基金产品评分方法、装置及设备与流程

本发明涉及金融产品投资研究领域，尤其涉及一种基金产品评分方法、装置及设备。

背景技术：

近十几年来理财产品在我国发展迅猛，其中以表转化程度最高的公募基金产品来说，目前为止，已超过100多家基金公司，6000多只基金产品，资产规模超过8万亿元，并形成了多种类型的基金产品，比如股票基金、债券基金、货币基金、fof基金等。从基金市场历史业绩上看，大多数基金有较好年度收益，但大部分消费者没能在基金市场获利，原因在于对基金产品缺乏专业系统的分析，难以从众多基金产品中筛选出优质基金。

目前公募基金评价体系主要是对基金做多维数据研究，比如结合基金的收益、风险、基金经理、管理团队等进行综合评价，形成一个雷达图或者综合5星评价，让使用者直观看到几个维度的情况。通常用到的方法为数据库整理、数据挖掘等。

现有技术存在的问题和缺点有：

1、生成的雷达图比较直观，但仅作为结果的呈现，客户想要迅速筛选出优质基金还是有一定难度。

2、现有技术计算得出基金的综合得分，一般是研究人员对各项评价指标设置权重，然后通过加权求和得到结果。由于研究人员能力和经验的差异，人工设置权重所得到的结果未必能很好反映基金的实际表现，具有很大的主观性和局限性。而且手动调整权重工作繁琐，效率较低。

3、所有针对基金的评价，均为针对过往历史数据的客观判断，现有技术没有针对基金投资的未来进行更多的预测和展望。

4、现有技术对评价指标的设置，均为研究人员主观设置，并没有对评价指标的有效性进行检验，可能存在设置的指标与基金产品的绩效相关性不大的问题。

技术实现要素：

本发明的主要目的是提供一种基金产品评分方法、装置及设备，旨在解决现有金融基金产品评分方法中存在的不易筛选、工作繁琐、效率低下、缺乏预测性以及有效性差等问题。

为实现上述目的，本发明提出一种基金产品评分方法，包括步骤：

获取每个评价指标及该评价指标对应的计算方法；

计算每个评价指标的得分；

获取每个评价指标的参考权重；

接收用户权重设置请求，将所述权重设置请求中的权重设置为该评价指标对应的权重；

以每个评价指标的得分及该评价指标对应的权重为基础，进行加权求和，得到基金产品的得分。

可选地，每个所述评价指标及该评价指标对应的计算方法记录在一文档里。

可选地，所述获取每个评价指标及该评价指标对应的计算方法的步骤之前包括：

获取所述基金产品所属的分类；

获取所述基金产品的评价维度；

执行获取所述基金产品的评价指标及该评价指标对应的计算方法步骤。

可选地，所述获取每个评价指标的参考权重的步骤包括：

计算每个评价指标与未来收益率的相关系数ica；

求解各评价指标对应的最优权重向量。

可选地，所述得到基金产品的得分的步骤之后还包括：

计算所述产品的序差，所述序差用于评价所述基金产品的评分的准确性；

当所述序差在设定范围内时，输出评分结果。

可选地，所述计算所述基金产品的序差的步骤之后包括：

当所述序差超过设定范围时，执行所述接收用户权重设置请求的步骤。

为了实现上述目的，本发明还提供了一种基金产品评分装置，包括：

评价体系设置单元，用于获取每个评价指标及该评价指标对应的计算方法；

数据采集及处理单元，用于计算每个评价指标的得分；

生成参考权重单元，获取每个评价指标的参考权重；

设置请求单元，接收用户权重设置请求，将所述权重设置请求中的权重设置为该评价指标对应的权重；

加权求和单元，以每个评价指标的得分及该评价指标对应的权重为基础，进行加权求和，得到基金产品的得分。

可选地，所述基金产品评分装置还包括：

评分结果跟踪及输出单元，用于计算所述产品的序差并输出评分结果，所述序差用于评价所述基金产品的评分的准确性。

为了实现上述目的，本发明还提供了一种评分设备，所述评分设备包括处理器及存储器，以及存储在所述存储器上的基金产品评分程序，所述基金产品评分程序被所述处理器执行，实现所述基金产品评分方法；和/或所述推荐设备包括所述的基金产品评分装置。

本发明的有益效果有：

1、相对于传统依据主观性确定权重，本发明通过机器计算参考权重，然后接收用户权重设置请求，对所述参考权重进行调整，既避免了使用者盲目设置权重，提高效率。

2、能够分析能够发现各评价指标与未来收益率的联系，而不是仅仅基于过去数据进行评价分析。

3、相对于单纯的机器优化权重，本发明接收用户权重设置请求最终确定各指标的权重，在权重调整上更加灵活，减少机器优化的不稳定性对评价模型的影响。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。

图1为本发明一实施例的基金产品评分方法流程图。

图2为本发明一实施例的基金产品评分装置的框图。

图3为本发明一实施例所述的数据采集及处理单元框图。

图4为本发明一实施例所述的生成参考权重的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

如图1所示，本发明提出一种基金产品评分方法，包括步骤：

获取每个评价指标及该评价指标对应的计算方法；

计算每个评价指标的得分；

获取每个评价指标的参考权重；

接收用户权重设置请求，将所述权重设置请求中的权重设置为该评价指标对应的权重；

以每个评价指标的得分及该评价指标对应的权重为基础，进行加权求和，得到基金产品的得分。

相对于传统依据主观性确定权重，本发明通过机器计算获取参考权重，然后接收用户权重设置请求，对参考权重进行人工调整，实现人机结合，既避免了使用者盲目设置权重，提高效率。

所述获取每个评价指标及该评价指标对应的计算方法的步骤之前包括：

通过设置获取所述基金产品所属的分类。

由于不同基金类别，其基金产品特性有较大差异，导致同一评价指标在不同基金类别中的权重也有所不同，不同基金类别分别评价，能够得到更准确评价结果。例如，可以把基金分为权益类、债券类、货币类、另类投资类、qdii类、指数基金类六大类，作为基金产品的一级分类。另外，为了更好进行基金产品之间的横向对比，可以进一步设置基金产品的二级分类，具体详见表1。

表1基金产品分类样例

通过设置获取所述基金产品的评价维度。评价维度是评价体系的基础，研究人员从多个维度基于量化方法对基金产品综合客观评价，一般包括(但不限于)综合业绩表现、风险控制能力、基金经理资历。

执行获取所述基金产品的评价指标及该评价指标对应的计算方法步骤：设置好评价维度后，根据不同基金的特性，设置评价指标，一般包括(但不限于)基金收益率、最大回撤、夏普比率、信息比率、超额收益、择时能力、择股能力等。

将基金产品评价体系以文档的方式作详细说明，包括指标及其计算方法等。每个所述评价指标及该评价指标对应的计算方法记录在一评价体系文档里。

所述计算每个评价指标的得分包括：

获取基础基金数据。基础基金数据一般包括(但不限于)基金当前及历史每日收益率、基金市场基准收益率、基金基本信息等，数据源一般来自于wind等金融数据服务商，数据源一般存储在oracle、postgresql等关系型数据库中，可以通过apachesqoop采集。

调取待计算的评价指标所对应的计算方法。)在指标计算方法模块中调取所述计算方法，并在该模块中实现数据处理与计算，获得所需的评价指标数据结果，该模块主要利用大数据计算引擎(比如apachehadoop的mapreduce，apachespark，apacheflink等)。

利用所述计算方法，计算所述评价指标的得分。

如图4所示，每个评价指标的参考权重由机器利用python中的pandas、numpy、scikit-learn等算法库实现自动化权重计算及分析得来。所述获取每个评价指标的参考权重的步骤包括：

数据预处理，数据处理过程对权重计算结果影响较大，一般方法有空值处理、去极值化、标准化、正交化等。

计算各每日评价指标与未来收益率的相关系数ica。

计算各每日评价指标与未来收益率的相关系数作为ic值，从长期来看，相关系数的大小可看作该指标对未来收益率的预测能力。

其中，ica为指标与未来收益率的相关系数，为当日指标向量，为未来收益率向量。

求解各评价指标对应的最优权重向量。

通过优化求解的方法获得最优权重，目标函数为训练期内综合ic的信息比率(均值/标准差)最大化，即：

其中，ir为ic的信息比率，v为指标的权重向量，∑为ic的协方差矩阵。

以上最值问题的求解，得到的最优权重向量为：

v^*为指标的最优权重向量，δ为任意正数，用来调整最后的权重之和为1。

所述得到基金产品的得分的步骤之后还包括：

计算所述产品的序差，所述序差用于评价所述基金产品的评分的准确性。

所述序差的计算公式为：

其中，n为基金产品数量，真实排名(即基金的收益率的排名)是通过确定的观测周期(以月或者其他时间单位)，对于基金产品的实际表现进行跟踪获取的。

若序差越小，则说明评价结果的准确性越高，在观测周期内能够反映基金产品真实绩效。若序差较大，则说明评价结果与真实情况不符，需再次进行用户设置调整权重、优化。

当所述序差在设定范围内时，输出评价结果，所述评价结果包括基金产品的得分及排名，所述排名是按照参加排名的基金产品的得分由高到低排序而来，所述基金产品的得分是按照所述基金产品评分方法获取的。

所述计算所述基金产品的序差的步骤之后包括：

当所述序差超过设定范围时，执行所述接收用户权重设置请求的步骤。

所述的设定范围是评价准确度的界限数值，超过该范围则说明评价准确度不够了，对于未来的预测意义不大。只有序差在该范围内才具有预测意义。

如图2所示，本发明还提供了一种基金产品评分装置，包括：

评价体系设置单元，用于获取每个评价指标及该评价指标对应的计算方法。该单元主要让使用者对基金产品构建一套评价体系，一般包括(但不限于)基金分类、评价维度、评价指标的设置。

数据采集及处理单元，用于计算每个评价指标的得分。该单元根据评价体系设置单元获取的评价指标，从多个数据源采集公募基金的指标数据，包括当前及历史数据(例如：基金收益率、资产规模、基金经理任职年限等)。

如图3所示，数据采集及处理模块是根据基金产品评价体系中需要的评价指标，通过数据处理和计算所需指标，数据采集及处理模块一般包括以下几个子模块：

(1)基础基金数据模块，基础基金数据一般包括(但不限于)基金当前及历史每日收益率、基金市场基准收益率、基金基本信息等，数据源一般来自于wind等金融数据服务商，数据源一般存储在oracle、postgresql等关系型数据库中，可以通过apachesqoop采集。

(2)指标计算方法模块，在该模块中实现数据处理与计算，获得所需的评价指标数据结果，该模块主要利用大数据计算引擎(比如apachehadoop的mapreduce，apachespark，apacheflink等)。

(3)数据存储与管理模块，计算好的指标数据在该模块中实现数据存储与管理，方便未来使用，主要使用oracle，mysql等关系型数据库进行数据管理。

生成参考权重单元，获取每个评价指标的参考权重。该单元通过各指标的评分方法，基于特定目标计算得出各评价指标的权重，作为基金产品评价模型的初始权重。

设置请求单元，接收用户权重设置请求，将所述权重设置请求中的权重设置为该评价指标对应的权重；该单元根据使用者的个人经验，通过设置对权重进行修改调整，确定模型各评价指标的最终权重。用户以机器计算得出的最优权重为参考，最终确定每个评价指标的权重。

加权求和单元，以每个评价指标的得分及该评价指标对应的权重为基础，进行加权求和，得到基金产品的得分。

所述基金产品评分装置还包括：

评分结果跟踪及输出单元，用于计算所述产品的序差并输出评分结果，所述序差用于评价所述基金产品的评分的准确性。该单元是对模型评价结果的检验，对基金产品未来时间段内的业绩跟踪，如果与评价结果相差较大，则返回再次调整优化权重。

确定了指标的权重后，采用加权求和的方式计算综合得分，基金产品的综合得分及排名即为评价结果，确定观测周期(以月或者其他时间单位)，对于基金产品的实际表现进行跟踪，本发明采用序差衡量评价结果是否与真实结果相近，具体方法为在观测周期内对同类基金按照收益率高低进行排名，得到真实排名，评价模型计算得出的为评价排名，根据公式计算序差：

其中，n为基金产品数量。

若序差越小，则说明评价结果的准确性越高，在观测周期内能够反映基金产品真实绩效。若序差较大，则说明评价结果与真实情况不符，需再次调整权重，优化模型。

本发明还提供了一种评分设备，所述评分设备包括处理器及存储器，以及存储在所述存储器上的基金产品评分程序，所述基金产品评分程序被所述处理器执行，实现所述基金产品评分方法；和/或所述推荐设备包括所述的基金产品评分装置。

现有技术基金产品评价方法是依据主观性设置评价指标、确定权重，本发明是通过机器计算初始参考权重，然后再通过用户设置人工调整权重，实现人机结合设置权重。

现有技术设置评价指标并没有对评价指标的有效性进行检验，本发明通过机器因子分析，在机器计算初始权重时，考虑到评价指标与基金产品未来绩效联系，通过上述ica，ir的计算实现检验评价指标与基金产品绩效的相关性。

以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。