[发明专利]一种资产配置方法、系统、及电子设备

说明书

本发明涉及一种用户资产配置方法，包括如下步骤：获取用户的历史数据，所述历史数据包括用户的属性信息、用户的资产项目配置数据，资产项目配置数据包括资产项目的属性数据及相应的配置比例；根据历史数据计算第一用户和对照用户集的相似度，从对照用户集中依照与第一用户的相似度排序获得相似用户集，所述第一用户为所述用户中任一用户，所述对照用户集为除第一用户以外的用户的集合；计算第一用户对所述资产项目的偏好配置比例；根据偏好配置比例，将相似用户集数据重新排序输出。该技术方案为相似类型客户提供更准确的资产配置服务，为客户经理辅以更灵活、更准确的决策支持，以尽可能保持用户黏度。

技术领域

本发明涉及数据挖掘与推荐系统技术领域，尤其涉及一种资产配置方法、系统、及电子设备。

背景技术

数据挖掘，通常指从大量数据中通过算法去发现数据的潜在规律的过程，其主要通过数据预处理、特征工程等技术处理数据，再运用统计、机器学习、专家系统等算法来实现上述目标。推荐系统属于数据挖掘的细分领域，也是建立在商业应用、平台上的用户产生的海量行为日志数据，基于内容(相似内容)、协同过滤(相似对象)、关联规则等具体推荐算法，试图将相似的内容或者长尾内容但难以发现的推荐给相匹配的用户，为用户提供决策支持与信息服务。

在私人银行业务中，客户经理将客户的基本信息输入到资产配置系统中测算客户的资产配置是否合理，系统通过测算并反馈超配、低配或者适配的信息。客户经理根据建议以及自身的经验知识再深入调查、分析问题，某类客户的资产配置方案是根据系统给定规则测算的，即系统中的资产配置方案是系统设定的规则，虽然具有通用性，但实际上对客户的资产个性化配置、定制化配置服务是有局限性的。尤其是现阶段银行同业竞争激烈，若达不到高净值客户所期待的成效，客户流失的机率也将大大增加。

发明内容

为解决现有技术的不足，本发明提出一种资产配置方法、系统、及电子设备。

为实现以上目的，本发明所采用的技术方案包括：

第一方面，提供了一种用户资产配置方法，其特征在于，包括如下步骤：

获取用户的历史数据，所述历史数据包括用户的属性信息、用户的资产项目配置数据，资产项目配置数据包括资产项目的属性数据及相应的配置比例；

根据历史数据计算第一用户和对照用户集的相似度，从对照用户集中依照与第一用户的相似度排序获得相似用户集，所述第一用户为所述用户中任一用户，所述对照用户集为除第一用户以外的用户的集合；

计算第一用户对所述资产项目的偏好配置比例；

根据偏好配置比例，将相似用户集数据重新排序输出。

进一步地，所述用户的属性信息包括风险等级。

进一步地，所述根据历史数据计算第一用户与对照用户集的相似度，包括以下子步骤：

确定所述风险等级为Risk₁、Risk₂、Risk₃、Risk₄、Risk₅五个级别，并离散化处理为：Risk_i＝{i|i＝1，2，3，4，5}；

设定风险等级差值为L_risk，且L_risk＝|L_a,risk-L_b,risk|；

设定边界值Δ，且Δ＝{i|i＝1，2，3，4}；

当L_risk≤Δ时，根据式Ⅰ确定所述第一用户和所述对照用户集中的任一用户的相似度，

当L_risk＞Δ时，根据式Ⅱ确定所述第一用户和所述对照用户集中的任一用户的相似度，