请提供了下述技术特征：

一种金融产品未来收益数据预测方法，包括：

获取企业的基本数据集；

输入所述基本数据集至预先构建的神经网络模型，获得该神经网络模型输出的企业波动数据；

基于预先构建的知识图谱确定该企业的企业排名；

结合所述企业波动数据和所述企业排名，预测该企业对应金融产品的未来收益数据。

可选的，其中企业波动数据包括未来收益率和未来波动率。

可选的，预先构建知识图谱包括：

获取多个企业的综合数据集；其中，综合数据集可以包括四种类型的数据集基本数据集、互联网数据集、知识产权数据集和泛舆情数据集；

对多个企业的综合数据集执行预处理操作，获得预处理操作后的多个综合数据集；

对预处理后的综合数据集执行分析操作，确定多个企业的因子集；

利用所述多个企业的因子集构建企业知识图谱；其中，企业知识图谱中每个实体为一企业，企业知识图谱用于表示多个企业之间的关系，且，每个实体采用因子集表示。

可选的，所述因子集可以包括财务因子、公司因子、股价因子和分析师投研因子；

所述财务因子包括财务盈利、财务估值、财务运营、财务成长和资产负债；

所述公司因子包括公司市值和股东集中度；

所述股价因子包括换手率、相对总体市场的波动性和波动率；

所述分析师投研因子包括分析师评级。

可选的，每个因子包括多个子因素，且，各个因子预先设置有对应权重，各个子因素预先设置有对应权重，则所述基于预先构建的知识图谱确定该企业的企业排名，包括：

基于所述知识图谱，按照各个子因素对各个企业执行排序操作，获得各个企业的子因素得分；

将一因子中各个子因素得分乘以对应因素权重再求和该因子得分；

一个企业的多个因子得分乘以对应因子权重再求和得到企业得分；