[发明专利]投资组合数据处理方法及装置

说明书

本申请实施例提供一种投资组合数据处理方法及装置，可用于人工智能技术领域，方法包括：根据目标投资要求信息在预设的多个目标函数及多个约束条件中进行筛选以形成包含有多个目标函数及至少一个约束条件的投资组合策略选择模型；将各个目标投资对象各自的投资数据作为训练样本，基于预设的多目标粒子群算法对所述投资组合策略选择模型进行训练，得到该投资组合策略选择模型的多个用于表示投资组合策略的目标解，并生成包含有各个所述目标解的投资组合策略推荐结果数据。本申请能够有效提高投资组合数据处理过程的效率及智能化程度，并能够有效提高投资组合推荐结果的准确性及可靠性。

技术领域

本申请涉及数据处理技术领域，特别涉及人工智能技术领域，具体涉及投资组合数据处理方法及装置。

背景技术

随着金融行业的飞速发展，投资种类及数量也变得越来越多样化，面对当前庞大的投资体系，早以不仅限于单一投资，而是需要更多的投资组合供交易人员等用户选择。在投资组合选取的过程中，需要兼顾收益、风险控制、成本等多种因素，因此需要对投资组合数据进行有效处理以保证投资组合结果是可靠性的。

目前，现有的投资组合选择过程通常需要人员过多的参与，根据交易人员自身的业务知识和交易经验等来进行投资对象的选择，并根据自己的业务知识分析各类公开市场投资品的历史表现来预测未来可能的收益率；然而，由于在面对理财产品需要兼顾收益、风险控制、成本等多种目标和约束时交易员选择的投资组合持仓可能存在一定的偏差，无法达到较优选择，且不确定因素导致的波动率较高以及人力处理耗时耗力等，使得现有的投资组合选择过程存在准确性低、智能化程度低及效率差等问题。

发明内容

针对现有技术中的问题，本申请提供一种投资组合数据处理方法及装置，能够有效提高投资组合数据处理过程的效率及智能化程度，并能够有效提高投资组合推荐结果的准确性及可靠性。

为解决上述技术问题，本申请提供以下技术方案：

第一方面，本申请提供一种投资组合数据处理方法，包括：

根据目标投资要求信息在预设的多个目标函数及多个约束条件中进行筛选以形成包含有多个目标函数及至少一个约束条件的投资组合策略选择模型；

将各个目标投资对象各自的投资数据作为训练样本，基于预设的多目标粒子群算法对所述投资组合策略选择模型进行训练，得到该投资组合策略选择模型的多个用于表示投资组合策略的目标解，并生成包含有各个所述目标解的投资组合策略推荐结果数据。

进一步地，所述将各个目标投资对象各自的投资数据作为训练样本，基于预设的多目标粒子群算法对所述投资组合策略选择模型进行训练，得到该投资组合策略选择模型的多个用于表示投资组合策略的目标解，包括：

根据各个所述目标投资对象生成多目标粒子群算法对应的初始种群；

根据所述初始种群初始化预设的外部档案；

速度位置更新步骤：对所述外部档案中的粒子进行速度位置更新以形成新的粒子种群，并将该新的粒子种群存储至预设的临时种群中；

根据所述临时种群和初始化种群形成混合种群；

获取所述混合种群当前的全局最优位置和个体最优位置；

将当前的迭代数加1，判断新的迭代数是否大于预设的训练循环次数，若是，则输出所述混合种群当前的全局最优位置和个体最优位置以作为所述投资组合策略选择模型当前的目标解；

若新的迭代数小于或等于所述训练循环次数，则返回执行所述速度位置更新步骤。

进一步地，所述根据各个所述目标投资对象生成多目标粒子群算法对应的初始种群，包括：

根据各个所述目标投资对象设置多个粒子，其中，各个粒子分别用于表示唯一对应的目标投资对象在预设时间范围内的唯一投资方案；