金融产品的推荐方法、装置、计算机设备、存储介质与流程

1.本技术涉及计算机软件技术领域，特别是涉及一种金融产品的推荐方法、装置、计算机设备、存储介质和计算机程序产品。


背景技术：

2.随着国民财富的增长以及互联网理财的兴起，全民理财时代已经到来，智能投顾让原先仅为部分人群提供的财富管理服务向普惠化发展成了可能。
3.目前市面上的智能投顾主要有两种模式：一种模式是以主推产品为导向，向用户推荐单一种类的金融产品(譬如股票、基金等)。而另一种模式是以产品的商业化视角为导向，推荐的产品种类相对丰富，譬如从商品盈利性角度，向用户推荐盈利性较高的多种金融产品。
4.然而，上述金融产品的推荐方法，由于产品种类或产品推荐视角过于单一，容易存在推荐产品风险较高的问题。


技术实现要素：

5.为了克服上述现有方法的不足，本技术提供了一种金融产品的推荐方法、装置、计算机设备、存储介质和计算机程序产品，通过结合用户客观需求，从多个预设维度对推荐的金融产品做多元化配置，优化了金融产品的风险结构。
6.第一方面，本技术提供了一种金融产品的推荐方法。所述方法包括：
7.获取用户账户的账户关联信息；
8.根据所述账户关联信息，从多个预设维度对所述用户账户进行评价处理，得到与每个所述预设维度对应的账户评价结果；
9.根据与每个所述预设维度对应的账户评价结果，确定出与每个所述预设维度对应的目标产品属性；
10.针对每个所述预设维度，从待推荐金融产品中获取与所述目标产品属性对应的目标金融产品，向所述用户账户推荐所述目标金融产品。
11.在其中一个实施例中，所述目标产品属性包括目标产品种类以及与所述目标产品种类对应的目标产品比例；
12.所述从待推荐金融产品中获取与所述目标产品属性对应的目标金融产品，向所述用户账户推荐所述目标金融产品，包括：
13.从所述待推荐金融产品中，获取与所述目标产品种类对应的目标金融产品；
14.按照与所述目标金融产品对应的目标产品比例，向所述用户账户推荐所述目标金融产品。
15.在其中一个实施例中，所述用户账户的账户关联信息包括所述用户账户的历史行为参数；
16.所述按照与所述目标金融产品对应的目标产品比例，向所述用户账户推荐所述目
标金融产品，包括：
17.根据所述历史行为参数，确定所述用户账户的风险等级；
18.采用与所述风险等级对应的初始产品比例对所述目标产品比例进行更新，按照更新后的所述目标产品比例，向所述用户账户推荐所述目标金融产品。
19.在其中一个实施例中，所述方法还包括：
20.根据所述目标金融产品对应的产品风险等级，确定与所述目标金融产品对应的风险配置比例；
21.根据所述风险等级和所述风险配置比例，生成所述初始产品比例。
22.在其中一个实施例中，所述方法还包括：
23.获取所述待推荐金融产品的产品关联信息；
24.根据所述产品关联信息对所述待推荐金融产品进行评价处理，得到所述待推荐金融产品的产品评价结果；
25.所述从待推荐金融产品中获取与所述目标产品属性对应的目标金融产品，向所述用户账户推荐所述目标金融产品，包括：
26.根据所述产品评价结果，从所述待推荐金融产品中获取与所述目标产品属性对应的目标金融产品，向所述用户账户推荐所述目标金融产品。
27.在其中一个实施例中，所述方法还包括：
28.获取所述用户账户的当前金融产品；
29.根据所述当前金融产品和所述目标金融产品，确定产品调整参数；
30.按照所述产品调整参数对所述当前金融产品进行调整。
31.在其中一个实施例中，所述方法还包括：
32.展示与每个所述预设维度对应的账户评价结果。
33.第二方面，本技术还提供了一种金融产品的推荐装置。所述装置包括：
34.信息获取模块，用于获取用户账户的账户关联信息；
35.账户评价模块，用于根据所述账户关联信息，从多个预设维度对所述用户账户进行评价处理，得到与每个所述预设维度对应的账户评价结果；
36.属性确定模块，用于根据与每个所述预设维度对应的账户评价结果，确定出与每个所述预设维度对应的目标产品属性；
37.产品推荐模块，用于针对每个所述预设维度，从待推荐金融产品中获取与所述目标产品属性对应的目标金融产品，向所述用户账户推荐所述目标金融产品。
38.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项实施例所述的金融产品的推荐方法。
39.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项实施例所述的金融产品的推荐方法。
40.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面任一项实施例所述的金融产品的推荐方法。
41.上述金融产品的推荐方法、装置、计算机设备、存储介质和计算机程序产品，通过获取用户账户的账户关联信息，根据账户关联信息，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果，根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品属性，针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品，能够个性化地基于多个预设维度对用户账户进行多元化的金融产品推荐，不仅降低了推荐的金融产品的风险，而且还提高了推荐的金融产品与用户账户之间的适配性。
附图说明
42.图1为一个实施例中金融产品的推荐方法的流程示意图一；
43.图2为一个实施例中金融产品评价步骤的流程示意图；
44.图3为一个实施例中金融产品调整步骤的流程示意图；
45.图4为另一个实施例中金融产品的推荐方法的流程示意图二；
46.图5为一个实施例中智能投顾系统的结构示意图；
47.图6为一个实施例中金融产品的推荐装置的结构框图；
48.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
49.需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户账户信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。用户可以选择接收或拒绝接收金融产品的推荐消息。
50.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
51.在一个实施例中，如图1所示，提供了一种金融产品的推荐方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
52.本实施例中，该方法包括以下步骤：
53.步骤s102，获取用户账户的账户关联信息。
54.其中，账户关联信息可以包括但不仅限于用户账户的家庭关联信息、预设时间段内的账户交易金额、购买金融产品的频率、账户剩余资金金额等多种信息中的任一种或多种。
55.具体地，在经用户充分授权的情况下，服务器可以直接对用户账户进行数据采集，获取用户账户对应的账户关联信息。或者，服务器也可以生成与账户关联信息对应的线上问卷，采用向用户账户推送线上问卷的方式，通过接收用户账户对线上问卷的数据反馈，得
到用户账户的账户关联信息。
56.步骤s104，根据账户关联信息，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果。
57.其中，预设维度可以包括但不仅限于成本维度(譬如人身保障维度、保本收益维度等)、消费维度(譬如短期花销维度)或投资维度(譬如投资增值维度)等多种维度中的至少两种。
58.具体地，服务器可以预先存储有与账户关联信息对应的评价规则。基于与账户关联信息对应的评价规则和用户账户对应的账户关联信息，从多个预设维度对用户账户进行评价处理，得到用户账户与每个预设维度对应的账户评价结果。其中，评价规则可以是根据多个预设维度确定的规则，或者，也可以是根据单一的预设维度确定的规则。
59.一个示例中，评价规则可以是根据保本收益维度和投资增值维度确定的。譬如在账户关联信息包括用户账户购买金融产品的频率的情况下，评价规则可以是比较用户账户购买金融产品的频率与预设频率阈值的大小，在用户账户购买金融产品的频率小于预设频率阈值的情况下，得到用户账户与保本收益维度对应的账户评价结果为3分，用户账户与投资增值维度对应的账户评价结果为2分。(此时账户评价结果可以用于表征用户账户偏向于稳健性的金融产品，保本收益维度推荐的金融产品占比可以高于投资增值维度推荐的金融产品占比。)
60.另一个示例中，评价规则也可以是根据短期花销维度确定的。譬如在账户关联信息包括预设时间段内的账户交易金额的情况下，评价规则可以是比较预设时间段内的账户交易金额与预设金额阈值，在预设时间段内的账户交易金额大于预设金额阈值的情况下，得到用户账户与短期花销维度对应的账户评价结果为2分。(此时账户评价结果可以用于表征用户账户的短期花销较高，短期花销维度推荐的金融产品占比可以适当性减少。)
61.另一个示例中，评价规则也可以是根据人身保障维度确定的。譬如在账户关联信息包括用户账户的家庭关联信息的情况下，评价规则可以是获取家庭关联信息中的年龄参数，在年龄参数大于预设年龄阈值的情况，得到用户账户与人身保障维度对应的账户评价结果为4分。(此时账户评价结果可以表征用户的人身保障需求较高，人身保障维度推荐的金融产品占比可以适当性提高。)
62.步骤s106，根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品属性。
63.其中，目标产品属性可以包括但不仅限于金融产品种类、金融产品比例、金融产品的产品生命周期等属性中的任一种或多种。一个示例中，金融产品种类可以包括但不仅限于保险、理财、基金等多种类型中的任一种或多种。
64.具体地，服务器中可以预先存储有资产配置模型。采用资产配置模型对每个预设维度对应的账户评价结果进行处理，确定出与每个预设维度对应的目标产品属性。其中，资产配置模型可以是标准普尔资产象限模型、金字塔型资产配置模型、梭镖型资产配置模型、四维资产配置模型等多种模型中的任一种。
65.步骤s108，针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品。
66.具体地，服务器可以从互联网中获取每个预设维度对应的若干个待推荐金融产
品。针对每个预设维度对应的待推荐金融产品执行以下操作：获取每个待推荐金融产品的产品属性。从若干个待推荐金融产品中，确定出产品属性与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品。
67.上述金融产品的推荐方法，通过获取用户账户的账户关联信息，根据账户关联信息，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果，根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品属性，针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品，能够个性化地基于多个预设维度对用户账户进行多元化的金融产品推荐，不仅降低了推荐的金融产品风险，而且还提高了推荐的金融产品与用户账户之间的适配性。
68.在一个实施例中，目标产品属性可以包括目标产品种类以及与目标产品种类对应的目标产品比例。
69.步骤s108，针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品，包括：从待推荐金融产品中，获取与目标产品种类对应的目标金融产品。按照与目标金融产品对应的目标产品比例，向用户账户推荐目标金融产品。
70.具体地，服务器可以根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品种类以及与目标产品种类对应的目标产品比例。针对每个预设维度对应的待推荐金融产品执行以下操作：基于目标产品种类，从与预设维度对应的多个待推荐金融产品中确定出与目标产品种类一致的目标金融产品，将与目标产品种类对应的目标产品比例作为目标金融产品对应的目标产品比例。按照每个预设维度对应的目标金融产品，以及每个目标金融产品对应的目标产品比例，向用户账户推荐多个预设维度对应的目标金融产品组合。
71.本实施例中，通过利用目标产品种类从待推荐金融产品中确定出目标金融产品，能够提高目标金融产品的确定效率，从而提高金融产品的推荐效率。通过基于目标产品比例向用户账户推荐目标金融产品，能够优化多个预设维度下的目标金融产品配比结构，从而降低目标金融产品的风险。
72.在一个实施例中，用户账户的账户关联信息可以包括用户账户的历史行为参数。
73.步骤，按照与目标金融产品对应的目标产品比例，向用户账户推荐目标金融产品，包括：根据历史行为参数，确定用户账户的风险等级。采用与风险等级对应的初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例，向用户账户推荐目标金融产品。
74.其中，历史行为参数可以用于表征用户账户的历史金融产品购买行为。
75.具体地，服务器可以预先存储有风险等级与初始产品比例的对应关系。采用风险评级规则对用户账户的历史行为参数进行判断，确定用户账户的风险等级。按照风险等级与初始产品比例的对应关系，确定出与用户账户的风险等级对应的初始产品比例。采用初始产品比例对目标产品比例进行更新，将初始产品比例与目标产品比例的乘积作为更新后的目标产品比例。按照更新后的目标产品比例，向用户账户推荐目标金融产品。
76.一个示例中，服务器可以采用历史行为参数训练得到的行为分析模型。采用行为分析模型对用户账户的风险偏好进行校验，基于校验得到的结果对用户账户的风险等级进
行更新，采用更新后的风险等级作为用户账户的风险等级。其中，行为分析模型可以是rfm模型(recency最近一次消费、frequency消费频率、monetary消费金额)。
77.本实施例中，通过根据历史行为参数确定用户账户的风险等级。采用与风险等级对应的初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例，向用户账户推荐目标金融产品。能够基于用户层面的风险等级，确定目标金融产品的目标产品比例，进一步提高目标金融产品与用户账户的适配性。
78.在一个实施例中，金融产品的推荐方法还包括：根据目标金融产品对应的产品风险等级，确定与目标金融产品对应的风险配置比例。根据风险等级和风险配置比例，生成目标金融产品对应的初始产品比例。
79.具体地，服务器可以根据目标金融产品对应的产品种类，确定目标金融产品对应的产品风险等级。获取风险评价模型生成的与产品风险等级对应的风险配置比例。对风险等级和风险配置比例进行运算处理，生成目标金融产品对应的初始产品比例。
80.一个示例中，服务器可以将a类基金和b类基金的产品风险等级设置为第一风险等级，将c类基金和d类基金的产品风险等级设置为第二风险等级。第一风险等级高于第二风险等级。采用风险评价模型对第一风险等级对应的a类基金和b类基金的产品收益数据进行运算处理，确定a类基金与b类基金的风险配置比例w1＝[x1,x2]，其中，w1为第一风险等级的金融产品对应的风险配置比例，x1为a类基金对应的风险配置比例，x2为b类基金对应的风险配置比例。采用风险评级模型对第二风险等级对应的c类基金和d类基金的产品收益数据进行运算处理，确定c类基金和d类基金的风险配置比例w2＝[0.5,0.5]，其中，w2为第二风险等级的金融产品对应的风险配置比例，c类基金和d类基金的风险配置比例均为0.5。
[0081]
另一个示例中，可以参照以下公式生成初始产品比例：
[0082]
wp＝[(a-1)/(n-1)*w1,(n-a)/(n-1)*w2]
[0083]
其中。wp为初始产品比例，a为用户账户的风险等级，n为风险等级的级别数量，w1为第一风险等级的金融产品对应的风险配置比例，w2为第二风险等级的金融产品对应的风险配置比例。譬如，在n为10，a为5的情况下，第一风险等级的金融产品对应的风险配置比例为4/9＝44.4％，第二风险等级的金融产品对应的风险配置比例为5/9＝55.6％。
[0084]
需要说明的是，传统的关于基金产品组合配置的方法，大多采用马科维茨模型或布莱克－利特曼模型。但是马科维茨模型生成的基金产品组合种类相对集中，导致基金产品组合风险暴露给单一基金产品，在某类基金产品风险爆发时，基金产品组合将受到较大冲击，基金产品组合风险结构有待优化。而布莱克－利特曼模型过度依赖于投资者对各类基金产品的预期收益率的主观判断，容易存在误差。
[0085]
本实施例中，通过根据目标金融产品对应的产品风险等级，利用风险平价模型确定与目标金融产品对应的风险配置比例。根据风险等级和风险配置比例，生成目标金融产品对应的初始产品比例，能够利用风险平价模型使得各类金融产品的风险贡献度保持一致水平，实现推荐的金融产品组合风险结构的优化。
[0086]
在一个实施例中，如图2所示，步骤s108，针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品，包括：
[0087]
步骤s202，获取待推荐金融产品的产品关联信息。
[0088]
其中，产品关联信息可以包括但不仅限于产品种类、产品所属公司、产品性价比、
产品的销量、产品的风险等级、产品的收益等信息中的任一种或多种。
[0089]
具体地，服务器可以通过调用api(application program interface，应用程序接口)的方式，建立与第三方应用程序之间的数据通信，从第三方应用程序中获取待推荐金融产品的产品关联信息。或者，服务器也可以通过数据爬取的方式，从互联网已授权公开的数据中获取待推荐金融产品的产品关联信息。
[0090]
步骤s204，根据产品关联信息对待推荐金融产品进行评价处理，得到待推荐金融产品的产品评价结果。
[0091]
步骤s206，根据产品评价结果，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品。
[0092]
具体地，服务器可以存储有与金融产品种类对应的产品评价规则。获取与待推荐金融产品的金融产品种类对应的产品评价规则。基于产品评价规则对待推荐金融产品进行评价处理，得到与待推荐金融产品对应的产品评价结果。按照产品评价结果，从待推荐金融产品中获取与目标产品属性对应的产品评价结果最高的目标金融产品，向用户账户推荐目标金融产品。
[0093]
一个示例中，服务器可以首先基于产品评价结果对待推荐金融产品中与目标产品种类对应的待推荐金融产品进行筛选，譬如剔除产品评价结果排序在后30％的待推荐金融产品。基于剔除后剩余的待推荐金融产品组成初筛基金池。采用多因子选基策略以及量化择时模型对初筛基金池进一步筛选，得到每种目标产品种类下产品评价结果最优的目标金融产品。结合用户账户的风险等级和风险平价模型，计算与每种目标金融产品对应的初始产品比例。采用初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例向用户账户推荐目标金融产品组合。
[0094]
一个示例中，在待推荐金融产品的金融产品种类为保险的情况下，待推荐金融产品的产品评价结果可以是采用产品评价规则对待推荐金融产品的产品所属公司、产品性价比、产品销量等维度进行评价处理得到的。
[0095]
另一个示例中，在待推荐金融产品的金融产品种类为银行理财的情况下，待推荐金融产品的产品评价结果可以是采用产品评价规则对待推荐金融产品的产品风险等级、产品所属公司、产品销量、产品收益等维度进行评价得到的。
[0096]
另一个示例中，在待推荐金融产品的金融产品种类为基金的情况下，待推荐金融产品的产品评价结果可以是采用产品评价规则对待推荐金融产品的所属基金公司、所属基金经理、产品销量、产品风控能力等维度进行评价得到的。
[0097]
本实施例中，通过基于待推荐金融产品的产品关联信息，对待推荐金融产品进行评价，基于产品评价结果，确定出目标金融产品，能够提高目标金融产品的产品质量。
[0098]
在一个实施例中，如图3所示，金融产品的推荐方法还包括：
[0099]
步骤s302，获取用户账户的当前金融产品。
[0100]
步骤s304，根据当前金融产品和目标金融产品，确定产品调整参数。
[0101]
步骤s306，按照产品调整参数对当前金融产品进行调整。
[0102]
具体地，服务器在用户账户确认目标金融产品之后，可以响应于用户账户触发的产品调整操作，获取用户账户当前持有的当前金融产品。对用户账户当前持有的当前金融产品与向用户账户推荐的目标金融产品进行比对，根据当前金融产品和目标金融产品之间
的区别，确定产品调整参数。按照产品调整参数对用户账户执行产品调整操作，例如向用户账户买入目标金融产品，或者，从用户账户卖出与目标金融产品不符的当前金融产品，以使得调整后的用户账户持有的当前金融产品与目标金融产品一致。
[0103]
本实施例中，通过获取用户账户的当前金融产品，根据当前金融产品和目标金融产品，确定产品调整参数，按照产品调整参数对当前金融产品进行调整，能够提高用户账户的产品调整效率，提高目标金融产品推荐的转化率。
[0104]
在一个实施例中，金融产品的推荐方法还包括：展示与每个预设维度对应的账户评价结果。
[0105]
本实施例中，通过从每个预设维度对用户账户的账户评价结果进行可视化展示，能够向用户更直观地展示账户评价结果。
[0106]
在一个实施例中，如图4所示，提供了一种金融产品的推荐方法，包括：
[0107]
步骤s402，获取用户账户的账户关联信息和待推荐金融产品的产品关联信息。
[0108]
步骤s404，根据账户关联信息，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果并展示。
[0109]
步骤s406，根据产品关联信息对待推荐金融产品进行评价处理，得到待推荐金融产品的产品评价结果。
[0110]
具体地，在各数据方充分授权的情况下，服务器可以获取用户账户的账户关联信息以及待推荐金融产品的产品关联信息。基于与账户关联信息对应的评价规则，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果并展示。基于产品评价规则对待推荐金融产品进行评价处理，得到与待推荐金融产品对应的产品评价结果。具体的账户评价结果生成操作可以参照上述实施例中提供的账户评价结果的生成方法实现，具体的产品评价结果的生成操作可以参照上述实施例中提供的产品评价结果的生成方法实现，在此不作具体阐述。
[0111]
步骤s408，根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品种类以及与目标产品种类对应的目标产品比例。
[0112]
步骤s410，根据产品评价结果，从待推荐金融产品中获取与目标产品种类对应的目标金融产品，确定与目标金融产品对应的风险配置比例。
[0113]
具体地，服务器可以采用标准普尔资产象限模型对每个预设维度对应的账户评价结果进行处理，确定出与每个预设维度对应的目标产品种类以及与目标产品种类对应的目标产品比例。从待推荐金融产品中获取与目标产品种类对应的产品评价结果最高的目标金融产品，利用风险平价模型确定与目标金融产品对应的风险配置比例。
[0114]
步骤s412，根据历史行为参数，确定用户账户的风险等级，根据风险等级和所述风险配置比例，生成初始产品比例。
[0115]
步骤s414，采用与风险等级对应的初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例，向用户账户推荐目标金融产品。
[0116]
具体地，服务器可以根据用户账户的历史行为参数确定用户账户的风险等级。对风险等级和风险配置比例进行运算处理，生成目标金融产品的初始产品比例。对初始产品比例和目标产品比例进行运算处理，将初始产品比例和目标产品比例对应的乘积作为更新后的目标产品比例，按照目标产品比例生成多个预设维度对应的目标金融产品组成的目标
金融产品组合，向用户账户推荐目标金融产品组合。具体的目标产品比例生成操作，可以参照上述实施例中提供的目标产品比例的生成方法实现，在此不作具体阐述。
[0117]
步骤s416，根据用户账户的当前金融产品和目标金融产品，确定产品调整参数，并按照产品调整参数对当前金融产品进行调整。
[0118]
具体地，服务器可以在用户账户确认目标金融产品之后，响应于用户账户触发的产品调整操作，获取用户账户当前持有的当前金融产品。根据用户账户的当前金融产品和目标金融产品，确定产品调整参数，并按照产品调整参数对当前金融产品进行调整。具体的金融产品调整操作可以参照上述实施例中提供的金融产品调整方法实现，在此不作具体阐述。
[0119]
本实施例中，通过获取用户账户的账户关联信息和待推荐金融产品的产品关联信息，从多个预设维度对用户账户进行画像评价，生成与每个预设维度对应的账户评价结果，基于产品关联信息对待推荐金融产品进行评价处理，生成与待推荐金融产品对应的产品评价结果，能够提高账户评价结果以及产品评价结果的生成准确率。通过标准普尔资产象限模型对每个预设维度对应的账户评价结果进行处理，确定出与每个预设维度对应的目标产品种类以及与目标产品种类对应的目标产品比例，能够对推荐的目标金融产品进行多元化、个性化地配置，降低目标金融产品组合的产品风险。通过产品评价结果从与目标产品种类对应的多个待推荐金融产品中确定出目标金融产品，采用与用户账户的风险等级对应的初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例，向用户账户推荐目标金融产品，能够进一步降低推荐的目标金融产品组合的风险，提高推荐的目标金融产品组合与用户账户的适配性。
[0120]
在一个实施例中，如图5所示，提供了一种智能投顾系统500，上述实施例中提供的金融产品的推荐方法可以应用于本实施例中提供的智能投顾系统。
[0121]
本实施例中，智能投顾系统500包括：数据采集存储模块502、画像评价模块504、资产配置策略模块506、展示与反馈模块508。
[0122]
其中，数据采集存储模块502可以用于对用户账户对应的账户关联信息和待推荐金融产品的产品关联信息进行采集并存储。具体的账户关联信息和产品关联信息的采集操作可以参照上述实施例中提供的账户关联信息和产品关联信息的获取方法实现，在此不作具体阐述。
[0123]
画像评价模块504可以包括：用户画像单元5042和产品画像单元5044。
[0124]
用户画像单元5042可以用于接收并分析用户账户的账户关联信息，基于账户关联信息，以短期花销维度、人身保障维度、保本收益维度、投资增值维度作为预设维度，对用户账户进行评分诊断以及需求画像，生成与每个预设维度对应的账户评价结果。同时，用户画像单元5042还用于接收用户账户的历史行为参数，根据历史行为参数确定用户账户的风险等级。具体的账户评价结果生成操作以及风险等级确定操作可以参照上述实施例中提供的账户评价结果生成方法以及风险等级确定方法实现，在此不作具体阐述。
[0125]
产品画像单元5044可以用于接收并分析待推荐金融产品的产品关联信息。分别对不同产品种类的待推荐金融产品(譬如保险产品、银行理财产品、基金产品等)进行评分画像，生成与待推荐金融产品对应的产品评价结果。具体的产品评价结果生成操作，可以参照上述实施例中提供的产品评价结果生成方法实现，在此不作具体阐述。
[0126]
资产配置策略模块506可以包括：大类资产配比计算单元5060、短期花销产品推荐单元5062、人身保障产品推荐单元5064、保本收益产品推荐单元5066、投资增值产品推荐单元5068。
[0127]
大类资产配比计算单元5060可以用于接收并分析用户账户的账户评价结果，根据标准普尔资产象限模型对与每个预设维度对应的账户评价结果进行处理，生成与每个预设维度对应的目标产品种类以及目标产品种类对应的目标产品比例。具体的目标产品种类以及目标产品比例生成操作，可以参照上述实施例中提供的目标产品种类以及目标产品比例生成方法实现，在此不作具体阐述。
[0128]
短期花销产品推荐单元5062可以用于接收大类资产配比计算单元5060生成的与短期花销维度对应的目标产品种类以及目标产品比例。从产品画像单元5044中确定出与短期花销维度对应的产品评价结果最高的目标金融产品(譬如t+0银行存款类理财产品)进行推荐。
[0129]
人身保障产品推荐单元5064可以用于接收大类资产配比计算单元5060生成的与人身保障维度对应的目标产品种类以及目标产品比例。从产品画像单元5044中确定出与人身保障维度对应的产品评价结果最高的目标金融产品(譬如意外保险、重大疾病保险和人寿保险等保险产品)进行推荐。
[0130]
保本收益产品推荐单元5066可以用于接收大类资产配比计算单元5060生成的与保本收益维度对应的目标产品种类以及目标产品比例。从产品画像单元5044中确定出与保本收益维度对应的产品评价结果最高的目标金融产品(譬如银行保本收益理财产品)进行推荐。
[0131]
投资增值产品推荐单元5068可以用于接收大类资产配比计算单元5060生成的与投资增值维度对应的目标产品种类以及目标产品比例。结合多因子选基策略、以及量化择时模型从产品画像单元5044中确定出与投资增值维度对应的产品评价结果最高的目标金融产品，结合用户账户的风险等级和风险平价模型对目标金融产品对应的目标产品比例进行更新，并按照更新后的目标产品比例组成对应的目标金融产品组合，向用户账户进行推荐。
[0132]
展示与反馈模块508可以包括：展示单元5082、资产配置单元5084、智能客户单元5086。
[0133]
展示单元5082可以用于从每个预设维度对用户账户的账户评价结果进行展示。一个示例中，展示单元5082还可以用于展示目标金融产品。
[0134]
资产配置单元5084可以用于获取用户账户的当前金融产品，根据当前金融产品和目标金融产品，确定产品调整参数。并根据产品调整参数对当前金融产品进行调整，以使得调整后的当前金融产品与目标金融产品一致。
[0135]
智能客服单元5086可以用于反馈用户账户发送的问询请求。可选的，为提示用户体验，智能客服单元5086可以存储有cfa知识库(chartered financial analyst，特许金融分析师)。
[0136]
本实施例中，提供的智能投顾系统，通过集成数据采集存储模块、画像评价模块、资产配置策略模块、展示与反馈模块，能够提高金融产品的推荐效率。
[0137]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头
的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其他的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0138]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的金融产品的推荐方法的金融产品的推荐装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个金融产品的推荐装置实施例中的具体限定可以参见上文中对于金融产品的推荐方法的限定，在此不再赘述。
[0139]
在一个实施例中，如图6所示，提供了一种金融产品的推荐装置600，包括：信息获取模块602、账户评价模块604、属性确定模块606和产品推荐模块608，其中：
[0140]
信息获取模块602，用于获取用户账户的账户关联信息。
[0141]
账户评价模块604，用于根据账户关联信息，从多个预设维度对用户账户进行评价处理，得到与每个预设维度对应的账户评价结果。
[0142]
属性确定模块606，用于根据与每个预设维度对应的账户评价结果，确定出与每个预设维度对应的目标产品属性。
[0143]
产品推荐模块608，用于针对每个预设维度，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品。
[0144]
在一个实施例中，目标产品属性包括目标产品种类以及与目标产品种类对应的目标产品比例。产品推荐模块608，包括：产品确定单元，用于从待推荐金融产品中，获取与目标产品种类对应的目标金融产品；产品推荐单元，用于按照与目标金融产品对应的目标产品比例，向用户账户推荐目标金融产品。
[0145]
在一个实施例中，用户账户的账户关联信息包括用户账户的历史行为参数。产品推荐单元，包括等级确定子单元，用于根据历史行为参数，确定用户账户的风险等级；比例更新子单元，用于采用与风险等级对应的初始产品比例对目标产品比例进行更新，按照更新后的目标产品比例，向用户账户推荐目标金融产品。
[0146]
在一个实施例中，金融产品的推荐装置600还包括：初始比例确定模块，用于根据目标金融产品对应的产品风险等级，确定与目标金融产品对应的风险配置比例，根据风险等级和风险配置比例，生成初始产品比例。
[0147]
在一个实施例中，金融产品的推荐装置600还包括：产品评价模块，用于获取待推荐金融产品的产品关联信息，根据产品关联信息对待推荐金融产品进行评价处理，得到待推荐金融产品的产品评价结果。产品推荐模块608，还用于根据产品评价结果，从待推荐金融产品中获取与目标产品属性对应的目标金融产品，向用户账户推荐目标金融产品。
[0148]
在一个实施例中，金融产品的推荐装置600还包括：产品调整模块，用于获取用户账户的当前金融产品，根据当前金融产品和目标金融产品，确定产品调整参数，按照产品调整参数对当前金融产品进行调整。
[0149]
在一个实施例中，金融产品的推荐装置600还包括：展示模块，用于展示与每个预设维度对应的账户评价结果。
[0150]
上述金融产品的推荐装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0151]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储账户关联信息和产品关联信息。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种金融产品的推荐方法。
[0152]
本领域技术人员可以理解，图7中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0153]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0154]
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0155]
在一个实施例中，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各方法实施例中的步骤。
[0156]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可以存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其他介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0157]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0158]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员
来说，在不脱离本技术构思的前提下，还可以作出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。