业务对象的分析方法及装置与流程

本申请涉及数据分析领域，尤其涉及一种业务对象的分析方法及装置。

背景技术：

投资者在投资基金产品之前，通常需要结合基金产品的历史收益以及波动性等解释因子针对基金产品进行分析，进而可以根据分析结果作出正确的投资策略。然而，随着投资市场的复杂度以及波动效应的增强，结合基金产品的历史收益以及波动性等解释因子针对基金产品进行分析，已逐渐无法满足投资者的需求。

技术实现要素：

本申请提出一种业务对象的分析方法，该方法包括：

获取用户为目标业务对象设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标业务对象的业务增长率的外在因子；

读取所述目标业务对象的业务增长率数据；以及读取与所述若干外在解释因子对应的业务增长率数据；

针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析，以确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子；

基于所述解释度最高的外在解释因子针对所述目标业务对象进行标记以及归类。

可选的，所述获取用户为目标业务对象设置的外在解释维度包括：

向用户输出预设的业务对象分析界面；其中，所述业务对象分析界面提供若干可供用户选择的目标业务对象以及外在解释维度；

获取用户在预设的业务对象分析界面中选择的目标业务对象；以及

获取用户在所述业务对象分析界面中为所述目标业务对象选择的一个或者多个外在解释维度。

可选的，所述针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析包括：

将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述目标业务对象的业务增长率的解释度；

确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子。

可选的，所述将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计之前，所述方法还包括：

针对所述若干外在解释因子对应的业务增长率数据进行主成分分析，以对所述若干外在解释因子进行降维。

可选的，所述目标业务对象包括基金产品；所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数；所述业务增长率包括收益率。

本申请还提出一种业务对象的分析装置，该装置包括：

第一获取模块，用于获取用户为目标业务对象设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标业务对象的业务增长率的外在因子；

第一读取模块，用于读取所述目标业务对象的业务增长率数据；以及读取与所述若干外在解释因子对应的业务增长率数据；

第一分析模块，用于针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析，以确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子；

第一标记模块，用于基于所述解释度最高的外在解释因子针对所述目标业务对象进行标记，并基于标记以及归类。

可选的，所述第一获取模块具体用于：

向用户输出预设的业务对象分析界面；其中，所述业务对象分析界面提供若干可供用户选择的目标业务对象以及外在解释维度；

获取用户在预设的业务对象分析界面中选择的目标业务对象；以及

获取用户在所述业务对象分析界面中为所述目标业务对象选择的一个或者多个外在解释维度。

可选的，所述第一分析模块具体用于：

将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述目标业务对象的业务增长率的解释度；

确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子。

可选的，所述第一分析模块进一步用于：

将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计之前，针对所述若干外在解释因子对应的业务增长率数据进行主成分分析，以对所述若干外在解释因子进行降维。

可选的，所述目标业务对象包括基金产品；所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数；所述业务增长率包括收益率。

本申请还提出一种基金产品的分析方法，该方法包括：

获取用户为目标基金产品设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标基金产品的收益率的外在因子；

读取所述基金产品的收益率数据；以及读取与所述若干外在解释因子对应的收益率数据；

针对所述基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，以确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子；

基于所述解释度最高的外在解释因子针对所述基金产品进行标记以及归类。

可选的，所述获取用户为基金产品设置的外在解释维度包括：

向用户输出预设的基金分析界面；其中，所述基金分析界面提供若干可供用户选择的基金产品以及外在解释维度；

获取用户在预设的基金分析界面中选择的基金产品；以及

获取用户在所述基金分析界面中为所述基金产品选择的一个或者多个外在解释维度。

可选的，所述针对所述基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析包括：

将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述基金产品的收益率的解释度；

确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子。

可选的，所述将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计之前，所述方法还包括：

针对所述若干外在解释因子对应的收益率数据进行主成分分析，以对所 述若干外在解释因子进行降维。

可选的，所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数。

本申请还提出一种基金产品的分析装置，该装置包括：

第二获取模块，用于获取用户为目标基金产品设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标基金产品的收益率的外在因子；

第二读取模块，用于读取所述基金产品的收益率数据；以及读取与所述若干外在解释因子对应的收益率数据；

第二分析模块，用于针对所述基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，以确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子；

标记模块，用于基于所述解释度最高的外在解释因子针对所述基金产品进行标记以及归类。

可选的，所述第二获取模块具体用于：

向用户输出预设的基金分析界面；其中，所述基金分析界面提供若干可供用户选择的基金产品以及外在解释维度；

获取用户在预设的基金分析界面中选择的基金产品；以及

获取用户在所述基金分析界面中为所述基金产品选择的一个或者多个外在解释维度。

可选的，所述分析模块具体用于：

将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述基金产品的收益率的解释度；

确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子。

可选的，所述分析模块进一步用于：

将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计之前，针对所述若干外在解释因子对应的收益率数据进行主成分分析，以对所述若干外在解释因子进行降维。

可选的，所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数。

本申请中，通过为目标业务对象设置包括若干外在解释因子的外在解释维度，并读取所述目标业务对象的业务增长率数据；以及与所述若干外在解释因子对应的业务增长率数据，然后针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析，来确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子，最终可以基于解释度最高的外在解释因子针对所述目标业务对象进行标记以及归类，从而实现了可以基于外在解释因子针对目标业务对象进行多个维度分析，并基于解释度最高的外在解释因子对业务对象进行标记和归类；

当本申请的技术方案应用于基金产品分析的应用场景时，通过为基金产品设置包括若干外在解释因子的外在解释维度，并读取该基金产品的收益率数据；以及与所述若干外在解释因子对应的收益率数据，然后针对基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，来确定所述若干外在解释因子中针对所述目标业务对象的收益率解释度最高的外在解释因子，最终可以基于解释度最高的外在解释因子针对该基金产品进行标记以及归类，实现了投资者可以基于外在解释因子针对基金产品进行多个维度的分析和评估，更加有利于投资者做出合理的投资策略和资产配置。

附图说明

图1是本申请一实施例提供的一种业务对象的分析方法的流程图；

图2是本申请一实施例提供的一种基金产品的分析方法的流程图；

图3是本申请一实施例提供的一种业务对象的分析装置的逻辑框图；

图4是本申请一实施例提供的承载所述一种业务对象的分析装置的终端的硬件结构图；

图5是本申请一实施例提供的一种基金产品的分析装置的逻辑框图；

图6是本申请一实施例提供的承载所述基金产品的分析装置的终端的硬件结构图。

具体实施方式

下面通过具体实施例并结合具体的应用场景对本申请进行描述。

请参考图1，图1是本申请一实施例提供的一种业务对象的分析方法，应用于客户端，所述方法执行以下步骤：

步骤101，获取用户为目标业务对象设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标业务对象的业务增长率的外在因子；

上述客户端，可以包括面向用户提供业务对象分析服务的客户端软件。例如，当上述业务对象为基金产品时，上述客户端可以是面向用户提供基金产品投资分析的理财产品app，用户可以在该理财产品app提供的分析页面中对选定的基金产品进行分析，来做出投资策略。

上述外在解释维度，包括若干外在解释因子。在本例中，外在解释因子是指对业务对象的业务增长率造成影响的外在因子。

其中，上述外在解释因子是相对于内在解释因子而言的。所谓内在解释因子可以是业务对象中可能对业务增长率造成影响的固有因素，而外在解释因子，可以是由用户设置的可能对业务增长率造成影响的上述固有属性以外的其它因素。

例如，当上述业务对象为基金产品，上述业务增长率为基金产品的收益率时，上述内在解释因子可以包括基金产品的波动(即基金产品每日的涨跌幅度数据)以及收益(即基金产品每日的收益值)等对基金产品的收益率造 成直接影响的内在因素；而上述外在解释维度可以包括投资风格、投资行业、投资主题以及投资仓位等可能对基金产品的收益率造成影响的外在因素，上述外在解释因子则可以包括与上述外在解释维度对应的基金指数；比如，中证100、中正200、中正300指数、申万一级行业指数、各主题指数等。

在本例中，用户可以通过上述客户端完成注册，然后使用注册的登录账号登录上述客户端。当用户成功登录上述客户端后，上述客户端可以向用户输出业务对象分析界面。

在该业务对象分析界面中，可以面向用户提供若干可供用户选择的目标业务对象，以及外在解释维度，用户可以通过在该业务对象分析界面中进行操作，来选择需要分析的目标业务对象，并在该业务对象分析界面中为该目标业务对象选择外在解释维度。

其中，需要指出的是，用户在为目标业务对象选择外在解释维度时，可以选择一个也可以选择多个。当用户在上述业务对象选择界面中选择出目标业务对象，并为该目标业务对象选择了外在解释维度后，客户端可以在后台获取用户选择的目标业务对象，以及为该目标业务对象选择的外在解释维度。

步骤102，读取所述目标业务对象的业务增长率数据；以及读取与所述若干外在解释因子对应的业务增长率数据；

在本例中，客户端在后台获取用户选择的目标业务对象，以及为该目标业务对象选择的外在解释维度后，可以从数据库中读取目标业务对象的业务增长率数据，以及与外在解释维度中各外在解释因子对应的业务增长率数据。

其中，上述业务增长率数据，可以是在一定时间周期内上述目标业务对象的增长率时间序列数据。上述时间周期在本例中不进行特别限定，用户可以根据实际需求进行设定；比如，以季度为单位进行业务增长率数据的采集。

上述数据库，可以设置于面向所述客户端提供服务的服务端上。服务端可以基于实际存储的业务增长率数据的类型对数据库进行分类，即可以将上述目标业务对象的业务增长率数据，以及与上述各外在解释因子对应的业务增长率分别存储在不同的数据库中，从而客户端可以通过访问不同的数据库， 来读取上述目标业务对象，以及与上述各外在解释因子对应的业务增长率数据。通过这种方式，可以提升数据读取的效率。

步骤103，针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析，以确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子；

在本例中，当数据读取完成后，客户端可以开始基于读取到的该目标业务对象的业务增长率数据，以及上述外在解释因子对应的业务增长率数据，针对目标业务对象进行统计分析，以确定出上述若干外在解释因子中对目标业务对象的业务增长率的解释度最高的外在解释因子。

其中，解释度具体是指影响程度，对目标业务对象的业务增长率解释度最高的外在解释因子，是指对目标业务对象的业务增长率影响程度最高的外在解释因子。

在示出的一种实施方式中，客户端在针对目标业务对象进行统计分析时，可以采用主成分分析(pca，principalcomponentanalysis)结合多元线性回归(mlr，multivariablelinearregression)的统计分析方法。

其中，客户端在执行上述主成分分析以及多元线性回归计算时，可以通过将读取到的业务增长率数据作为变量，导入到预设的统计分析工具中来实现。上述统计分析工具可以是第三方的统计分析工具，也可以是客户端内置的与第三方的统计分析工具具有相同的工具的模块。

例如，在实现时，上述统计分析工具可以是spss(statisticalproductandservicesolution，统计产品与服务解决方案)工具。客户端可以通过将读取到的业务增长率数据作为变量，导入到第三方的spss工具中来完成统计分析过程，也可以通过在客户端中内置spss模块，来完成相同的统计分析过程。

在初始状态下，客户端在基于读取到的业务增长率数据进行多元线性回归计算之前，可以预先针对上述各外在解释因子对应的业务增长率数据作为变量进行主成分分析计算。

当完成主成分分析计算后，可以仅保留上述各外在解释因子的业务增长 率数据中不存在相关性的数据，从而可以将上述各外在解释因子中存在相关性的解释因子消除，将其转换为一组解释因子之间彼此不会相互影响，并且对目标业务对象的业务增长率解释度较高的解释因子，从而达到对上述各外在解释因子进行降维的目的。

由于当上述各外在解释因子中存在具有相关性的解释因子时，会对最终的多元线性回归统计计算的结果造成影响，因此通过主成分分析计算，可以提升最终统计分析结果的准确度。

需要指出的是，上述主成分分析计算的过程，可以通过预设的统计分析工具(比如spss)来完成，其详细的计算过程在本例中不再进行详述，本领域技术人员在将本例中示出的技术方案付诸实施时，可以参考相关技术中的计算。

例如，以上述统计分析工具为spss软件为例，在实现时，用户可以在spss软件中选择对应的主成分分析模型，然后将上述各外在解释因子对应的业务增长率数据作为变量导入到模型中进行计算，当计算完成后，spss软件可以对计算结果进行自主分析，或者将计算结果向用户输出，由用户人工对计算结果进行分析筛选，仅保留上述各外在解释因子中不存在具有相关性的解释因子。

在本例中，当客户端针对上述各外在解释因子对应的业务增长率数据作为变量进行主成分分析计算完成后，此时客户端可以将上述目标业务对象的业务增长率数据作为因变量，将与经过主成分分析计算处理后的上述各外在解释因子的业务增长率数据作为解释变量，进行多元线性回归分析计算，计算出上述各外在解释因子针对目标业务对象的业务增长率的解释度取值，并根据计算得到的解释取值确定出上述各外在解释因子中针对目标业务对象的业务增长率解释度最高的外在解释因子。

其中，上述解释度取值，具体是指通过多元线性回归分析计算后，得到的显著性取值，该显著性取值越高，表示该外在解释因子对目标业务对象的业务增长率的解释度，即影响程度越大。

需要指出的是，上述多元线性回归分析计算的过程，仍然可以通过预设的统计分析工具(比如spss)来完成，其详细的计算过程在本例中不再进行详述，本领域技术人员在将本例中示出的技术方案付诸实施时，可以参考相关技术中的计算。

例如，仍然以上述统计分析工具为spss软件为例，在实现时，用户可以在spss软件中选择对应的多元线性回归分析模型，然后将上述目标业务对象的业务增长率作为自变量，将上述各外在解释因子对应的业务增长率数据作为解释变量，导入到模型中进行计算，当计算完成后，spss软件可以针对计算结果，即计算得到的各外在解释因子针对目标业务对象的业务增长率的解释度取值进行分析筛选，以确定出上述各外在解释因子中针对目标业务对象的业务增长率解释度最高的外在解释因子。

其中，上述解释度最高的外在解释因子的数量，可以是一个也可以是多个，在实际应用中可以由用户基于实际需求进行设定，客户端可以基于用户设定的数量，从计算得到的各外在解释因子针对目标业务对象的业务增长率的解释度取值中最高的一个或者多个解释因子，确定为上述解释度最高的外在解释因子。

步骤104，基于所述解释度最高的外在解释因子针对所述目标业务对象进行标记以及归类。

在本例中，当客户端通过采用主成分分析结合多元线性回归(mlr，的统计分析方法，最终确定出上述各外在解释因子中针对目标业务对象的业务增长率解释度最高的外在解释因子，此时客户端可以基于确定出的该解释度最高的外在解释因子针对上述目标业务对象进行标记，并在标记完成后对该目标业务对象进行归类。

其中，客户端基于解释度最高的外在解释因子对目标业务对象进行标记的过程，具体是指为目标业务对象添加与外在解释因子对应的标记的过程。

例如，当上述业务对象为基金产品，上述业务增长率为基金产品的收益率，上述外在解释维度可以为投资行业时，上述外在解释因子可以是与上述 外在解释维度对应的行业指数。假设外在解释因子包括申万一级行业指数，申万二级行业指数，通过多元线性回归计算出申万一级行业指数对该基金产品的解释度最高，那么客户端可以为该基金产品添加一个与“申万一级”行业对应的投资行业标签，然后基于该标签将该基金产品归类到“申万一级”的基金类型中，或者可以将该基金产品纳入到申万一级行业指数中。

其中，需要说明的是，当在一定时间周期后，上述数据库中存储的目标业务对象，以及与上述各外在解释因子对应的业务增长率数据可能会发生变化，因此在这种情况下，用户可以通过在客户端输出的上述业务对象分析界面中，重新选择了上述目标业务对象，并且选择了相同的外在解释维度后，此时app可以通过相同的方式基于更新后的业务增长率数据重新对该目标业务对象进行分析，以根据解释度最高的外在解释因子对该目标业务对象重新进行标记和归类，详细过程不再赘述。

可见，通过这种方式，在针对目标对象进行统计分析时，可以在不再拘泥于对目标业务对象的业务增长率造成影响的内在解释因子，可以实现基于外在解释因子针对目标业务对象进行多个维度分析，通过统计分析来确定解释度最高的外在解释因子对业务对象进行标记和归类，从而可以提升针对目标对象进行统计分析时的分析多样性。

以下以上述业务对象为基金产品，上述客户端为可以面向用户提供基金产品投资分析的理财产品app，并结合基金产品分析的应用场景对本申请的技术方案进行说明。

在相关技术中，投资者在投资基金产品之前，通常需要结合基金产品的解释因子针对基金产品进行分析和评估，进而可以投资者可以根据分析结果做出正确的投资策略。

目前，对基金产品进行分析和评估通常通过以下方式来完成：

第一，参考基金产品的招募说明书的约定对基金产品未来的收益率，以及风险进行评估。这种方式的弊端在于，对基金产品的分析和评估方式太过于固化，灵活性不足。

第二，基于历史收益以及波动性等对基金产品的收益率造成影响的内在因素对基金产品进行分析和评估。这种方式的弊端在于，并未考虑投资风格、投资行业、投资主题以及投资仓位等可能对基金产品的收益率造成影响的外在因素，而在一些波动较大的市场中，通过投资风格、投资行业、投资主题以及投资仓位等外在因素对基金产品进行分析和评估，对于基金产品未来的收益率非常具有参考价值，因此通过这种方式，使得投资者在对基金产品进行分析和评估时，无法对基金未来的收益率进行有效分析。

有鉴于此，本申请提出一种基金产品的分析方法，通过为基金产品设置包括若干外在解释因子的外在解释维度，并读取该基金产品的收益率数据；以及与所述若干外在解释因子对应的收益率数据，然后针对基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，来确定所述若干外在解释因子中针对所述目标业务对象的收益率解释度最高的外在解释因子，最终可以基于解释度最高的外在解释因子针对该基金产品进行标记以及归类，实现了投资者可以基于外在解释因子针对基金产品进行多个维度的分析和评估，更加有利于投资者做出合理的投资策略和资产配置。

请参考图2，图2是本申请一实施例在基金产品分析的应用场景中，提供的一种基金产品的分析方法，应用于理财产品app，该方法执行以下步骤：

步骤201，获取用户为目标基金产品设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标基金产品的收益率的外在因子；

步骤202，读取所述基金产品的收益率数据；以及读取与所述若干外在解释因子对应的收益率数据；

步骤203，针对所述基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，以确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子；

步骤204，基于所述解释度最高的外在解释因子针对所述基金产品进行标记以及归类。

在本例中，上述外在解释维度可以包括投资风格、投资行业、投资主题以及投资仓位等可能对基金产品的收益率造成影响的外在因素，上述外在解释因子则可以包括与上述外在解释维度对应的基金指数。

例如，当上述外在解释维度为投资风格时，上述各外在解释因子则可以是投资风格指数；比如，可以包括代表大中小盘风格的中证100，中证200和中证500指数，或者成长和价值指数等。当上述外在解释维度为投资行业时，上述各外在解释因子则可以是投资行业指数；比如，可以包括申万一级行业指数以及申万二级行业指数等；当上述外在解释维度为投资主题时，上述外在解释因子则可以包括各投资主题指数；比如，可以包括国企改革,土改,电改,体改等主题指数。

以下以上述外在解释维度为投资风格、投资行业、投资主题，上述基金产品为证券投资基金“华夏大盘精选”为例进行说明。

在初始状态下，当用户通过登录账号登录上述理财产品app(以下简称app)后，app可以向用户输出基金产品分析界面，在该理财产品分析界面中面向用户提供若干可供用户选择的基金产品名称，以及可供用户选择的投资风格、投资行业、投资主题等外在解释维度选项。

此时用户可以在输出的上述基金产品分析界面中选择基金产品“华夏大盘精选”，同时在该界面中选择“投资风格、投资行业、投资主题”等选项作为外在解释维度。

当用户选择完成后，app可以访问服务端上的数据库，来读取基金产品“华夏大盘精选”以及与上述外在解释维度中各外在解释因子对应的收益率数据。

其中，服务端上的数据库可以预先进行了分类，可以包括“华夏大盘精选收益率数据库”、“行业指数数据库”、“风格指数数据库”，“热点主题指数数据库”等不同类型的数据库。

app可以通过访问“华夏大盘精选收益率数据库”来读取“华夏大盘精选”在上一季度的日收益率序列数据；可以通过访问“行业指数数据库”， 来读取代表行业风格的申万一级行业指数以及申万二级行业指数等“投资行业指数”在上一季度的日收益率序列数据；可以通过访问“风格指数数据库”，来读取代表大中小盘风格的中证100，中证200和中证500指数，或者成长和价值指数等“投资风格指数”；可以通过访问“热点主题指数数据库”，来读取国企改革指数，土改指数，电改指数，体改指数等“投资主题指数”。

当app读取到上述日收益率序列数据后，可以对读取到的上述各指数的日收益率序列数据进行主成分分析计算，以对上述各指数的日收益率序列数据进行降维，然后将“华夏大盘精选”在上一季度的日收益率序列数据作为因变量，将降维后的各指数的日收益率序列数据作为解释变量，进行多元线性回归统计分析计算，得到各指数的日收益率序列数据对“华夏大盘精选”的日收益率序列数据的解释度值。

当app通过上述统计分析过程，计算出上述各指数的日收益率序列数据对“华夏大盘精选”的日收益率序列数据的解释度值时，可以使用解释度值最高的指数对“华夏大盘精选”进行标记并进行相应的归类。

例如，假设解释度最高的指数为“中证100指数”，由于中证100代表大盘风格的蓝筹指数，那么可以为基金产品“华夏大盘精选”添加一个“大盘股基金”的投资风格标签，然后基于该标签将该基金产品归类到“大盘股基金”的基金类型中，或者将该基金产品纳入到中证100指数中。

假设解释度最高的指数为“申万一级行业指数”指数，那么可以为基金产品“华夏大盘精选”添加一个“申万一级行业”的投资行业标签，然后基于该标签将该基金产品归类到“申万一级行业”的基金类型中，或者将该基金产品纳入到申万一级行业指数中。

假设解释度最高的指数为“国企改革指数”，那么可以为基金产品“华夏大盘精选”添加一个“国企改革”的投资主体标签，然后基于该标签将该基金产品归类到“国企改革”的基金类型中，或者将该基金产品纳入到申国企改革指数中。

在本例中，当基金产品“华夏大盘精选”通过上述方法进行标记并归类后， 此时投资者可以基于该基金产品的标签以及归类结果，对该基金产品进行更加灵活的分析和评估，从而做出合理的投资策略和资产配置。

在以上实施例中，通过为基金产品设置包括若干外在解释因子的外在解释维度，并读取该基金产品的收益率数据；以及与所述若干外在解释因子对应的收益率数据，然后针对基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，来确定所述若干外在解释因子中针对所述目标业务对象的收益率解释度最高的外在解释因子，最终可以基于解释度最高的外在解释因子针对该基金产品进行标记以及归类，实现了投资者可以基于外在解释因子针对基金产品进行多个维度的分析和评估，更加有利于投资者做出合理的投资策略和资产配置。

与上述方法实施例相对应，本申请还提供了装置的实施例。

请参见图3，本申请提出一种业务对象的分析装置30，应用于客户端；其中，请参见图4，作为承载所述客户端的电子设备所涉及的硬件架构中，通常包括cpu、内存、非易失性存储器、网络接口以及内部总线等；以软件实现为例，所述业务对象的分析装置30通常可以理解为加载在内存中的计算机程序，通过cpu运行之后形成的软硬件相结合的逻辑装置，所述装置30包括：

第一获取模块301，用于获取用户为目标业务对象设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标业务对象的业务增长率的外在因子；

第一读取模块302，用于读取所述目标业务对象的业务增长率数据；以及读取与所述若干外在解释因子对应的业务增长率数据；

第一分析模块303，用于针对所述目标业务对象的业务增长率数据以及与所述若干外在解释因子对应的业务增长率数据进行统计分析，以确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子；

第一标记模块304，用于基于所述解释度最高的外在解释因子针对所述 目标业务对象进行标记以及归类。

在本例中，所述第一获取模块301具体用于：

向用户输出预设的业务对象分析界面；其中，所述业务对象分析界面提供若干可供用户选择的目标业务对象以及外在解释维度；

获取用户在预设的业务对象分析界面中选择的目标业务对象；以及

获取用户在所述业务对象分析界面中为所述目标业务对象选择的一个或者多个外在解释维度。

在本例中，所述第一分析模块303具体用于：

将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述目标业务对象的业务增长率的解释度；

确定所述若干外在解释因子中针对所述目标业务对象的业务增长率解释度最高的外在解释因子。

在本例中，所述第一分析模块303进一步用于：

将所述目标业务对象的业务增长率数据作为因变量，以及将与所述若干外在解释因子对应的业务增长率数据作为解释变量执行多元线性回归统计之前，针对所述若干外在解释因子对应的业务增长率数据进行主成分分析，以对所述若干外在解释因子进行降维。

在本例中，所述目标业务对象包括基金产品；所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数；所述业务增长率包括收益率。

请参见图5，本申请提出一种基金产品的分析装置50，应用于理财产品app；其中，请参见图6，作为承载理财产品app的电子设备所涉及的硬件架构中，通常包括cpu、内存、非易失性存储器、网络接口以及内部总线等；以软件实现为例，所述基金产品的分析装置50通常可以理解为加载在内存中的计算机程序，通过cpu运行之后形成的软硬件相结合的逻辑装置，所述装置50包括：

第二获取模块501，用于获取用户为目标基金产品设置的外在解释维度；其中，所述外在解释维度包括若干外在解释因子；所述外在解释因子包括影响所述目标基金产品的收益率的外在因子；

第二读取模块502，用于读取所述基金产品的收益率数据；以及读取与所述若干外在解释因子对应的收益率数据；

第二分析模块503，用于针对所述基金产品的收益率数据以及与所述若干外在解释因子对应的收益率数据进行统计分析，以确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子；

标记模块504，用于基于所述解释度最高的外在解释因子针对所述基金产品进行标记以及归类。

在本例中，所述第二获取模块501具体用于：

向用户输出预设的基金分析界面；其中，所述基金分析界面提供若干可供用户选择的基金产品以及外在解释维度；

获取用户在预设的基金分析界面中选择的基金产品；以及

获取用户在所述基金分析界面中为所述基金产品选择的一个或者多个外在解释维度。

在本例中，所述分析模块503具体用于：

将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计，以得到所述若干外在解释因子针对所述基金产品的收益率的解释度；

确定所述若干外在解释因子中针对所述基金产品的收益率解释度最高的外在解释因子。

在本例中，所述分析模块503进一步用于：

将所述基金产品的收益率数据作为因变量，以及将与所述若干外在解释因子对应的收益率数据作为解释变量执行多元线性回归统计之前，针对所述若干外在解释因子对应的收益率数据进行主成分分析，以对所述若干外在解释因子进行降维。

在本例中，所述外在解释维度包括投资风格、投资行业、投资主题以及投资仓位；所述外在解释因子包括与所述外在解释维度对应的基金指数。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。