一种基于用户个人信息的产品推荐方法及装置与流程

本公开属于计算机信息处理技术领域，尤其涉及一种基于用户个人信息的产品推荐方法及装置。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前的金融产品的推荐一般是基于终端的调查问卷的形式进行初步信息获得，然后进行分析后判断该用户属于的类型，包括保守型、或者稳健型或者积极型，根据用户的投资类型推荐相应的产品。

老年人是一类较为特殊的用户。该类用户的特点是：风险厌恶程度高；投资期限为中短期；存在因投资人离世而带来的终止投资风险；老年人的主要经济收入为退休金，其投资策略将受到退休金情况的影响。

现有的产品推荐方法为针对普通用户的通用的产品推荐方法，在针对上述特殊用户时，获取用户信息不够全面，且针对特定的已经退休的用户进行金融产品推荐时准确性不够，评估效率比较低。

公开内容

为克服上述现有技术的不足，本公开提供了一种基于用户个人信息的产品推荐方法，针对特定的已经退休的用户进行金融产品推荐时提高准确性，提高评估效率。

为实现上述目的，本公开的一个或多个实施例提供了如下技术方案：

第一方面，公开了一种基于用户个人信息的产品推荐方法，至少包括：

对用户进行建档，通过终端问卷等形式收集用户个人信息数据，构建评估信息集；

利用几何布朗运动模型模拟股票未来走势和待评估用户的预期收入，初步处理评估信息集，用矩估计方法获取模型参数；

进一步处理评估信息集，构建出随机最优控制模型，用动态规划方法生成待评估用户的最优投资比例以及相应的投资满意度指标，向对应的终端发送推荐金融产品。

第二方面，公开了一种基于用户个人信息的产品推荐系统，至少包括：

信息收集单元，被配置为：对用户进行建档，通过终端问卷等形式收集用户个人信息数据，构建评估信息集；

信息处理单元，被配置为：利用几何布朗运动模型模拟股票未来走势和待评估用户的预期收入，初步处理评估信息集，用矩估计方法获取模型参数；

投资比例生成和评估单元，被配置为：进一步处理评估信息集，构建出随机最优控制模型，用动态规划方法生成待评估用户的最优投资比例以及相应的投资满意度指标，向对应的终端发送推荐金融产品。

以上一个或多个技术方案存在以下有益效果：

本公开技术方案基于待评估用户的评估信息集，构建出随机最优控制模型，用动态规划方法生成待评估用户的最优投资比例以及相应的投资满意度指标，向对应的终端发送推荐金融产品，克服了对于不同用户，股票基金中每支股票的投资占比皆固定这一缺点，可以根据投资者自身情况，为其量身定制最优投资比例，并给出相应的投资满意度指标，更具有灵活性及准确性。

本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开实施例提供的一种基于用户个人信息的产品推荐方法的实现流程图；

图2是本公开实施例提供的一种基于用户个人信息的产品推荐方法中s4的具体实现流程图；

图3是本公开实施例提供的一种基于用户个人信息的产品推荐方法中s5的具体实现流程图；

图4是本公开实施例提供的一种基于用户个人信息的产品推荐装置的结构示意图；

图5是本公开实施例提供的一种基于用户个人信息的产品推荐电子设备的结构示意图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

一种基于用户个人信息的产品推荐方法，整体构思如下：

对用户进行建档，通过终端问卷等形式收集用户个人信息数据，构建评估信息集；

利用几何布朗运动模型模拟股票未来走势和待评估用户的预期收入，初步处理评估信息集，用矩估计方法获取模型参数；

进一步处理评估信息集，构建出随机最优控制模型，用动态规划方法生成待评估用户的最优投资比例以及相应的投资满意度指标，向对应的终端发送推荐金融产品。

实施例一

本实施例公开了一种基于用户个人信息的产品推荐方法，请参阅图1，图1是本公开实施例提供的一种基于用户个人信息的产品推荐方法的实现流程图。如图1所示的一种基于用户个人信息的产品推荐方法至少包括以下步骤：

s1：基金公司发布可选投资组合信息。

基金公司在股票市场中进行选股，构建多种投资组合。基金公司发布投资组合中包含的具体股票，并给出每种投资组合中各支股票的价格信息以及金融市场中的无风险利率等信息，以供用户参考。

s2：用户在可选投资组合中选定目标投资组合。

用户参考基金公司给出的投资组合信息，选定至少1种投资组合进行投资，被选定的投资组合称为该用户的目标投资组合，目标投资组合中包含的股票数量为n。

s3：收集用户的个人信息，包括投资金额、投资期限、退休金收入、身体健康情况、风险厌恶程度等信息。

通过网上调查问卷等方式收集用户的个人信息，包括年龄、性别、有无重大疾病史、目前身体健康状况、对风险的厌恶程度、投资金额、投资期限、退休金收入情况。以上获得的投资者个人信息和基金公司发布的目标投资组合信息，共同构成所述用户的评估信息集，并将所述评估信息集存储至存储器中的数据库。

对用户评估信息集中的信息做如下注记：

记用户的投资金额为x；

记用户的投资期限为t；

记用户的年龄为a；

记用户的预期寿命为b；

记用户的相对风险厌恶指数为1-r；

记用户投资当月的退休金收入为e；

记市场中的无风险利率为r。

对用户评估信息集中的信息进行预处理，补全缺失信息或者删除重复信息。

s4：对用户的评估信息集进行初步处理，处理目标投资组合中的股票价格信息和用户的退休金收入信息，用统计学方法预估目标投资组合中股票价格的预期收益率、预期波动率和用户退休金收入的预期收入增长率、预期收入波动率以及用户退休金收入与股票价格之间的相关系数等模型参数。为后面完整构建出随机最优控制模型，奠定基础。

本公开采用几何布朗运动模型来拟合股票价格走势，即

dpⁱ(t)＝pⁱ(t)[uⁱdt+σⁱdbⁱ(t)],

其中，pⁱ(t)为目标投资组合中第i支股票在时刻t的收盘价，uⁱ为第i支股票价格的预期收益率，σⁱ为第i支股票价格的预期波动率，bⁱ(t)为n维标准布朗运动b(t)的第i个分量。

本公开采用几何布朗运动模型来拟合用户的退休金收入走势，即

de(t)＝e(t)[vdt+δdw(t)],

其中，e(t)为用户在时刻t的退休金收入，v为用户退休金收入的预期收入增长率，δ为用户退休金收入的预期收入波动率，w(t)为1维标准布朗运动。bⁱ(t)与w(t)之间的相关系数为ρⁱ。

本公开采用统计学中的矩估计方法，用过去t/2时间内目标投资组合中股票价格数据和用户退休金收入数据，预估模型中预期收益率uⁱ、预期波动率σⁱ、预期收入增长率v、预期收入波动率δ、相关系数ρⁱ。

请参阅图2，s4具体可以通过如图2所示的s41～s43实现，具体步骤如下：

s41：记过去t/2时间内股票交易日的数量为m1，记过去t/2时间内每年股票交易日的平均数量为m2。估计预期收益率uⁱ、预期波动率σⁱ的具体方法如下：

计算过去t/2时间内每天的对数收益率：lpⁱ(j)＝lnpⁱ(j+1)-lnpⁱ(j)；

计算过去t/2时间内对数收益率的均值：

计算过去t/2时间内对数收益率的方差：

计算第i支股票的预期收益率：uⁱ＝m2[e(lpⁱ)+0.5var(lpⁱ)]；

计算第i支股票的预期波动率：

s42：记过去t/2时间内月份的数量为m3。估计预期收入增长率v、预期收入波动率δ的具体方法如下：

计算过去t/2时间内每月的对数增长率：le(j)＝lne(j+1)-lne(j)；

计算过去t/2时间内对数增长率的均值：

计算过去t/2时间内对数增长率的方差：

计算退休金收入的预期收入增长率：v＝12[e(le)+0.5var(le)]；

计算退休金收入的预期收入波动率：

s43：记过去t/2时间内每月第一个交易日第i支股票的收盘价为估计相关系数ρⁱ的具体方法如下：

计算过去t/2时间内对数股票价格和对数退休金收入的均值：

计算过去t/2时间内对数股票价格和对数退休金收入的方差：

计算对数股票价格和对数退休金收入之间的协方差：

计算bⁱ(t)与w(t)之间的相关系数：

s5：进一步处理评估信息集，构建出随机最优控制模型，用动态规划方法生成待评估用户的最优投资比例以及相应的投资满意度指标，向对应的终端发送推荐金融产品。

构建随机最优控制模型。该模型包括系统方程、泛函方程、随机最优控制问题，其中：

系统方程为：

其中τ为矩阵转置符号，1为元素全为1的n维列向量，u为第i个分量为uⁱ的n维列向量，σ为第i个对角元素为σⁱ的n维对角矩阵，ρ为第i个分量为ρⁱ的n维列向量，y(t)为t时刻用户的投资财富收入比，n维列向量πt为t时刻对投资组合中n支股票的投资比例。用户的初始投资财富收入比为

泛函方程为：

其中α是服从均值为b-a的指数分布的随机变量，min(t,α)取值为t和α中小的那个数。

随机最优控制问题为：寻找最优控制依据系统方程，最大化泛函方程。

使得泛函方程取得最大值的最优控制即为用户的最优投资比例，相应的泛函方程的最大值，即为用户的投资满意度指标。

下面介绍用动态规划方法生成用户的最优投资比例以及相应的投资满意度指标的具体步骤。

首先，运用动态规划方法，推导出上述随机最优控制问题的hjb方程为：

其中，v(t,y)是上述随机最优控制问题的值函数。

进一步，解上述hjb方程，得到上述随机最优控制问题的值函数和最优控制分别为：

其中，σστ-1是矩阵σστ的逆矩阵，στ-1是矩阵στ的逆矩阵。

最后，请参阅图3，s5具体可以通过如图3所示的s51～s53实现，具体步骤如下：

s51：计算π^*；

s52：判断π^*τ1≤1是否成立；

s53：根据π^*τ1≤1是否成立，分两种情况生成用户的最优投资比例以及相应的投资满意度指标，具体生成方式如下：

π^*τ≤1成立，用户在目标投资组合中的最优投资比例为π^*，对无风险资产的投资比例为1-π^*τ1，相应的投资满意度指标为v(0,y)；

π^*τ≤1不成立，用户在目标投资组合中的最优投资比例为对无风险资产不进行投资，相应的投资满意度指标为

另外，针对老年人使用电子产品可能存在技术上的障碍，或者信息接收不准确，将评估结果进行语音播报。用户只需要选取目标投资组合及输入个人基本信息，后台执行相关算法，然后输出最终的产品推荐和评估结果，以供客户进行确认。

以上可以看出，本实施提供的一种基于用户个人信息的产品推荐方法，首先通过收集用户个人信息和用户目标投资组合中的股票价格信息等，构成用户的评估信息集；然后，用矩估计方法处理用户评估信息集中的数据，用过去t/2时间内目标投资组合中股票价格数据和用户退休金收入数据，预估模型中的参数；最后，构建随机最优控制模型，用动态规划方法根据π^*τ1≤1是否成立，分两种情况自动生成用户的最优投资比例以及相应的投资满意度指标。该方法充分考虑了用户因离世而带来的终止投资风险，若投资到期前，投资者离世，则投资即刻终止；该方法能够根据投资者自身情况，为其量身定制最优投资比例，并给出相应的投资满意度指标；该方法的实施主要是靠计算机程序，不需要人工成本，可以客观准确地计算出每位用户的最优投资比例以及相应的投资满意度指标。

实施例二

请参阅图4，图4是本公开实施例提供的一种基于用户个人信息的产品推荐装置的结构示意图。产品推荐装置100包括的各单元用于执行图1至图3对应的实施例中的各步骤。具体请参阅图1至图3以及图1至图3所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图4，产品推荐装置100包括：信息发布单元101、投资组合选择单元102、信息收集单元103、信息处理单元104、投资比例生成与评估单元105。其中：

信息发布单元101用于发布可选投资组合的信息。可选投资组合由基金公司在股票市场中选股构建。基金公司发布投资组合中包含的具体股票，并给出每种投资组合中各支股票的价格信息以及金融市场中的无风险利率等信息。

投资组合选择单元102用于选择用户的目标投资组合。

信息收集单元103用于收集用户的个人信息，包括投资金额、投资期限、退休金收入、身体健康情况、风险厌恶程度等信息。

信息处理单元104用于处理目标投资组合中的股票价格信息以及用户的个人信息以估计出模型参数，上述模型参数包括目标投资组合中股票价格的预期收益率、预期波动率和用户退休金收入的收入增长率、收入波动率以及用户退休金收入与股票价格之间的相关系数。

投资比例生成和评估单元105用于生成用户的最优投资比例以及相应的投资满意度指标。

实施例三

请参阅图5，图5是本公开实施例提供的一种基于用户个人信息的产品推荐电子设备的结构示意图。上述电子设备可以是智能手机、电脑等设备，此处不做限制。电子设备200包括：处理器201、存储控制器202、存储器203、输入装置204、输出装置205。其中：

处理器201可以是中央处理器，也可以是微处理器，以及任何常规的处理器等。所述处理器201用于处理数据库中信息以及执行计算机程序。处理器201通过系统总线与设备中其他结构相连接。

存储控制器202用于接收所述处理器201发出的指令，对所述存储器203中数据库数据进行写入、修改和删除。

存储器203可以是所述电子设备200的内部存储单元，例如电子设备200的硬盘或内存。所述存储器203也可以是所述电子设备200的外部存储设备，例如所述电子设备200上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。所述存储器203上存储有数据库和计算机程序。所述数据库中至少包含用户的评估信息集，所述计算机程序运行时调用所述数据库中数据，以实现步骤s4～s5。

输入装置204可以是鼠标、键盘、手写板、语音输入器、触屏输入器等。所述输入装置204用于向所述存储器203中数据库输入用户的目标投资组合和评估信息集。

输出装置205可以是显示器、打印机、绘图仪等。所述输出装置205用于向用户输出可选投资组合信息和由计算机程序生成的最优投资比例以及相应的投资满意度指标。

实施例四

本实施例的目的是提供一种计算装置,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，所述处理器执行所述程序时实现上述实施例一中的方法的具体步骤。

实施例五

本实施例的目的是提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述实施例一中的方法的具体步骤。

以上实施例的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本公开中的任一方法。

本公开技术方案充分考虑了用户因离世而带来的终止投资风险，若投资到期前用户不幸离世，则投资即刻停止，更具有安全性。

本公开技术方案的实施主要是靠计算机程序，不需要人工成本，可以客观准确地计算出每位用户的最优投资比例以及相应的投资满意度指标，更具有实用价值。

本领域技术人员应该明白，上述本公开的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本公开不限制于任何特定的硬件和软件的结合。

以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。