资产数据处理方法、资产数据处理装置、电子设备及介质与流程

本公开涉及大数据处理与金融科技领域，具体地涉及一种由电子设备执行的资产数据处理方法、资产数据处理装置、电子设备、计算机存储介质和程序产品。

背景技术：

1、在金融科技领域，伴随着跨资产类别相关性增强，传统的单一化资产配置策略已无法很好地适应市场，需要在日益复杂环境中推荐更加有效的资产配置方案。

2、风险平价投资组合旨在平衡资产组合中的各种风险头寸，将投资组合受到不同外来冲击的影响降到最低。传统的基于风险平价投资组合生成的资产配置策略，在估计协方差矩阵时，往往不会考虑到市场风格转换对资产间相关性所带来的影响，这在实际操作中会产生很大的投资风险，而且估计协方差矩阵时所占用的计算资源较多。

技术实现思路

1、鉴于上述问题，本公开提供了由电子设备执行的资产数据处理方法、资产数据处理装置、电子设备、计算机存储介质和程序产品。

2、根据本公开的第一个方面，提供了一种由电子设备执行的资产数据处理方法，包括：

3、响应于数据处理请求，从数据库中获取多个资产数据和初始参数，其中，上述资产数据具有对应的波动率，上述初始参数包括初始转移概率矩阵和初始相关系数矩阵，上述初始转移概率矩阵中的元素表征上述资产数据在历史时间下不同市场状态的概率，上述初始相关系数矩阵中的元素表征两个上述资产数据之间的相关性；

4、利用处理器根据上述初始参数和历史状态概率分布数据，生成目标参数，其中，上述目标参数包括目标转移概率矩阵和对应于不同市场状态的目标相关系数矩阵；

5、基于上述目标转移概率矩阵，根据多个上述资产数据确定在每个第一时间段内的市场状态信息，其中，上述历史时间包括多个上述第一时间段；

6、针对每个上述第一时间段，根据与上述市场状态信息对应的目标相关系数矩阵和多个上述资产数据的波动率，生成对应于不同资产数据的风险贡献函数；

7、根据多个上述资产数据的上述风险贡献函数，生成策略风险评估报告。

8、根据本公开的实施例，其中，利用处理器根据上述初始参数和历史状态概率分布数据，生成目标参数，包括：

9、根据多个资产数据之间的初始残差和协方差矩阵以及每个资产数据的收益数据，生成估计似然函数，其中，上述估计似然函数包括第一子似然函数和第二子似然函数；

10、根据上述第一子似然函数生成目标残差；

11、针对每个上述市场状态，根据上述初始转移概率矩阵和历史状态概率数据生成与上述市场状态对应的目标参数。

12、根据本公开的实施例，其中，根据上述初始转移概率矩阵和历史状态概率数据生成与上述市场状态对应的目标参数，包括：

13、根据上述初始转移概率矩阵、当前市场状态概率和上述历史状态概率数据，生成滤波概率；

14、根据上述滤波概率和上述初始转移概率矩阵，生成预测概率；

15、根据上述预测概率和上述历史状态概率数据，生成上述当前市场状态概率；

16、利用平滑推断算法对不同市场状态的滤波概率、预测概率和当前市场状态概率进行计算，得到观测概率数据；

17、根据上述观测概率数据和上述目标残差，生成中间转移概率矩阵和中间初始相关系数矩阵，其中，中间参数包括上述中间转移概率矩阵和上述中间相关系数矩阵；

18、在上述中间参数与上述初始参数之间的差值满足预设阈值的情况下，将上述中间参数确定为上述目标参数。

19、根据本公开的实施例，其中，利用平滑推断算法对不同市场状态的滤波概率、预测概率和当前市场状态概率进行计算，得到观测概率数据，包括：

20、根据不同市场状态的滤波概率、预测概率和当前市场状态概率，分别生成状态概率向量、预测概率向量和滤波概率向量；

21、根据上述状态概率向量、上述预测概率向量和上述滤波概率向量，生成向量估计函数；

22、利用上述平滑推断算法处理上述向量估计函数，生成上述观测概率数据。

23、根据本公开的实施例，资产数据处理方法还包括：在上述差值不满足预设阈值的情况下，将上述中间参数确定为新的初始参数，以根据上述新的初始参数迭代地确定上述目标参数。

24、根据本公开的实施例，资产数据处理方法还包括：

25、对上述目标相关系数矩阵进行标准化处理，得到处理后的目标相关系数矩阵，以利用上述处理后的目标相关系数矩阵生成上述风险贡献函数。。

26、根据本公开的实施例，其中，基于上述目标转移概率矩阵，根据多个上述资产数据确定在每个第一时间段内的市场状态信息，包括：

27、针对每个上述资产数据，根据预设的初始概率向量和状态概率向量，生成与上述资产数据对应的初始资产值；

28、从多个上述初始资产值确定当前的第二时间段下最大的初始资产值，并将与上述最大的初始资产值对应的市场状态确定为当前的第二时间段的最大状态信息；

29、基于上一个第二时间段的最大状态信息，迭代地确定下一个第二时间段的最大状态信息；

30、根据相邻两个第二时间段的最大状态信息，确定一个上述第一时间段内的市场状态信息。

31、根据本公开的实施例，其中，根据与上述市场状态信息对应的目标相关系数矩阵和多个上述资产数据的波动率，生成对应于不同资产数据的风险贡献函数，包括：

32、针对任意两个上述资产数据，根据上述目标相关系数矩阵和与上述资产数据对应的波动率，生成资产协方差；

33、根据与每个上述资产数据对应的初始权重和多个上述资产协方差，生成资产组合风险值；

34、根据上述资产组合风险值和每个上述初始权重，生成对应于不同上述资产数据的风险贡献函数。

35、根据本公开的实施例，其中，根据上述资产组合风险值和每个上述初始权重，生成对应于不同上述资产数据的风险贡献函数，包括：

36、针对每个上述资产数据，根据上述初始权重和上述资产组合风险值，生成一个边际风险贡献值；

37、根据上述边际风险贡献值和上述初始权重，生成上述风险贡献函数。

38、根据本公开的实施例，其中，根据多个上述资产数据的上述风险贡献函数，生成策略风险评估报告，包括：

39、针对每个上述资产数据，在不同资产数据的上述风险贡献函数相等的情况下，根据多个上述资产数据的上述风险贡献函数，生成目标贡献函数；

40、在上述目标贡献函数的函数值最小的情况下，确定每个上述资产数据的资产权重；

41、根据每个上述资产数据的资产权重和计划资源消耗量，生成上述策略风险评估报告，其中，上述策略风险评估报告包括每个上述资产数据的资源量。

42、根据本公开的实施例，其中，根据多个上述资产数据的上述风险贡献函数，生成目标贡献函数，包括：

43、基于最小二乘法，根据多个上述资产数据的上述风险贡献函数，生成目标贡献函数。

44、根据本公开的实施例，其中，在上述目标贡献函数的函数值最小的情况下，确定每个上述资产数据的资产权重，包括：

45、迭代地调整上述目标贡献函数中每个上述资产数据的初始权重，得到调整后的权重，其中，在每次调整得到的多个上述调整后的权重的和为预设数值；

46、针对每次调整，根据多个上述调整后的权重和上述目标贡献函数，生成目标贡献值，其中，上述目标贡献值表征上述函数值；

47、将与最小目标贡献值对应的多个调整后的权重确定为多个上述资产数据的资产权重。

48、本公开的第二方面提供了一种资产数据处理装置，包括：

49、获取模块，用于获取模块，用于响应于数据处理请求，从数据库中获取多个资产数据和初始参数，其中，上述资产数据具有对应的波动率，上述初始参数包括初始转移概率矩阵和初始相关系数矩阵，上述初始转移概率矩阵中的元素表征上述资产数据在历史时间下不同市场状态的概率，上述初始相关系数矩阵中的元素表征两个上述资产数据之间的相关性；

50、第一生成模块，用于利用处理器根据上述初始参数和历史状态概率分布数据，生成目标参数，其中，上述目标参数包括目标转移概率矩阵和对应于不同市场状态的目标相关系数矩阵；

51、确定模块，用于基于上述目标转移概率矩阵，根据多个上述资产数据确定在每个第一时间段内的市场状态信息，其中，上述历史时间包括多个上述第一时间段；

52、第二生成模块，用于针对每个上述第一时间段，根据与上述市场状态信息对应的目标相关系数矩阵和多个上述资产数据的波动率，生成对应于不同资产数据的风险贡献函数；

53、第三生成模块，用于根据多个上述资产数据的上述风险贡献函数，生成策略风险评估报告。

54、本公开的第三方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程序被所述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数据处理方法。

55、本公开的第四方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述资产数据处理方法。

56、本公开的第五方面还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述资产数据处理方法。

57、根据本公开提供的资产数据处理方法、装置、设备、介质和程序产品，利用处理器根据所述初始参数和历史状态概率分布数据，生成目标参数，基于目标转移概率矩阵根据多个资产数据确定在每个第一时间段内的市场状态信息，根据与所述市场状态信息对应的目标相关系数矩阵和多个所述资产数据的波动率，生成对应于不同资产数据的风险贡献函数，最后生成策略风险评估报告。通过在生成目标相关系数矩阵的过程中考虑了市场状态机制转换的影响因素，即加入了市场状态间的转移概率矩阵参数，从而根据历史状态概率分布数据和转移概率矩阵参数生成了目标相关系数矩阵和目标转移概率矩阵，以解决单一资产组合配置过程中不考虑市场风格转换因素，风险高的问题，提高了策略推荐的准确性，同时降低了计算资源的使用率。