资产分配风险评估方法、装置、计算机设备和存储介质与流程

本申请涉及风险评估技术领域，特别是涉及一种资产分配风险评估方法、装置、计算机设备和存储介质。

背景技术：

随着生活水平的提高，越来越多的人有购买理财产品的需求。理财经理这个职业也越来越人们接受与推崇。理财经理可以针对用户需求和购买力提供理财购买建议以及协助用户实现理财产品管理等。

一般来说，基金经理在进行理财产品推荐时，需要先对理财产品进行风险评估，这种风险评估方式是基于基金经理个人经验和主观意愿的，由于不同基金经理从业时间不同以及个人喜好和主观意愿差异，其得到的风险评估结果准确度和可信度较低，基于该风险评估结果极有可能无法准确推荐理财产品至用户，实现资产的合理分配。

因此，有必要提供一种不依赖人为经验，能够准确实现对资产分配风险评估的方案，以实现理财产品的准确推荐和资产的合理分配。

技术实现要素：

基于此，有必要针对上述技术问题，提供一种风险评估准确的资产分配风险评估方法、装置、计算机设备和存储介质，以实现理财产品的准确推荐和资产的合理分配。

一种资产分配风险评估方法，所述方法包括：

识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，所述净值融合结果由历史净值平均至工作日后加权融合得到；

根据所述净值融合结果，绘制组合净值曲线；

截取预设时间段对应的所述组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点；

根据所述起始点、所述截止点以及所述波动特征点，获取在所述预设时间段内的风险评估参数；

根据所述风险评估参数，得到资产分配风险评估结果。

在其中一个实施例中，所述识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果包括：

识别资产分配中选定的理财产品，获取选定理财产品的历史净值；

将所述历史净值平均至工作日，得到所述选定理财产品的每日净值；

对所述选定理财产品的每日净值进行加权融合，得到净值融合结果。

在其中一个实施例中，所述将所述历史净值平均至工作日，得到所述选定理财产品的每日净值包括：

获取选定理财产品在限定时间内的起始工作日净值以及每个工作日平均净值增加量；

根据每个工作日平均净值增长量以及距离起始工作日净值的工作日天数，得到累计净值增长量；

根据起始工作日净值以及累计净值增长量得到每个工作日对应的净值。

在其中一个实施例中，所述对所述选定理财产品的每日净值进行加权融合，得到净值融合结果包括：

获取选定理财产品的投资比例；

以所述投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果。

在其中一个实施例中，所述以所述投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果的计算公式为：

pm＝∑(pn*rn)，式中，pn为工作日n对应的每日净值，rn为工作日n对应的投资比例，pm为工作日(n＝1,n＝2,n＝3,…,n＝m)的净值融合结果。

在其中一个实施例中，所述根据所述风险评估参数，得到资产分配风险评估结果包括：

获取历史风险评估参数以及风险评估结果数据；

将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；

针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建预设风险评估模型；

根据预设风险评估模型以及风险评估参数，得到资产分配风险评估结果。

一种资产分配风险评估装置，所述装置包括：

净值融合模块，识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，所述净值融合结果由历史净值平均至工作日后加权融合得到；

曲线绘制模块，用于根据所述净值融合结果，绘制组合净值曲线；

检测模块，用于截取预设时间段对应的所述组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点；

评估参数获取模块，用于根据所述起始点、所述截止点以及所述波动特征点，获取在所述预设时间段内的风险评估参数；

风险评估模块，用于根据所述风险评估参数，得到资产分配风险评估结果。

在其中一个实施例中，所述净值融合模块还用于识别资产分配中选定的理财产品，获取选定理财产品的历史净值；将所述历史净值平均至工作日，得到所述选定理财产品的每日净值；对所述选定理财产品的每日净值进行加权融合，得到净值融合结果。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法的步骤。

上述资产分配风险评估方法、装置、计算机设备和存储介质，识别资产分配中选定的理财产品，得到选定理财产品对应的净值融合结果，根据所述净值融合结果，绘制组合净值曲线，采用边缘检测和波动检测的方式，对净值融合结果进行数据分析，得到起始点、截止点以及波动特征点，进一步得到预设时间段内的风险评估参数，再根据所述风险评估参数，得到资产分配风险评估结果。整个过程，净值融合结果关注理财产品净值平均变化情况，以净值融合后的数据来分析风险评估参数，可以准确实现对资产分配风险评估。

附图说明

图1为一个实施例中资产分配风险评估方法的流程示意图；

图2为另一个实施例中资产分配风险评估方法的流程示意图；

图3为一个实施例中资产分配风险评估装置的结构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

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

如图1所示，提供了一种资产分配风险评估方法，包括以下步骤：

s100：识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，净值融合结果由历史净值平均至工作日后加权融合得到。

一般来说，客户当有大量资产需要进行投资时，其会选择多种投资方式和投资渠道。当客户需要投资理财产品时，基金经理会根据客户喜好、客户风险承受能力、客户收益期望、客户持有总资金等因素选择搭配资产分配清单，进一步的，服务器针对已生成的资产分配清单进行风险评估，以进一步给基金经理和客户提供数据上的支持与参考。在实际应用中，识别当前初拟资产分配清单中已经选定的理财产品，基于理财产品历史数据，获取理财产品的历史净值，例如选定的理财产品为基金a、b、c，则从基金a、b、c运营的历史数据中获取其对应的历史净值。非必要的，可以获取最近一定时间段内的历史净值用于下一步净值平均处理，例如可以获取半年来基金a、b、c的历史净值数据。将历史净值平均至工作日之后可以得到每日净值，再对每日净值进行加权融合得到净值融合结果。

如图2所示，在其中一个实施例中，步骤s100包括：

s120：识别资产分配中选定的理财产品，获取选定理财产品的历史净值。

s140：将历史净值平均至工作日，得到选定理财产品的每日净值。

一般来说，风险较大的理财产品在工作日(交易日)才会产生比较明显的每日净值变化，而风险较小的理财产品(例如货币基金)其虽然每日都产生净值变化，但是其净值变化幅度较小，并且基本上风险都非常小，在风险评估的时候可以不需要考虑这部分数据，或者直接将这部分数据近似看成是一个“常数”。具体来说，选定一定时间内历史净值数据，在计算在该时间内包含的工作日天数，将净值增长幅度平均至工作日，得到选定理财产品的每日净值。例如基金a在6个月内净值从1.5变成2.5，6个月内工作日天数为126天，则每个工作日平均净值增长为(2.5-1.5)/126＝0.00793651，需计算每日净值时，只需计算距离起始工作日净值(6个月前的第一天，即净值为1.5的那天)的工作日天数，假定需计算距离100个工作日的净值，则为1.5+100*0.00793651＝2.29365079。需要指出的是，理财产品可能产生负收益，即其净值是减少的，则每个工作日平均净值增长也为负数。

s160：对选定理财产品的每日净值进行加权融合，得到净值融合结果。

将理财产品的每日净值进行融合，融合为组合净值。具体来说，在选定的理财产品组合中有多个不同的理财产品，在需要对整个资产分配风险评估时，需要将整个选定理财产品作为一个整体进行考虑，因此，需要将选定理财产品的每日净值进行融合，得到组合净值。进一步来说，资产分配风险评估时还有一个重要需要考虑的因素——投入资金量，不同理财产品投入不同的资金，其在整个资产分配中占据的比重以及对最终风险评估结果的影响不同的，一般三者之间是成正相关关系的。因此，在对选定理财产品的每日净值进行融合时，可以充分考虑每个理财产品投资比例，以其投资比例作为权重系数，对每日净值进行融合。

s200：根据净值融合结果，绘制组合净值曲线。

净值融合结果中记录有随着时间推移融合净值的变化情况，基于这些数据绘制横坐标为时间(工作日)、纵坐标为净值的曲线，根据该曲线分析出净值的变化情况、幅度以及趋势，下一步可以针对该组合净值曲线进行分析，得到进一步的数据。

s300：截取预设时间段对应的组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点。

预设时间段是预先选定的时间，其具体可以为1年、2年、3年等也可以为较短的6个月、9个月等，其根据具体情况确定。步骤s200是绘制了一个比较长时间的组合净值曲线，在这里，从步骤s200得到的组合净值曲线中截取部分，例如截取最近1年内赌赢的组合净值曲线进行下一步处理。在处理时，先对截取的组合净值曲线进行边缘检测，已凸显整个曲线中数据变化情况，边缘检测可以采用常规图像处理技术的方式，例如通过sobel算子对截取的组合净值曲线进行边缘检测，以重点关注其中“曲线”表征是数据，进行一步的再进行波动检测，查找到“曲线”中的波动特征点。由于截取的是一部分曲线，其对应有起始点和截止点，可以理解的是截止点为当前时间对应的融合净值、起始点为当前时间回退一年对应的融合净值。

s400：根据起始点、截止点以及波动特征点，获取在预设时间段内的风险评估参数。

一般来说，风险评估参数包括平均年化收益率、平均波动率、今年最大回撤率，平均年化收益率表征整个资产分配方案的收益率，收益率越高，则当前资产分配回报越高；平均波动率表征整个资产分配收益和本金的稳定性，平均波动率越低，则当前资产分配方案越稳定，当需要调整投资金额和投资方向时，其对整个收益影响最小，不需要过多考虑时间节点；最大回撤率是指在选定周期内任一历史时点往后推，产品净值走到最低点时的收益率回撤幅度的最大值。最大回撤用来描述买入产品后可能出现的最糟糕的情况，最大回撤是一个重要的风险指标，对于对冲基金和数量化策略交易，该指标比波动率更重要，最大回撤率越大，其表明资产分配风险越高。根据起始点和界址点可以换算出平均年化收益率，根据波动特征点可以计算得到平均波动率以及今年最大回撤率。

s500：根据风险评估参数，得到资产分配风险评估结果。

基于得到的风险评估参数，采用常规风险评估方式可以得到资产分配风险评估结果。具体来说，风险评估参数一般包括平均年化收益率、平均波动率、今年最大回撤率，可以将这三个参数输入至已构建的风险评估模型，得到资产分配风险评估结果。该风险评估模型是预先构建的模型，其基于历史风险评估参数以及对应的风险评估结果数据等进行训练得到。

上述资产分配风险评估方法，识别资产分配中选定的理财产品，得到选定理财产品对应的净值融合结果，根据净值融合结果，绘制组合净值曲线，采用边缘检测和波动检测的方式，对净值融合结果进行数据分析，得到起始点、截止点以及波动特征点，进一步得到预设时间段内的风险评估参数，再根据风险评估参数，得到资产分配风险评估结果。整个过程，净值融合结果关注理财产品净值平均变化情况，以净值融合后的数据来分析风险评估参数，可以准确实现对资产分配风险评估。

在其中一个实施例中，将所述历史净值平均至工作日，得到所述选定理财产品的每日净值包括：获取选定理财产品在限定时间内的起始工作日净值以及每个工作日平均净值增加量；根据每个工作日平均净值增长量以及距离起始工作日净值的工作日天数，得到累计净值增长量；根据起始工作日净值以及累计净值增长量得到每个工作日对应的净值。

限定时间是指预先指定的一定时间区间，例如可以是自2018年2月1日至2018年7月31日的6个月时间，获取理财产品在该6个月时间内的起始工作日净值以及每个工作日平均净值增加量。每个工作日平均净值增加量可以将(终止工作日净值-起始工作日净值)/限定时间内工作日天数平均计算得到。根据每个工作日平均净值增长量以及距离起始工作的工作日天数得到累计净值增长量，再根据起始工作日净值以及累计净值增长量得到每个月工作日对应的净值。以b基金为例，获取其2018年2月1日净值为1.1，其2018年7月31日净值为2.1，6个月期间共计124个工作日，则每个工作日平均净值增加量为(2.1-1.1)/124＝0.00806452假定需要计算第80个工作日的累计净值增长量，则为0.00806452*80＝0.64516129计算得到第80个工作日的净值为1.74516129。

在其中一个实施例中，对选定理财产品的每日净值进行加权融合，得到净值融合结果包括：

获取选定理财产品的投资比例；以投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果。

在资产分配清单中会记录有确定的理财产品以及对应的投资比例，由于投入资金越大的理财产品对整个资产风险影响越大因此，可以以投资比例作为权重系数，对理财产品的净值进行加权计算，得到净值融合结果。具体来说，获取每个产品投资比例，累加每个产品投资比例*产品每日净值得到每日净值融合结果。其具体计算公式为pm＝∑(pn*rn)，式中，pn为工作日n对应的每日净值，rn为工作日n对应的投资比例，pm为工作日(n＝1,n＝2,n＝3,…,n＝m)的净值融合结果。

在其中一个实施例中，根据风险评估参数，得到资产分配风险评估结果包括：构建初始风险评估模型，获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建预设风险评估模型；根据预设风险评估模型以及风险评估参数，得到资产分配风险评估结果。

预设风险评估模型是预先设定的模型，其可以采用理财经理基于历史经验数据构建的传统风险评估模型，将风险评估参数输入至预设风险评估模型，得到资产分配风险评估结果。初始风险评估模型可以理解为传统用于进行风险评估的模型，将历史风险评估参数以及对应的风险评估结果数据分为训练样本集，针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建风险评估模型，最后使用该模型对测试样本集进行测试，评估风险结果。

具体来说，高斯径向基函数是一个取值仅仅依赖于离原点距离的实值函数，也就是φ(x)＝φ(||x||)，或者还可以是到任意一点c的距离，c点称为中心点，也就是φ(x，c)＝φ(||x-c||)。任意一个满足φ(x)＝φ(||x||)特性的函数φ都叫做高斯径向基函数，标准的一般使用欧氏距离(也叫做欧式径向基函数)，尽管其他距离函数也是可以的。在神经网络结构中，可以作为全连接层和relu层的主要函数。在上述实施例中，可以基于高斯径向基函数构建神经网络模型，通过训练样本对构建的神经网络模型进行迭代训练，得到最优惩罚因子c和核函数g，构建出预设风险评估模型。

应该理解的是，虽然图1-图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

如图3所示，还提供一种资产分配风险评估装置，装置包括：

净值融合模块100，识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，净值融合结果由历史净值平均至工作日后加权融合得到；

曲线绘制模块200，用于根据净值融合结果，绘制组合净值曲线；

检测模块300，用于截取预设时间段对应的组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点；

评估参数获取模块400，用于根据起始点、截止点以及波动特征点，获取在预设时间段内的风险评估参数；

风险评估模块500，用于根据风险评估参数，得到资产分配风险评估结果。

上述资产分配风险评估装置，净值融合模块100识别资产分配中选定的理财产品，得到选定理财产品对应的净值融合结果，曲线绘制模块200根据净值融合结果，绘制组合净值曲线，检测模块300采用边缘检测和波动检测的方式，对净值融合结果进行数据分析，得到起始点、截止点以及波动特征点，评估参数获取模块400得到预设时间段内的风险评估参数，风险评估模块500根据风险评估参数，得到资产分配风险评估结果。整个过程，净值融合结果关注理财产品净值平均变化情况，以净值融合后的数据来分析风险评估参数，可以准确实现对资产分配风险评估。

在其中一个实施例中，净值融合模块100还用于识别资产分配中选定的理财产品，获取选定理财产品的历史净值；将历史净值平均至工作日，得到选定理财产品的每日净值；对选定理财产品的每日净值进行加权融合，得到净值融合结果。

在其中一个实施例中，净值融合模块100还用于获取选定理财产品在限定时间内的起始工作日净值以及每个工作日平均净值增加量；根据每个工作日平均净值增长量以及距离起始工作日净值的工作日天数，得到累计净值增长量；根据起始工作日净值以及累计净值增长量得到每个工作日对应的净值。

在其中一个实施例中，净值融合模块100还用于获取选定理财产品的投资比例；以投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果。

在其中一个实施例中，净值融合模块100以投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果的计算公式为：

pm＝∑(pn*rn)，式中，pn为工作日n对应的每日净值，rn为工作日n对应的投资比例，pm为工作日(n＝1,n＝2,n＝3,…,n＝m)的净值融合结果。

在其中一个实施例中，风险评估模块500还用于获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建预设风险评估模型；

根据预设风险评估模型以及风险评估参数，得到资产分配风险评估结果。

关于资产分配风险评估装置的具体限定可以参见上文中对于资产分配风险评估方法的限定，在此不再赘述。上述资产分配风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储理财产品历史净值数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种资产分配风险评估方法。

本领域技术人员可以理解，图4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，提供了一种计算机设备，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：

识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，净值融合结果由历史净值平均至工作日后加权融合得到；

根据净值融合结果，绘制组合净值曲线；

截取预设时间段对应的组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点；

根据起始点、截止点以及波动特征点，获取在预设时间段内的风险评估参数；

根据风险评估参数，得到资产分配风险评估结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取选定理财产品在限定时间内的起始工作日净值以及每个工作日平均净值增加量；根据每个工作日平均净值增长量以及距离起始工作日净值的工作日天数，得到累计净值增长量；根据起始工作日净值以及累计净值增长量得到每个工作日对应的净值。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

获取选定理财产品的投资比例；以投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

构建初始风险评估模型，获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建预设风险评估模型；根据预设风险评估模型以及风险评估参数，得到资产分配风险评估结果。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

识别资产分配中选定的理财产品，获取选定理财产品对应的净值融合结果，净值融合结果由历史净值平均至工作日后加权融合得到；

根据净值融合结果，绘制组合净值曲线；

截取预设时间段对应的组合净值曲线进行边缘检测和波动检测，得到起始点、截止点以及波动特征点；

根据起始点、截止点以及波动特征点，获取在预设时间段内的风险评估参数；

根据风险评估参数，得到资产分配风险评估结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取选定理财产品在限定时间内的起始工作日净值以及每个工作日平均净值增加量；根据每个工作日平均净值增长量以及距离起始工作日净值的工作日天数，得到累计净值增长量；根据起始工作日净值以及累计净值增长量得到每个工作日对应的净值。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

获取选定理财产品的投资比例；以投资比例作为权重系数，对选定理财产品的每日净值进行加权计算，得到净值融合结果。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：

构建初始风险评估模型，获取历史风险评估参数以及风险评估结果数据；将获取的历史风险评估参数以及风险评估结果数据作为训练样本集；针对训练样本集采用多级分类支持向量机，以高斯径向基核函数作为核函数，选取最优惩罚因子c和核函数g，构建预设风险评估模型；根据预设风险评估模型以及风险评估参数，得到资产分配风险评估结果。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

以上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申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。