[发明专利]一种单维度策略自动挖掘方法

权利要求书

1.一种单维度策略自动挖掘方法，其特征在于，包括：

获取单维度策略分析所需的不同时间跨度的策略样本数据；

对所述策略样本数据进行阈值测算，并输出策略阈值测算分析报告；

根据所述策略阈值测算分析报告筛选满足预设条件的策略样本及其对应的最佳阈值进行泛化分析，以输出第一泛化分析报告；

根据所述第一泛化分析报告筛选效能符合预期的策略样本进行上线应用，并对效能符合预期的多条策略样本合并，再次进行泛化分析，以输出第二泛化分析报告。

2.根据权利要求1所述的单维度策略自动挖掘方法，其特征在于，所述策略样本数据包括自变量数据和因变量数据。

3.根据权利要求2所述的单维度策略自动挖掘方法，其特征在于，所述获取单维度策略分析所需的不同时间跨度的策略样本数据的步骤包括：

获取自变量数据字典；所述自变量数据字典包括策略样本英文名称、策略样本中文名称和策略样本类型；

根据获取的所述自变量数据字典，在策略样本分析时为每一自变量数据匹配策略样本中文名称。

4.根据权利要求1所述的单维度策略自动挖掘方法，其特征在于，对所述策略样本数据进行阈值测算，并输出策略阈值测算分析报告的步骤包括：

对所述策略样本数据进行描述性统计分析及在描述性统计分析后进行初次筛选，并将是否进行初次筛选标记为第一标签；

将第一标签筛选的策略样本数据中的非缺失样本按照指标取值从小到大排序后进行细分和粗分，并输出不同分箱对应的样本量及相对应的各个指标；

在非缺失样本分箱预设范围样本中，选择预设触碰率范围且局部指标样本最大的阈值作为最佳阈值；

判断局部指标样本和全局指标样本是否满足预设条件，并将满足预设条件的策略样本数据标记为第二标签；

根据描述性统计分析、最优分箱、基于最优分箱筛选效能好的变量及阈值输出策略阈值测算分析报告。

5.根据权利要求4所述的单维度策略自动挖掘方法，其特征在于，所述判断局部指标样本和全局指标样本是否满足预设条件，并将满足预设条件的策略样本数据标记为第二标签的步骤包括：

根据降低筛选变量相关性，将标记为第二标签的策略样本数据中满足预设条件的策略样本数据标记为第三标签。

6.根据权利要求4所述的单维度策略自动挖掘方法，其特征在于，所述根据描述性统计分析、最优分箱、基于最优分箱筛选效能好的变量及阈值输出策略阈值测算分析报告具体为：

根据描述性统计分析、最优分箱、基于最优分箱筛选效能好的变量及阈值，通过Python自动输出excel格式的策略阈值测算分析报告。

7.根据权利要求5所述的单维度策略自动挖掘方法，其特征在于，根据所述阈值测算分析报告筛选满足预设条件的策略样本及其对应的最佳阈值进行泛化分析，以输出第一泛化分析报告的步骤包括：

根据所述策略阈值测算分析报告筛选预设效能的策略样本；

根据阈值泛化模板对筛选出预设效能的策略样本最佳阈值进行泛化分析，以输出第一泛化分析报告。

8.根据权利要求7所述的单维度策略自动挖掘方法，其特征在于，所述根据阈值泛化模板对筛选出预设效能的策略样本最佳阈值进行泛化分析具体为：

分析筛选出预设效能的策略样本最佳阈值在不同时间段触碰率、效能，并自动化输出是否建议策略上线指标。

9.根据权利要求7所述的单维度策略自动挖掘方法，其特征在于，所述第一泛化分析报告包括泛化说明、规则泛化和触碰模拟分析。

10.根据权利要求7所述的单维度策略自动挖掘方法，其特征在于，根据所述第一泛化分析报告筛选效能符合预期的策略样本进行上线应用，并对效能符合预期的多条策略样本合并，再次进行泛化分析，以输出第二泛化分析报告的步骤包括：

根据所述第一泛化分析报告筛选效能符合预期的策略样本进行上线；

将筛选的效能符合预期的多条策略样本合并成触碰阈值取值为0和1的策略样本数据；

根据阈值泛化模板进行变量阈值泛化分析，并自动输出第二泛化分析报告。