一种AI智能投决优化方法及投资决策优化系统与流程

本发明属于人工智能决策，具体涉及一种ai智能投决优化方法及投资决策优化系统。

背景技术：

1、多层级逐级投决评审模式普遍应用于大型企业的基建投资、股权投资及信贷授信等业务场景，这种模式通过自下而上逐级人工上报评审，大型企业的负责人和员工作为投决者，参与投资决策流程。近年来，伴随着人工智能逐步引入投决辅助场景后，行业内出现诸多ai 辅助投决系统。现有方案中，ai模型独立生成投决建议后交付人工参考，这种现有方案的缺陷在于ai不了解各层级评审偏好，输出方案容易和人工预期冲突。当ai生成的投决建议不符合各层级评审偏好时，人工投决主体由于掌握最终决策权，能够直接无视、否决甚至绕过ai模型生成的投决建议，因而，ai与多层级人工投决主体之间没有有效的互动。

2、例如，专利申请cn119962739a公开了一种考虑人机协同的智慧供热系统优化调度平台，该专利申请依靠ai单元输出调度策略，由调度员完成对调度策略的人工校验，该系统依旧遵循机器单向输出方案、人工复核的运行模式，人机意见冲突问题难以得到解决。因此，现有技术具有ai与多层级人工投决主体之间没有有效的互动的缺陷。

技术实现思路

1、本发明提供一种ai智能投决优化方法及投资决策优化系统，其主要目的在于使得ai与多层级人工投决主体之间实现有效的互动。

2、为实现上述目的，本发明提供的一种ai智能投决优化方法，包括：

3、为ai投决者配置ai投决结果集与ai收益项，为多层级人工投决者配置人工投决结果集与人工收益项，构建所述ai投决者的程序性约束与阈值性约束；

4、通过人工收益项分析多层级人工投决者在人工投决结果集内的历史被采纳率，依据程序性约束与阈值性约束输出ai投决者在ai投决结果集内的候选投决倾向；

5、基于历史被采纳率，从最高层级人工投决者开始至最低层级人工投决者，筛选符合候选投决倾向的ai投决倾向；

6、将ai投决倾向推送至各层级人工投决者，以确定人工投决者逐级作出的当前投决倾向，根据当前投决倾向，通过ai收益项分析ai投决倾向的ai被采纳率与追溯有效性；

7、依据ai被采纳率与追溯有效性调整ai投决者关于程序性约束与阈值性约束的校验严格度，以实现ai智能投决的优化。

8、可选的，基于历史被采纳率，从最高层级人工投决者开始至最低层级人工投决者，筛选符合候选投决倾向的ai投决倾向，包括：

9、依据目标策略与历史输入特征之间的匹配结果，从历史被采纳率中选取目标策略对应的目标被采纳率；

10、基于目标被采纳率，从最高层级人工投决者开始至最低层级人工投决者，逐级倒推每一层级人工投决者针对候选投决倾向的推演投决倾向；

11、当所有层级人工投决者的推演投决倾向均与候选投决倾向一致时，将关于目标策略的候选投决倾向作为ai投决者的ai投决倾向。

12、可选的，基于目标被采纳率，从最高层级人工投决者开始至最低层级人工投决者，逐级倒推每一层级人工投决者针对候选投决倾向的推演投决倾向，包括：

13、依据候选投决倾向确定最高层级人工投决者的推演投决倾向；

14、从最高层级人工投决者的推演投决倾向开始，在当前层级人工投决者的目标被采纳率中将最大被采纳率对应的人工投决结果作为当前层级人工投决者的推演投决倾向；

15、若当前层级人工投决者的推演投决倾向与对应的候选投决倾向一致，则继续向下传递至下一层级；

16、若当前层级人工投决者的推演投决倾向与对应的候选投决倾向不一致，则停止向下传递，以实现逐级倒推每一层级人工投决者针对候选投决倾向的推演投决倾向的过程。

17、可选的，为ai投决者配置ai投决结果集与ai收益项，包括：

18、由确认结果与拒绝结果建立ai投决结果集；

19、由ai被采纳率项与追溯有效性项建立ai收益项，所述ai被采纳率项为ai投决结果与各层级人工投决结果一致的层级数占人工投决者层级总数的百分比，所述追溯有效性项为针对ai投决结果作出不为无的人工投决结果的层级数占人工投决者层级总数的百分比。

20、可选的，为多层级人工投决者配置人工投决结果集与人工收益项，包括：

21、由确认结果、拒绝结果及无结果建立人工投决结果集；

22、由人工被采纳率项建立人工收益项，所述人工被采纳率项为各层级人工投决结果与ai投决结果一致的次数占各层级参与投决的总次数的百分比。

23、可选的，构建所述ai投决者的程序性约束与阈值性约束，包括：

24、在所述ai投决者的投决流程中，通过投决节点与相邻节点之间的迁移条件确定程序性约束；

25、通过量化指标对应的阈值范围确定阈值性约束。

26、可选的，通过人工收益项分析多层级人工投决者在人工投决结果集内的历史被采纳率，包括：

27、针对每一类历史输入特征，通过人工收益项计算每一层级人工投决者在人工投决结果集内的历史被采纳率；

28、所述历史被采纳率包括确认被采纳率与拒绝被采纳率。

29、可选的，依据程序性约束与阈值性约束输出ai投决者在ai投决结果集内的候选投决倾向，包括：

30、针对同一个项目的不同投决策略，筛选符合程序性约束与阈值性约束的目标策略；

31、生成关于目标策略在每层级均是确认的候选投决倾向。

32、可选的，依据ai被采纳率与追溯有效性调整ai投决者关于程序性约束与阈值性约束的校验严格度，包括：

33、当ai被采纳率低于第一预设阈值时，提高程序性约束与阈值性约束的校验严格度；

34、当追溯有效性低于第二预设阈值时，降低程序性约束与阈值性约束的校验严格度；

35、当ai被采纳率不低于第一预设阈值且追溯有效性不低于第二预设阈值时，维持程序性约束与阈值性约束的校验严格度。

36、为实现上述目的，本发明提供的一种ai智能投资决策优化系统，包括：

37、约束构建模块，用于为ai投决者配置ai投决结果集与ai收益项，为多层级人工投决者配置人工投决结果集与人工收益项，构建所述ai投决者的程序性约束与阈值性约束；

38、候选输出模块，用于通过人工收益项分析多层级人工投决者在人工投决结果集内的历史被采纳率，依据程序性约束与阈值性约束输出ai投决者在ai投决结果集内的候选投决倾向；

39、倾向筛选模块，用于基于历史被采纳率，从最高层级人工投决者开始至最低层级人工投决者，筛选符合候选投决倾向的ai投决倾向；

40、有效性分析模块，用于将ai投决倾向推送至各层级人工投决者，以确定人工投决者逐级作出的当前投决倾向，根据当前投决倾向，通过ai收益项分析ai投决倾向的ai被采纳率与追溯有效性；

41、投决优化模块，用于依据ai被采纳率与追溯有效性调整ai投决者关于程序性约束与阈值性约束的校验严格度，以实现ai智能投决的优化。

42、相比于背景技术所述问题，本发明通过为ai投决者配置ai投决结果集与ai收益项，以将ai投决者配置为具有独立决策能力与收益目标的博弈参与者，使ai投决者、多层级人工投决者，二者构成平级博弈主体，从而为后续ai输出独立的投决倾向做铺垫，进一步的，本发明通过为多层级人工投决者配置人工投决结果集与人工收益项，以将多层级人工投决者配置为具有独立决策能力与收益目标的博弈参与者，从而与ai投决者构成平级博弈主体，进一步的，本发明通过构建所述ai投决者的程序性约束与阈值性约束，以使得ai投决者能够基于程序性约束与阈值性约束对输入策略进行自动筛选，进一步的，本发明通过人工收益项分析多层级人工投决者在人工投决结果集内的历史被采纳率，以量化各层级人工投决者的决策偏好，进一步的，本发明通过依据程序性约束与阈值性约束输出ai投决者在ai投决结果集内的候选投决倾向，以筛选在程序性约束与阈值性约束之内的投决策略，进一步的，本发明基于历史被采纳率，从最高层级人工投决者开始至最低层级人工投决者，筛选符合候选投决倾向的ai投决倾向，以自上而下逆向推演多层级人工投决偏好，优先生成更容易通过逐级评审的投决方案，从而减少人工无视、否决及绕过ai建议的情况，进一步的，本发明通过根据当前投决倾向，通过ai收益项分析ai投决倾向的ai被采纳率与追溯有效性，以评估ai投决倾向在多层级投决评审中的适配程度与可审验水平，为持续优化ai投决提供数据依据。因此，本发明使得ai与多层级人工投决主体之间实现有效的互动。