资产配置策略获取方法、装置、计算机设备和存储介质与流程

本发明涉及计算机技术领域，特别是涉及资产配置策略获取方法、装置、计算机设备和存储介质。

背景技术：

在理财投资领域中，往往需要根据用户的实际情况例如资产状况、投资偏好为用户选择相应的投资理财方案。目前，投资理财方案的选择依赖投资领域专家根据用户可以承担的风险水平以及预先设置的理财匹配规则，匹配对应的理财产品，然后输出到客户端供用户查看。

然而，在对现有技术的研究与实践中，本发明的发明人发现，现有技术存在以下问题：用户对投资风险的看法受多种因素影响，人工分析获取到的用户投资风险偏好并不准确，因此输出的投资理财方案准确性不高，不符合用户需求，需要进行多次匹配，浪费计算机资源且花费用户大量的时间。

技术实现要素：

基于此，有必要针对输出的投资理财方案准确性不高，不符合用户需求，需要进行多次匹配，浪费计算机资源且需要花费用户大量的时间的问题，提供一种资产配置策略获取方法及系统。

一种资产配置策略获取方法，所述方法包括：根据用户的用户信息获取与所述用户信息对应的用户投资类型，所述用户信息包括用户基本信息和/或用户资产操作行为信息；根据所述用户投资类型以及投资类型与资产的匹配关系获取与所述用户匹配的目标理财产品；获取第一金融事件，并将所述第一金融事件输入到预设的理财产品趋势模型中，得到所述目标理财产品的趋势倾向；根据所述目标理财产品的趋势倾向获取资产配置策略，并将所述资产配置策略发送给客户端。

在一个实施例中，所述第一金融事件为多个，所述根据第一金融事件以及预设的理财产品趋势模型获取所述目标理财产品的趋势倾向的步骤包括：根据每个所述第一金融事件以及所述第一金融事件对应的理财产品趋势模型获取所述目标理财产品的趋势倾向；所述根据所述目标理财产品的趋势倾向获取资产配置策略的步骤包括：根据所述目标理财产品的趋势倾向以及所述第一金融事件对应的趋势权值确定所述目标理财产品的总趋势倾向；根据所述目标理财产品的总趋势倾向获取所述资产配置策略，并将所述资产配置策略发送给客户端。

在一个实施例中，所述第一金融事件包括行情事件、政策事件、舆情事件以及基本面分析事件的其中之一或任意组合。

在一个实施例中，所述方法还包括：根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级；所述根据所述用户投资类型以及投资类型与资产的匹配关系获取与所述用户匹配的目标理财产品的步骤包括：根据所述用户投资类型、所述投资类型与资产的匹配关系以及所述理财产品的等级获取与用户匹配的所述目标理财产品。

在一个实施例中，所述用户投资类型包括投资风险类型，所述根据用户信息获取与所述用户信息对应的用户投资类型的步骤包括：根据所述用户信息以及预设的风险评级规则获取所述投资风险类型。

一种资产配置策略获取装置，所述装置包括：投资类型确定模块，用于根据用户的用户信息获取与所述用户信息对应的用户投资类型，所述用户信息包括用户基本信息和/或用户资产操作行为信息；理财产品匹配模块，用于根据所述用户投资类型以及投资类型与资产的匹配关系获取与所述用户匹配的目标理财产品；趋势倾向确定模块，用于获取第一金融事件，并将所述第一金融事件输入到预设的理财产品趋势模型，得到所述目标理财产品的趋势倾向；策略获取模块，用于根据所述目标理财产品的趋势倾向获取资产配置策略，并将所述资产配置策略发送给客户端。

在一个实施例中，所述第一金融事件为多个，所述趋势倾向确定模块用于：根据每个所述第一金融事件以及所述第一金融事件对应的理财产品趋势模型获取所述目标理财产品的趋势倾向；所述策略获取模块包括：总趋势倾向确定单元，用于根据所述目标理财产品的趋势倾向以及所述第一金融事件对应的趋势权值确定所述目标理财产品的总趋势倾向；策略获取单元，用于根据所述目标理财产品的总趋势倾向获取所述资产配置策略，并将所述资产配置策略发送给客户端。

在一个实施例中，所述装置还包括：等级确定模块，用于根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级；所述理财产品匹配模块用于：根据所述用户投资类型、所述投资类型与资产的匹配关系以及所述理财产品的等级获取与用户匹配的所述目标理财产品。

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述资产配置策略获取方法的步骤。

一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述资产配置策略获取方法的步骤。

上述资产配置策略获取方法，通过根据用户的用户信息获取用户投资类型，根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品，然后通过获取第一金融事件，将第一金融事件输入到预设的趋势分析模型获取目标理财产品的趋势倾向，进而根据理财产品的趋势倾向获取资产配置策略。这样，综合考虑用户信息以及金融事件分别得到适合用户的理财产品以及理财产品的趋势，再获取资产配置策略，因此获取的资产配置策略准确性高，并节约了用户的时间。

附图说明

图1为一个实施例中资产配置策略获取方法的的实施环境图；

图2为一个实施例中资产配置策略获取方法的流程图；

图3为一个实施例中根据目标理财产品的趋势倾向获取资产配置策略的流程图；

图4为一个实施例中资产配置策略获取方法的流程图；

图5为一个实施例中资产配置策略获取方法的流程图；

图6为一个实施例中资产配置策略获取装置的结构框图；

图7为一个实施例中策略获取模块的结构框图；

图8为一个实施例中资产配置策略获取装置的结构框图；

图9为一个实施例中计算机设备的内部结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一金融事件称为第二金融事件，且类似地，可将第二金融事件称为第一金融事件。

图1为一个实施例中提供的资产配置策略获取方法的实施环境图，如图1所示，在该实施环境中，包括终端110以及计算机设备120，计算机设备120用于提供对获取资产配置策略的支持，可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是提供云服务器、云数据库、云存储和cdn等基础云计算服务的云服务器。

终端110可为智能手机、平板电脑、笔记本电脑以及台式计算机等，但并不局限于此。终端110可向计算机设备发送资产配置策略获取请求，计算机设备120接收资产配置策略获取请求，并根据资产配置策略获取请求获取资产配置策略。计算机设备110以及终端110可以通过蓝牙、usb(universalserialbus，通用串行总线)或者网络进行连接，本发明在此不做限制。

需要说明的是，上述的应用环境只是一个示例，在一个实施例中，计算机设备120可以不通过终端110，直接获取资产配置策略。例如，计算机设备定时获取资产配置策略。

如图2所示，在一个实施例中，提出了一种资产配置策略获取方法，该资产配置策略获取方法可以应用于上述的计算机设备110中，具体可以包括以下步骤：

步骤s202，根据用户的用户信息获取与用户信息对应的用户投资类型。

具体地，用户信息包括用户基本信息和/或用户资产操作行为信息，用户基本信息例如可以为用户的年龄、性别、投资经验以及收入等信息中的一个或多个，用户资产操作行为信息指用户进行资产操作的相关新，例如可以包括消费行为信息、投资行为信息以及投保行为信息的一个或多个。消费行为信息为与与消费相关的行为数据，可以包括用户进行了哪些类型的消费以及消费额为多少等。投资行为信息为与投资相关的行为数据，可以包括用户买入了哪些股票或者基金、买入的年限为多少以及这些投资的年限是多久等。投保行为信息为与投保有关的行为数据，可以包括用户买入了哪些类型的保险、保额为多少以及保险年限为多久等。用户投资类型用于对用户在投资上属于哪一个类别进行划分，具体可以根据需要进行设置。用户信息与投资类型的对应关系是预先预设的，当需要获取某一用户的资产配置策略时，获取该用户的用户信息，根据用户信息与投资类型的对应关系获取投资类型。

在一个实施例中，用户投资类型包括投资风险类型，用户投资风险类型用于对用户在投资时对风险的承担能力进行区分。因此当获取到用户信息后，步骤s202具体包括：根据用户信息以及预设的风险评级规则获取投资风险类型。

在一个实施例中，风险评级规则包括用户信息对应的风险评分以及风险评级总分对应的投资风险类型。可以设置每个用户信息对应的打分规则，当获取到用户信息后，根据预设的打分规则获取到每个用户信息对应的风险评分，然后根据每个用户信息对应的风险评分得到用户的风险评级总分。每一个风险评级总分可以对应一个投资风险类型，也可以是每一段分数区间对应一个投资风险类型。投资风险类型例如可以包括保守型、稳健型、平衡型、成长型以及激进型等。在这些投资风险类型中，对应的风险评级总分依次升高以及所能承受的风险依次增大。

以用户信息为用户收入为例，可以设置当用户收入为5000元以下时，评分为2分，当用户收入为5000～10000元时，评分为3分，当用户收入为1000～30000元时，评分为3.5分……等等。再以用户信息为为购买理财产品的类型为例，可以设置当购买的理财产品的基金百分比大于50％时，风险评分为5分，大于30％以及小雨50％时，风险评分为3分……等等。对于用户风险评级总分对应的投资风险类型，可以设置当风险评级总分为50分以下为保守型，50～60分为稳健型……等。

在一个实施例中，可以利用机器学习的方式进行模型训练，以获取风险评级规则。例如，可以获取多个用户的用户信息以及对应的投资类型作为训练样本，进行模型训练，以获取到风险评级规则模型。因此，当需要获取用户的投资风险类型时，输入用户信息，以根据根据风险评级规则模型获取到该用户的投资风险类型。

步骤s204，根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品。

具体地，投资类型与资产的匹配关系是预先设置的，具体可以根据实际需要进行设置，以根据该匹配关系获取与用户匹配的目标理财产品。目标理财产品的类型可以为股票、基金、债券以及保险等，本发明对此不做限制。目标理财产品可以为多个，目标理财产品也可以为理财集合的形式展示，一个理财集合中可以包括多个理财类型。例如，对于投资风险类型为稳健型的用户，可以设置理财产品中包括了股票、保险以及基金等。理财集合中也还可以包括理财产品集中理财类型的比例，例如股票的百分数、保险的百分数以及基金的百分数等。

步骤s206，获取第一金融事件，并将第一金融事件输入到预设的理财产品趋势模型，得到目标理财产品的趋势倾向。

具体地，金融事件指与金融市场相关的事件信息，理财产品趋势模型是预先设置好的。当获取到目标理财产品后，理财产品趋势模型根据第一金融事件获取目标理财产品的趋势倾向。理财产品趋势模型可以根据实际经验进行设置，也可以利用历史的金融事件以及金融事件对应的趋势进行机器学习，获取理财产品趋势模型。趋势倾向指理财产品的走向，趋势倾向可以包括上涨以及下降。当然也还可以包括震荡、先上涨后下降、先下降后上涨中的一个或多个。输出的趋势倾向中，还可以包括趋势倾向的概率，例如，输出的趋势倾向为上涨的概率为80％。

在一个实施例中，第一金融事件有多个，每个第一金融事件对应有一个理财产品趋势模型。例如第一金融事件可以包括行情事件、政策事件、舆情事件以及基本面分析事件的其中之一或任意组合。行情事件指理财产品的表现数据，即行情，例如可以为理财产品当前时刻的价格，收益率、换手率以及移动平均值等行情指标，也可以为行情指标间的关系，例如可以为理财产品的移动平均值之间的大小关系，dif(difference、离差值)与dea(differenceexponentialaverage、平滑移动平均)的大小关系，股价与移动平均值的关系，股价压力线、支撑线以及股价平均线这三个指标的关系等。对应地，行情事件对应的趋势模型可以利用历史数据中理财产品的行情以及在该行情下对应的趋势作为训练样本进行机器学习训练得到。政策事件指与政策发布有关的事件信息，例如发布的政策的类型、涉及的行业、地域以及政策中涉及的数据等政策特征等。对应地，政策事件对应的趋势模型可以利用历史数据中政策发布时政策的特征以及该政策发布后理财产品的趋势作为训练样本进行机器学习训练得到。舆情事件为舆论方面的事件信息，例如可以获取微博、新闻门户网站以及论坛上的信息，将信息中的文本特征输入到舆情分析模型中，得到理财产品的趋势倾向。对应地，舆情事件对应的趋势模型可以通过获取历史数据中舆论信息中的文本特征以及该文本特征对应的趋势作为训练样本进行机器学习训练得到。基本面分析事件指与理财产品相关的项目的事件信息，例如股票中，上市公司发布的年报、季报中的利润、分红、未来发展方向以及收购计划等，对应地，基本面分析事件对应的趋势模型可以利用之前理财产品相关的项目信息发布时项目的特征以及该项目发布后对应的趋势作为训练样本进行机器学习训练得到。

在一个实施例中，获取到目标理财产品后，可以先向客户端输出目标理财产品，再对用户在客户端上选择的目标理财产品的趋势倾向进行分析。

步骤s208，根据目标理财产品的趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

资产配置策略包括一个或多个理财产品的配置策略。例如是否买入理财产品的建议、买入比例等等。当获取到目标理财产品的趋势倾向后，根据趋势倾向获取到对应的资产配置策略。资产配置策略可以以一个或多个理财产品集的形式发送给客户端，以供用户查看。例如，当理财产品的趋势倾向为上涨时，获取买入该理财产品的投资建议。也可以根据趋势倾向获取理财产品集中每个理财产品在理财产品集中的占比，例如当趋势倾向为上涨，且上涨概率高于预设阈值时，可以提高理财产品买入比例。也可以根据趋势倾向调整理财产品集的排序。例如，使上涨概率高的理财产品排在上涨概率低的理财产品之前。

上述资产配置策略获取方法，通过根据用户的用户信息获取用户投资类型，根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品，然后通过获取第一金融事件，将第一金融事件输入到预设的趋势分析模型获取目标理财产品的趋势倾向，进而根据理财产品的趋势倾向获取资产配置策略。这样，综合考虑用户信息以及金融事件分别得到适合用户的理财产品以及理财产品的趋势，再获取资产配置策略，因此获取的资产配置策略准确性高，并节约了用户的时间。

在一个实施例中，资产策略配置方法还包括：根据用户携带有理财产品标识的趋势分析请求，获取理财产品标识对应的理财产品，并根据理财产品趋势模型获取理财产品的趋势倾向。

例如，当用户已经购买了一些理财产品时通过终端发送趋势分析请求，计算机设备可以接收趋势分析请求，趋势分析请求中携带有用户购买的理财产品标识，根据理财产品标识获取到对应的理财产品，并获取该理财产品的趋势倾向。

在一个实施例中，当第一金融事件分析装置为多个时，步骤s206即根据第一金融事件以及预设的理财产品趋势模型获取目标理财产品的趋势倾向的步骤包括：根据每个第一金融事件以及每个第一金融事件对应的理财产品趋势模型获取目标理财产品的趋势倾向。如图3所示，步骤s208即根据目标理财产品的趋势倾向获取资产配置策略的步骤包括：

步骤s302，根据目标理财产品的趋势倾向以及第一金融事件对应的趋势权值确定目标理财产品的总趋势倾向。

步骤s304，根据目标理财产品的总趋势倾向获取资产配置策略。

由于第一金融事件为多个，根据每个第一金融事件得到的趋势倾向可能是不一样的。因此，可以设置每个第一金融事件对应的趋势权值，当获取到每个第一金融事件对应的趋势倾向后，根据第一金融事件得到的趋势倾向以及第一金融事件对应的趋势权值获取总趋势倾向。总趋势倾向的获取方式可以是将属于同一趋势倾向的权值进行相加，以总权值高的趋势倾向作为总趋势倾向。也可以设置趋势倾向对应的数值，根据获取到的趋势倾向获取对应的趋势数值，然后根据趋势数值与趋势权值进行加权求和，获取到总趋势值，根据总趋势值与趋势判断规则获取总趋势倾向。趋势判断规则设置了总趋势值与总趋势倾向的对应关系。

以第一金融事件包括行情事件、政策事件、舆情事件以及基本面分析事件为例，可以设置他们的权值为0.4，0.2，0.15以及0.25，若行情事件、政策事件、舆情事件以及基本面事件获取到的趋势倾向为依次为上升、下降、下降以及上升。由于上升的权值为0.4+0.25等于0.65，下降的权值为0.2+0.15等于0.35。上升的权值大于下降的权值，故总趋势倾向可以为上升。或者，设置上升对应的值为1，下降对应的值为-1，震荡对应的值为0，则总趋势值为0.4x1+0.2x(-1)+0.15x(-1)+0.25x1＝0.3，若趋势判断规则为总趋势值大于0.4时，总趋势方向为上升；总趋势值小于等于0.4且大于等于-0.4时，总趋势方向为震荡；若趋势判断规则为总趋势值小于于-0.4时，总趋势方向为下降。则可以获取到总趋势方向为震荡。

在一个实施例中，由于政策对理财产品的趋势影响较大，舆情对理财产品的趋势影响相对比较小。因此，可以设置政策事件对应的趋势权值比舆情事件对应的权值大。

在一个实施例中，如图4所示，资产配置策略获取方法还可以包括步骤s402：根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级。步骤s204即根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品的步骤包括：根据用户投资类型、投资类型与资产的匹配关系以及理财产品的等级获取与用户目标理财产品。

理财产品等级模型是预先设置的，理财产品等级模型可以根据实际经验进行设置，也可以利用历史的金融事件以及金融事件对应的等级进行机器学习，获取理财产品等级模型。例如，可以利用理财产品的行情数据以及对应的股票等级进行机器学习训练等级模型。训练样本中理财产品的数量可以为一个或多个，训练样本数量具体可以根据实际需要获取，例如可以为几百个也可以为几万个。每个训练样本包括了理财产品的多个历史属性信息以及对应的理财产品等级。例如历史属性信息可以包括理财产品的市盈率为5％、换手率为20％等理财产品的特征，对应的理财产品等级为绩优股。训练样本中理财产品的等级可以人为标注，也可以通过获取理财产品的数据，进而根据相关量化方法得到。例如可以根据理财产品的索提诺比率对理财产品的等级进行判断，设置当索提诺比例大于预设阈值时，为绩优股，小于预设阈值时，为非绩优股。预设阈值的大小可以根据具体要求进行设定。当获取到理财产品的等级后，根据用户投资类型、投资类型与资产的匹配关系以及理财产品的等级获取与用户匹配的理财产品类型和/或每种理财产品类型的占比，然后选取该理财产品类型中等级高的产品作为目标理财产品。

可以理解，上述的第一金融事件和第二金融事件可以相同也可以不同。上述机器学习的模型可以为支持向量机(supportvectormachine，svm)分类器模型，神经网络(artificialneuralnetwork，ann)分类器模型，逻辑回归算法(logisticregression，lr)分类器模型和隐马尔可夫模型(hiddenmarkovmodel，hmm)等各种可以进行机器学习的模型。采用的核函数可以根据实际要求进行设置，例如，在一个实施例中，可以采用支持向量机进行有监督的机器学习，核函数可以采用多项式函数。

在一个实施例中，如图5所示，资产策略配置方法还可以包括步骤s502。接收客户端发送的交易请求，将交易请求发送给交易装置，交易请求中携带有目标理财产品的标识以及交易量，以使交易装置根据交易器请求对理财产品进行交易。

例如，客户端展示有第一理财产品集、第二理财产品集以及第三理财产品的投资建议，以及与每一个理财产品集对应的接受按键，若接收到用户通过第一理财产品对应的接受按键发送的接受第一理财产品集的指示时，客户端发送交易请求，交易请求中携带有第一理财产品集的标识以及交易量，计算机设备根据第一理财产品集的标识以及交易量向交易装置发送交易请求，以进行交易，购买第一理财集中的理财产品。

如图6所示，在一个实施例中，提出了一种资产配置策略获取装置，具体可以包括：

投资类型确定模块602，用于根据用户的用户信息获取与用户信息对应的用户投资类型，用户信息包括用户基本信息和/或用户资产操作行为信息。

理财产品匹配模块604，用于根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品。

趋势倾向确定模块606，用于获取第一金融事件，并将第一金融事件输入到预设的理财产品趋势模型，得到目标理财产品的趋势倾向。

策略获取模块608，用于根据目标理财产品的趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一些实施例中，当第一金融事件为多个，趋势倾向确定模块606用于：根据每个第一金融事件以及每个第一金融事件对应的理财产品趋势模型获取目标理财产品的趋势倾向，策略获取模块608包括：

总趋势倾向确定单元702，用于根据目标理财产品的趋势倾向以及第一金融事件对应的趋势权值确定目标理财产品的总趋势倾向。

策略获取单元704，用于根据目标理财产品的总趋势倾向获取资产配置策略。

在一些实施例中，如图8所示，资产配置策略装置还包括：

等级确定模块802，用于根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级；理财产品匹配模块604用于：根据用户投资类型、投资类型与资产的匹配关系以及理财产品的等级获取与用户匹配的目标理财产品。

如图9所示，为一个实施例中计算机设备的内部结构图，该计算机设备通过系统连接总线连接处理器、非易失性存储介质、内存储器和网络接口。其中，该计算机设备的非易失性存储介质可存储操作系统和计算机可读指令，该计算机可读指令被执行时，可使得处理器执行一种资产配置策略获取方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该内存储器中可储存有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种资产配置策略获取方法。计算机设备的网络接口用于进行网络通信，如接收资产配置策略获取请求等。本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的资产配置策略获取装置可以实现为一种计算机程序的形式，计算机程序可在如图9所示的计算机设备上运行，计算机设备的非易失性存储介质可存储组成该资产配置策略获取装置的各个程序模块，比如图6中的投资类型确定模块602、趋势倾向确定模块606、趋势倾向确定模块606以及策略获取模块608。各个程序模块中包括计算机可读指令，计算机可读指令用于使计算机设备执行本说明书中描述的本申请各个实施例的资产配置策略获取方法中的步骤。例如，计算机设备可以通过如图6所示的投资类型确定模块602根据用户的用户信息获取与用户信息对应的用户投资类型，用户信息包括用户基本信息和/或用户资产操作行为信息，通过理财产品匹配模块604根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品，通过趋势倾向确定模块606获取第一金融事件，并将第一金融事件输入到预设的理财产品趋势模型，得到目标理财产品的趋势倾向，通过策略获取模块608根据目标理财产品的趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质配置在服务器上，计算机可读存储介质上存储有计算机可执行指令，计算机可执行指令被处理器执行时，使得处理器执行以下步骤：根据用户的用户信息获取与用户信息对应的用户投资类型，用户信息包括用户基本信息和/或用户资产操作行为信息；根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品；获取第一金融事件，并将第一金融事件输入到预设的理财产品趋势模型中，得到目标理财产品的趋势倾向；根据目标理财产品的趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一个实施例中，第一金融事件为多个，根据第一金融事件以及预设的理财产品趋势模型获取目标理财产品的趋势倾向，包括：根据每个第一金融事件以及第一金融事件对应的理财产品趋势模型获取目标理财产品的趋势倾向；根据目标理财产品的趋势倾向获取资产配置策略的步骤包括：根据目标理财产品的趋势倾向以及第一金融事件对应的趋势权值确定目标理财产品的总趋势倾向；根据目标理财产品的总趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一个实施例中，第一金融事件包括行情事件、政策事件、舆情事件以及基本面分析事件的其中之一或任意组合。

在一个实施例中，计算机可执行指令被处理器执行时，还使得处理器执行以下步骤：根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级；根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品的步骤包括：根据用户投资类型、投资类型与资产的匹配关系以及理财产品的等级获取与用户匹配的目标理财产品。

在一个实施例中，用户投资类型包括投资风险类型，根据用户信息获取与用户信息对应的用户投资类型，包括：根据用户信息以及预设的风险评级规则获取投资风险类型。

在一个实施例中，提供了一种计算机设备，计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：根据用户的用户信息获取与用户信息对应的用户投资类型，用户信息包括用户基本信息和/或用户资产操作行为信息；根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品；获取第一金融事件，并将第一金融事件输入到预设的理财产品趋势模型中，得到目标理财产品的趋势倾向；根据目标理财产品的趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一个实施例中，第一金融事件为多个，根据第一金融事件以及预设的理财产品趋势模型获取目标理财产品的趋势倾向，包括：根据每个第一金融事件以及第一金融事件对应的理财产品趋势模型获取目标理财产品的趋势倾向；根据目标理财产品的趋势倾向获取资产配置策略的步骤包括：根据目标理财产品的趋势倾向以及第一金融事件对应的趋势权值确定目标理财产品的总趋势倾向；根据目标理财产品的总趋势倾向获取资产配置策略，并将资产配置策略发送给客户端。

在一个实施例中，第一金融事件包括行情事件、政策事件、舆情事件以及基本面分析事件的其中之一或任意组合。

在一个实施例中，计算机可执行指令被处理器执行时，还使得处理器执行以下步骤：根据第二金融事件以及预设的理财产品等级模型获取理财产品的等级；根据用户投资类型以及投资类型与资产的匹配关系获取与用户匹配的目标理财产品的步骤包括：根据用户投资类型、投资类型与资产的匹配关系以及理财产品的等级获取与用户匹配的目标理财产品。

在一个实施例中，用户投资类型包括投资风险类型，根据用户信息获取与用户信息对应的用户投资类型，包括：根据用户信息以及预设的风险评级规则获取投资风险类型。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(randomaccessmemory，ram)等。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。