技术特征：
1.一种投资管理后端系统，其特征在于，包括：投资分析模块、组合模块、风险分析模块及交互模块；所述投资分析模块用于根据上市公司投资相关的非结构化数据以及结构化数据，为所述上市公司构建上市公司知识图谱，以便根据所述上市公司知识图谱，确定所述上市公司的金融资产画像；所述交互模块用于接收用户通过客户端发送的投资组合推荐请求以及将为用户构建的用户投资组合以及所述用户投资组合的风险预测结果发送至所述用户的所述客户端，其中所述投资组合推荐请求包括所述用户的投资需求信息；所述组合模块用于响应于所述用户的投资推荐请求，根据所述用户投资需求信息及所述上市公司的金融资产画像，为所述用户构建用户投资组合；所述风险分析模块用于利用风险模型，对所述用户投资组合进行风险预测以得到所述用户投资组合的风险预测结果，所述风险模型为风险因子收益率的协方差矩阵和特异性收益率的方差矩阵的组合，风险因子包含区域个性化因素。2.如权利要求1所述的投资管理后端系统，其特征在于，还包括数据库，所述数据库用于存储所述非结构化数据、所述结构化数据、所确定的上市公司的金融资产画像、为用户构建的投资组合、所述风险模型、所述上市公司的营业收入预测模型以及所述风险预测结果。3.如权利要求1所述的投资管理后端系统，其特征在于，所述上市公司的金融资产画像至少包括营业收入，所述投资分析模块根据所述上市公司知识图谱，确定上市公司的营业收入包括：根据所述上市公司知识图谱，确定影响所述上市公司的营业收入的多个输入因子；通过因果关系检验以及嵌入式方式对所述多个输入因子进行筛选，以从所述多个输入因子中筛选出与所述上市公司的多个营业收入预测模型相关联的多个输入因子；根据所筛选出的多个输入因子以及所述上市公司的所述多个营业收入预测模型，为所述上市公司预测上市公司营业收入。4.如权利要求3所述的投资管理后端系统，其特征在于，所述投资分析模块根据所筛选出的多个输入因子以及所述上市公司的营业收入预测模型，为所述上市公司预测上市公司营业收入包括：将所筛选出的多个输入因子分别输入至所述多个营业收入预测模型中，其中所述多个营业收入预测模型是基于所述上市公司的多种不同频率尺度的历史收入数据训练的，所述多种不同频率尺度的历史收入数据包括以下中的两种或更多种历史收入数据：所述上市公司的年频尺度收入数据、季频尺度收入数据、月频尺度收入数据、日频尺度收入数据；对所述多个营业收入预测模型输出的上市公司营业收入进行加权求和处理，计算得到上市公司营业收入，其中每一营业收入预测模型的权重是基于该营业收入预测模型的拟合精度确定的。5.根据权利要求3所述的投资管理后端系统，其特征在于，所述投资分析模块还用于监控为所述上市公司预测的所述上市公司营业收入在预定时间长度的时间段内的第一波动以及与所筛选出的多个输入因子在所述时间段内的第二波动，所述风险分析模块还用于确定所述第一波动和所述第二波动是否属于异常波动，并且响应于确定所述第一波动和所述第二波动之一属于异常波动，确定所述上市公司发生了特异性风险。
6.如权利要求3所述的投资管理后端系统，其特征在于，所述营业收入预测模型包括同比预测模型、环比预测模型、差分整合移动平均自回归模型、季节性差分自回归滑动平均模型、向量自回归模型、岭回归预测模型、核方法预测模型及情感分析预测模型中的多个。7.如权利要求1所述的投资管理后端系统，其特征在于，所述用户投资需求信息包括大资产需求信息以及投资范围信息；其中，大资产需求信息包括大类资产信息、第一资产配置模型标识、调仓参数；投资范围信息包括投资标的范围及第二资产配置模型标识；所述投资范围信息由用户根据上市公司的金融资产画像及大类资产配置方案确定，所述大类资产配置方案由所述组合模块根据大资产需求信息确定；所述数据库中存储有多个资产配置模型；所述组合模块根据用户投资需求信息及上市公司的金融资产画像，构建用户投资组合，包括：接收所述交互模块发送的大资产需求信息；根据所述大资产需求信息中第一资产配置模型标识从所述数据库中调用第一资产配置模型；将所述大资产需求信息中的大类资产信息及调仓参数输入至所述第一资产配置模型中，得到大类资产配置方案，通过所述交互模块发送所述大类资产配置方案至所述客户端；接收所述交互模块发送的投资范围信息；根据所述投资范围信息中的第二资产配置模型标识从所述数据库中调用第二资产配置模型；将所述投资范围信息中的投资标的范围输入至所述第二资产配置模型中，得到子类资产配置方案；根据所述子类资产配置方案，确定用户投资组合。8.如权利要求7所述的投资管理后端系统，其特征在于，所述资产配置模型包括均值方差模型、风险平价模型、风险预算模型、black-litterman模型及等权重模型。9.如权利要求7所述的投资管理后端系统，其特征在于，所述交互模块还接收客户端发送的入池上市公司信息，根据所述入池上市公司信息在所述数据库中建立用户股票池、基金池及债券池；其中，所述入池上市公司信息由用户根据所述上市公司的金融资产画像确定；所述组合模块根据所述子类资产配置方案，得到用户投资组合进一步为：所述组合模块根据所述子类资产配置方案、所述用户股票池、基金池及债券池，确定用户投资组合。10.如权利要求1所述的投资管理后端系统，其特征在于，所述风险模型包括股票风险模型及债券风险模型；其中，所述股票风险模型包括股票风险因子收益率的协方差矩阵和股票特异性收益率的方差矩阵；所述股票风险因子包括：国家因子、行业因子及风格因子；所述债券风险模型包括债券风险因子收益率的协方差矩阵和债券特异性收益率的方差矩阵；所述债券风险因子包括：利率期限结构因子、利率债利差变化因子及信用债利差变化因子。11.如权利要求10所述的投资管理后端系统，其特征在于，所述风险分析模块利用所述风险模型，对用户投资组合进行风险预测包括：
计算所述用户投资组合中各类投资的持仓向量；根据所述用户投资组合中各类投资的持仓向量及各类投资对应的风险模型，计算所述用户投资组合中各类投资的事前风险；将所述用户投资组合中各类投资的事前风险加权求和，得到所述用户投资组合的事前风险；根据所述用户投资组合的事前风险，存储所述事前风险至所述数据库。12.如权利要求11所述的投资管理后端系统，其特征在于，所述风险分析模块利用所述风险模型，对用户投资组合进行风险预测还包括：计算所述用户投资组合未来n期收益率的标准差；用所述用户投资组合未来n期收益率的标准差表示所述用户投资组合事后风险；存储所述事后风险至所述数据库。13.如权利要求11所述的投资管理后端系统，其特征在于，所述交互模块还用于接收客户端发送的压力测试请求信息，其中，所述压力测试请求信息包括用户指定风险因子的变化值及待预测风险因子；所述风险分析模块还用于根据所述用户指定风险因子的变化值及所述风险模型，推算所述待预测风险因子的变化值。14.一种应用于权利要求1至13任一项所述的投资管理后端系统的投资管理方法，其特征在于，包括：根据上市公司投资相关的非结构化数据以及结构化数据，为所述上市公司构建上市公司知识图谱，以便根据所述上市公司知识图谱，确定所述上市公司的金融资产画像；接收用户通过客户端发送的投资组合推荐请求，所述投资组合推荐请求包括所述用户的用户投资需求信息；响应于所述用户的投资推荐请求，根据所述用户投资需求信息及所述上市公司的金融资产画像，为所述用户构建用户投资组合；利用风险模型，对用户投资组合进行风险预测以得到所述用户投资组合的风险预测结果，，所述风险模型为风险因子收益率的协方差矩阵和特异性收益率的方差矩阵的组合，风险因子包含区域个性化因素；将为用户构建的用户投资组合以及所述用户投资组合的风险预测结果发送至所述用户的所述客户端。15.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求14所述的方法。16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行计算机程序，所述计算机程序被处理器执行时实现权利要求14所述的方法。
技术总结
本公开提供了一种投资管理后端系统、方法、设备及存储介质，该系统包括：投资分析模块用于根据上市公司投资相关的非结构化数据以及结构化数据，为上市公司构建上市公司知识图谱；根据上市公司知识图谱，确定上市公司的金融资产画像；交互模块用于接收用户通过客户端发送的投资组合推荐请求，该投资组合推荐请求包括所述用户的投资需求信息；组合模块用于响应于所述用户的投资推荐请求，根据用户投资需求信息及上市公司的金融资产画像，为用户构建用户投资组合；风险分析模块用于利用风险模型，对用户投资组合进行风险预测以得到用户投资组合的风险预测结果。本公开能够为用户提供全方位、自动化的智能投资解决方案。自动化的智能投资解决方案。自动化的智能投资解决方案。
技术研发人员：ꢀ(74)专利代理机构
受保护的技术使用者：通联数据股份公司
技术研发日：2022.07.04
技术公布日：2022/10/13