一种金融数据处理方法、装置、电子设备及存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及一种金融数据处理方法、装置、电子设备及存储介质。


背景技术：

2.随着互联网金融业的发展，出现了各种金融服务平台，所述金融服务平台可向用户端提供各种金融产品信息，这类金融服务平台将计算机技术应用到金融领域，促进了金融领域的发展。
3.金融市场中的金融数据反映了金融市场的交易信息，金融数据包括基金行情数据、股票行情数据、债券行情数据等等。实时金融数据以及历史金融数据成为用户做出交易行为的重要参考依据。在金融市场中，经常需要做数据处理，以便通过历史数据对当前的市场走向提供参考依据。金融市场瞬息万变，海量的历史数据导致数据处理的难度加大。同样处理金融数据的方法也很多，但是不同的数据处理产生的差异比较大的，为此需要一种能够根据实时数据和历史数据推导结果的计算模型与计算方法。


技术实现要素：

4.本发明提供一种金融数据处理方法、装置、电子设备及存储介质，用以解决现有技术中由于金融资产组合带来数据处理难度较大的问题，提供一种可根据实时数据和历史数据推导结果的金融计算模型与计算方法。
5.本发明提供一种金融数据处理方法，包括：
6.获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联；
7.将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重；
8.其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益、风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置权重的计算。
9.根据本发明提供的一种金融数据处理方法，所述资产类别包括基金、股票、债券、商品以及现金的一种或多种组合。
10.根据本发明提供的一种金融数据处理方法，所述预设金融计算模型包括以下一种或多种组合：
11.马科维茨模型，所述马科维茨模型是利用组合方差和均值分别来定义组合风险和收益的模型；
12.black
‑
litterman模型，所述black
‑
litterman模型是根据市场均衡收益和投资者观点来定义预期收益的模型；
13.风险预算模型，所述风险预算模型是通过约定各项资产对于投资组合的风险贡
献，以各项资产的风险贡献的跟踪误差最小化为目标，计算得到各项资产的权重比例的模型；
14.自定义权重模型，所述自定义权重模型是通过自定义设置相关参数计算各项资产组合的权重比例的模型。
15.根据本发明提供的一种金融数据处理方法，所述马科维茨模型的计算函数为：
16.minσe(rp)＝∑∑xixjcov(ri,rj)；
17.rp＝∑xiri；
18.其中，rp为组合收益，ri为第i只股票的收益，rj为第j只股票的收益，xi,xj为股票i,j的投资比例，σe(rp)为组合投资方差，即组合总风险，cov(ri,rj)为两个股票之间的协方差。
19.根据本发明提供的一种金融数据处理方法，所述black
‑
litterman模型的计算函数为：
20.maxe[r]＝[(г∑)
‑1 p’ω
‑1p]
‑1[(г∑)
‑1п p’ω
‑1q]；
[0021]
其中，e[r]为加权后的收益向量，г为比例系数，p为涉及主观看法资产矩阵，ω为看法置信度矩阵，п为隐含均衡收益率向量，q为看法向量，∑为协方差矩阵。
[0022]
根据本发明提供的一种金融数据处理方法，针对自定义权重模型，包括：
[0023]
获取资产组合内各项资产自定义资产权重比例，所述各项资产自定义权重总和小于或等于100％；
[0024]
若小于100％，则配置比例的总和与100％的差值设为资产组成内现金的权重。
[0025]
根据本发明提供的一种金融数据处理方法，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重之后，包括：
[0026]
根据所述资产配置权重生成组合透视页面，所述组合透视页面展示资产组合的相关收益指标；
[0027]
获取设置回测区间和组合规模参数，以及获取更新所述组合透视页面的视图的指示，生成资产组合及策略回测页面。
[0028]
根据本发明提供的一种金融数据处理方法，所述生成资产组合及策略回测页面之后，包括：
[0029]
获取所述资产组合及策略回测页面中创建模拟组合指示，生成资产组合界面，所述资产组合界面设有组合的名称、规模、成立时间设定以及备注信息栏。
[0030]
本发明还提供一种金融数据处理装置，包括：
[0031]
底层资产设置模块，用于获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联；
[0032]
资产配置模块，用于将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重；
[0033]
其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置的计算。
[0034]
根据本发明所述的一种金融数据处理装置，还包括：
[0035]
策略预览/回测模块，用于根据所述资产配置权重生成组合透视页面，所述组合透视页面展示资产组合的相关收益指标，并获取设置回测区间和组合规模参数，以及获取更新所述组合透视页面的视图的指示，生成资产组合及策略回测页面。
[0036]
根据本发明所述的一种金融数据处理装置，还包括：
[0037]
生成资产组合模块，用于获取所述资产组合及策略回测页面中创建模拟组合指示，生成资产组合界面，所述资产组合界面设有组合的名称、规模、成立时间设定以及备注信息栏。
[0038]
本发明还提供一种电子设备，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，所述处理器执行所述程序时实现如上述任一种所述金融数据处理方法的步骤。
[0039]
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述金融数据处理方法的步骤。
[0040]
本发明提供的一种金融数据处理方法、装置、电子设备及存储介质，解决资产配置方案中由于金融资产组合带来数据处理难度较大的问题，而提供一种可根据实时数据和历史数据推导结果的金融计算模型与计算方法，根据金融计算模型输出的资产配置权重结果可达到更好的数据分析效果。
附图说明
[0041]
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]
图1是本发明提供的金融数据处理的架构图；
[0043]
图2是本发明提供的金融数据处理方法的流程示意图；
[0044]
图3是本发明提供的金融计算模型的示意图；
[0045]
图4是本发明提供的选择金融计算模型的界面示意图；
[0046]
图5是本发明提供的生成资产组合及策略回测页面的流程示意图；
[0047]
图6是本发明提供的策略回顾/预览的界面示意图；
[0048]
图7是本发明提供的金融数据处理装置的结构示意图；
[0049]
图8是本发明提供的电子设备的结构示意图。
具体实施方式
[0050]
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
以下将本发明所涉及的术语进行描述：
[0052]
金融投资产品有：基金，股票，债券，黄金，外汇，期货，权证，理财产品等等。
[0053]
基金，又称投资基金，是资产管理的主要方式之一，它是一种组合投资、专业管理、
利益共享、风险共担的集合投资方式。它主要通过向投资者发行收益凭证(基金份额)，将社会上的基金集中起来，交由专业的基金管理机构投资于各种资产，实现保值增值。投资基金所投资的资产即可以是金融资产如股票、债券、外汇、股权、期货、期权等，也可以是房地产、大宗能源、林权、艺术品等其他资产。基金主要是一种间接投资工具，基金投资者、基金管理人和托管人是基金运作中的主要当事人。
[0054]
基金的基本要素，包括：基金名称、基金代码、当日净值估算、当日净值、累计净值、收益率、基金类型、基金公司、基金经理、基金成立时间、基金规模、基金评级等等。
[0055]
股票，是股份公司所有权的一部分，也是发行的所有权凭证，是股份公司为筹集资金而发行给各个股东作为持股凭证并借以取得股息和红利的一种有价证券。股票是资本市场的长期信用工具，可以转让，买卖，股东凭借它可以分享公司的利润，但也要承担公司运作错误所带来的风险。每股股票都代表股东对企业拥有一个基本单位的所有权。每家上市公司都会发行股票。同一类别的每一份股票所代表的公司所有权是相等的。每个股东所拥有的公司所有权份额的大小，取决于其持有的股票数量占公司总股本的比重。股票是股份公司资本的构成部分，可以转让、买卖，是资本市场的主要长期信用工具，但不能要求公司返还其出资。
[0056]
股票的基本要素，包括：股票名称、股票代码、当日开盘价、当日收盘价、当日最高价、当日最低价、成交量、成交额、流通市值、市盈率等等。
[0057]
债券是一种金融契约，是政府、金融机构、工商企业等直接向社会借债筹借资金时，向投资者发行，同时承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证。债券的本质是债的证明书，具有法律效力。债券购买者或投资者与发行者之间是一种债权债务关系，债券发行人即债务人，投资者(债券购买者)即债权人。债券的发行人(政府、金融机构、企业等机构)是资金的借入者，购买债券的投资者是资金的借出者，发行人(借入者)需要在一定时期还本付息。
[0058]
债券的基本要素，包括：债券名称、债券代码、债券面值，偿还期、付息期、票面利率以及发行人名称。
[0059]
资产配置，指的是根据投资需求将投资资金在不同大类资产之间进行分配，例如将资产在低风险低收益和高风险高收益的基金之间进行分配，以期获得较高的收益。目前，资产配置方法有多种，例如恒定权重资产配置法、均值方差资产配置法等。
[0060]
但是在实际应用中，金融市场存在很多不确定的动态变化因素，对应的资产配置方案也需要更加灵活，以匹配市场的变化，才能达到更好的资产配置效果。
[0061]
因此，本发明提供了一种金融数据处理方法、装置、电子设备及存储介质，解决资产配置方案中由于金融资产组合带来数据处理难度较大的问题，而提供一种可根据实时数据和历史数据推导结果的金融计算模型与计算方法，根据金融计算模型输出的资产配置权重结果可达到更好的数据分析效果。
[0062]
本发明所述资产配置包括基于大类资产的配置或基于底层标的的配置。所述大类资产包括股票，债券，商品，现金的一种或多种组合，一般是基于大类资产指数进行运算，得到的结果是大类资产的最优配置比例。所述底层标的的配置，一般对如000001.sz,000001.ib,000001.of等具体的股票、债券或基金进行运算，得到的结果配置是这几个标的的最优配置比例。
[0063]
下面结合图1
‑
图8采用底层标的的资产配置方式对本发明所述金融数据处理方法及装置进行描述。
[0064]
图1是本发明提供的金融数据处理的架构图，如图所示。用户可在金融交易终端发起业务请求或输入相关参数，后台服务器响应金融交易终端发起的业务请求，并将处理结果反馈给金融交易终端，金融交易终端以界面的形式展示给用户。
[0065]
所述金融交易终端是基于客户端/服务器架构来提供服务的，需要由后台服务器或云平台进行数据支撑。所述金融交易终端包括用户操作界面，用户可以通过该操作界面发起各种业务处理请求。比如，用户在金融交易终端上进行投资业务操作时，首先需要按照终端界面上的指示输入相应的信息，然后等待终端进行处理后才能接收到终端反馈的处理结果。金融交易终端在进行上述业务处理时，需要将用户输入的信息发送至后台服务器，由配置在后台服务器中的业务模块来完成相应的业务操作。后台服务器将处理结果反馈至金融交易终端，由金融交易终端通知用户。
[0066]
在整个数据处理过程中，金融交易终端负责参数的输入和结果的输出，而数据的处理则可在后台服务器或云平台中完成。后台服务器包括金融计算模型，所述金融计算模型具有各种金融业务对应的计算函数，可用于金融产品中资产配置的有关计算，计算中所需要的数据能够从关联的源数据库中获取。
[0067]
需要说明的是，资产组合的构建可以从大类资产(比如基金、股票、债券等)的方式构建，也可以从底层资产(比如xxx1基金、xxx2基金、xxx3基金等)的方式构建。但本发明实施例描述的是从底层资产的方式构建资产组合。
[0068]
图2是本发明提供的金融数据处理方法的流程示意图，如图所示。一种金融数据处理方法，包括：
[0069]
步骤201，获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联。
[0070]
可选的从底层资产构建组合可跳过大类资产流程，直接应用底层资产，如基金、股票、债券等直接应用金融计算模型构建组合。
[0071]
可选的，本发明金融交易终端的界面支持不同资产类别的筛选，可以将基金、债券、股票等其他资产类别加入界面可供用户选择。当用户筛选基金产品，在金融交易终端的界面可展示基金代码和基金简称，如000003.of xxxa基金，000004.of xxxc基金等等。
[0072]
可选的，所述底层资产标识码与对应的源数据库相关联，所述源数据库比如是同花顺数据库。
[0073]
步骤202，将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重。
[0074]
具体的，用户向预设界面中输入若干参数，所述预设金融模型读取所述参数和获取相关的数据源进行计算，计算结果为各个底层资产的最优配置比例，即各个底层资产的资产配置权重。
[0075]
可选的，金融交易终端提供了所述预设参数输入的界面。所述预设参数支持马科维茨模型、black
‑
litterman模型、风险预算模型、自定义权重模型等金融计算模型的计算。通过这些金融计算模型的计算，可输出资产配置比例的结果。通过上述多个金融计算模型进行计算，可以得出多维化的结果。
[0076]
可选的，金融交易终端提供所述预设参数的输入，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数等参数的一种或多种组合，所述预设金融计算模型用于资产配置的计算。
[0077]
以下对上述用户输入的所述预设参数进行详细说明。
[0078]
可选的，所述资产组合目标设置参数包括年化夏普比率最大、年化风险最小以及年化收益最大的参数。所述夏普比率(sharpe ratio)用于衡量基金收益的一个通用标准指标。
[0079]
可选的，约束设置的菜单栏的输入参数包括：自定义预期年化收益(取值为大于或等于0～100％中的某个百分比)，自定义预期年化波动率(取值为大于或等于0～100％中的某个百分比)，自定义风险厌恶系数值λ(取值范围为2～7之间)。
[0080]
可选的，当资产组合目标设置为风险最小时，约束设置中仅预期年化收益率选项可输入；当收益最大时，仅年化波动率可输入；当夏普比率最大时，仅风险厌恶系数值λ可用。
[0081]
可选的，预期收益/风险区间参数包括：前推6个月/前推1年/前推3年/前推至成立日、自定义风险区间(比如前推某月)、自定义收益。
[0082]
可选的，无风险收益率参数包括自定义收益率(取值为大于或等于0～100％中的某个百分比)。
[0083]
可选的，时序周期参数包括日频、周频或月频的可选输入参数。日频/周频/月频，当持仓资产中时序周期如私募数据的净值为周频时，则周频/月频可用，日频不可用。当持仓资产中时序周期如私募数据的净值为月频时，则只有月频可用，日频/周频不可用。
[0084]
可选的，再平衡方式参数包括周度、季度、半年度、年度、买入并持有的可选输入参数以及同时支持选择平衡时间点(期初或期末)的可选输入参数。以下将针对上述各种金融计算模型进行详细描述。
[0085]
图3是本发明提供的金融计算模型的示意图，如所示。上述所述预设金融计算模型包括以下一种或多种组合：
[0086]
马科维茨模型，所述马科维茨模型是利用组合方差和均值分别来定义组合风险和收益；
[0087]
black
‑
litterman模型，所述black
‑
litterman模型是根据市场均衡收益和投资者观点来定义预期收益；
[0088]
风险预算模型，所述风险预算模型是通过约定各项资产对于投资组合的风险贡献，以各项资产的风险贡献的跟踪误差最小化为目标，计算得到各项资产的权重比例；
[0089]
自定义权重模型，所述自定义权重模型是通过自定义设置相关参数计算各项资产组合的权重比例。
[0090]
上述模型可根据用户选择的大类资产自动选择对应的金融计算模型，通过金融计算模型的技术，输出资产配置权重以供用户参考。以下将对上述金融模型进行描述。
[0091]
图4是本发明提供的选择金融计算模型的界面示意图，如图所示。
[0092]
马科维茨模型的均值
‑
方差组合模型(markowitz mean
‑
variance model，markowitz model，简称mv)。所述马科维茨模型的计算函数为：
[0093]
minσe(rp)＝∑∑xixjcov(ri，rj)；
[0094]
rp＝∑xiri；
[0095]
其中，rp为组合收益，ri为第i只股票的收益，rj为第j只股票的收益，xi，xj为股票i，j的投资比例，σe(rp)为组合投资方差，即组合总风险，cov(ri，rj)为两个股票之间的协方差。
[0096]
马科维茨的投资组合理论不仅揭示了组合资产风险的决定因素，而且更为重要的是还揭示了“资产的期望收益由其自身的风险的大小来决定”这一重要结论，即资产价格(单个资产和组合资产)由其风险大小来定价，单个资产价格由其方差或标准差来决定，组合资产价格由其协方差来决定。马可维茨的风险定价思想在他创建的“均值－方差”或“均值－标准差”二维空间中投资机会集的有效边界上表现得最清楚。
[0097]
具体的，采用mv模型在金融交易终端可展示以下参数配置及可选范围：
[0098]
预期收益/风险区间:前推6个月/前推1年/前推3年/前推至成立日；
[0099]
自定义风险区间【前推___月】，可勾选【自定义收益/风险】，此时组合持仓列表中预期收益率及预期标准差变为可编辑模式，用户可以手动输入各持仓的预期收益率及标准差。
[0100]
无风险收益率(％)：自定义【>＝___(0
‑
100)％】。
[0101]
时序周期：日频/周频/月频，当持仓资产中时序周期如私募数据的净值为周频时，则周频/月频可用，日频不可用。当持仓资产中时序周期如私募数据的净值为月频时，则只有月频可用，日频/周频不可用。
[0102]
再平衡方式：周度/季度/半年度/年度/买入并持有，同时支持选择平衡时间点：期初/期末。
[0103]
通过获取所述再平衡方式的输入参数，能够快速构建一个投资组合并持续跟踪组合表现情况进行自动再平衡等业务。
[0104]
可选的，本发明的金融交易终端的页面还支持证券导入以及高级设置功能，高级设计功能提供可选择的参数配置，如下：
[0105]
目标设置：目标设置可选择的参数为单选。若是不选择高级设置，则默认选择“夏普比率最大化”的风险厌恶系数系统默认值为6.5，风险厌恶系数范围可为2
‑
7。比如：风险最小化，风险最小化(预期年化收益率≥某输入比例)，年化预期收益最大化(风险比例≤某输入比例)，夏普比率最大化(风险厌恶系数λ值为某预设值，λ的范围可设置在2～7之间，比如默认取值6.5)。
[0106]
此外，金融交易终端的界面对于大类资产约束：大类资产约束的选择目前支持股票、债券、基金的大类约束设置，股票、债券、基金、衍生品等各成一大类，但不支持基金底层持仓穿透。可以输入通用的大类权重配置，若想单独对某个大类进行约束，则可以点击页面的按钮，右侧出现大类权重配置的小框，进行各单独大类的权重限制设置。每个大类权重的设置只可以添加一次。比如可针对选择的债券，输入最小权重和最大权重等。
[0107]
进一步的，金融交易终端的界面提供股票行业约束的选项。股票行业约束对大类中的股票进行更细颗粒度的权重限制，用户可以选择申万行业、中信行业、证监会行业进行相应的权重约束设置，为单选。行业分类选择完毕之后可以，可以设置一级行业、二级行业、三级行业的约束设置。当有约束上的冲突时，三级行业约束优于二级行业约束优于一级行
业约束。比如选择有色金融行业，可设定最小权重和最大权重；选择食品饮料行业，可设定最小权重和最大权重。
[0108]
进一步的，金融交易终端的界面提供债项分类约束的选项。债项分类约束对大类中的债券进行更细颗粒度的权重限制，用户可以选择债项评级、主体评级、债券类型、剩余期限几个维度进行相应的权重约束设置，为单选。可以设置通用权重、或单独分类约束。比如选择债项评级，列表会提供债项评级为aaa的最大权重的参数输入框和最小权重输入框，也会提供aa

的最大权重的输入框和最小权重的参数输入框等等。
[0109]
进一步的，金融交易终端的界面还提供个证券约束。个证券约束对底层资产进行约束条件的设置，包括个股、个券、个基金等。可以设置通用配置或添加个证券的自定义配置。比如个股“xxxxxx股票”的最大权重的参数输入框和最小权重的参数输入框。
[0110]
其中，black
‑
litterman模型(简称bl模型)是一种资产配置模型。bl模型采用贝叶斯方法(bayesian theory)，将市场隐含的均衡收益(先验收益，prior)和投资者主观观点相结合，形成期望收益的估计值(后验收益，posterior)。black
‑
litterman模型可以分为以下四个步骤：第一步、计算先验收益；第二步、设定投资者观点；第三步、计算后验收益；第四步、获得组合最优权重。
[0111]
所述black
‑
litterman模型的计算函数为：
[0112]
maxe[r]＝[(г∑)
‑1 p’ω
‑1p]
‑1[(г∑)
‑1п p’ω
‑1q]；
[0113]
其中，e[r]为加权后的收益向量，г为比例系数(常数)，p为涉及主观看法资产矩阵，ω为看法置信度矩阵，п为隐含均衡收益率向量，q为看法向量，∑为协方差矩阵。
[0114]
可选的，金融交易终端界面中，bl模型将展示以下参数配置及可选范围，同时支持【自定义观点】设置(弹窗)。
[0115]
预期收益/风险区间：前推6个月/前推1年/前推3年/前推至成立日，自定义风险区间【前推___月】，可勾选【自定义收益】。
[0116]
无风险收益率(％)：自定义【>＝___(0
‑
100)％】。
[0117]
时序周期：日频/周频/月频。
[0118]
再平衡方式：周度/季度/半年度/年度/买入并持有。
[0119]
自定义资产约束％区间：【_a__(0
‑
100)％】
‑
【_b__(0
‑
100)％】(b>＝a)。
[0120]
可选的，点击金融交易终端的【自定义观点】，可对弹窗进行设置，所述弹窗展示如下选项：
[0121]
bl模型观点:排序观点/资产观点。
[0122]
选择排序观点需对组合内a\b\c资产进行排序，比如【基金a】不劣于【债券b】，不劣于【股票c】，同时支持自定义信息水平【____(0.00
‑
10.00的数值)】。选择资产观点需为各资产类别设置观点种类、预期收益率％【___(
‑
100
‑
100)％】及置信水平％【___(0
‑
100)％】eg.股票a【相对】【高于】【债券】，预期收益率xx％，置信水平xx％。
[0123]
可选的，bl模型高级设置跟上述mv的高级设置功能相同。
[0124]
其中，风险预算模型能够主动配置各类资产在组合中的风险，并且能够满足各类风险属性的投资者需求。风险预算模型则需要自行配置各大类资产的占比，而通常大类资产的配置依据主要有如下两种：
[0125]
第一种，通过市场环境来确定大类资产的风险预算。大类资产配置的比例，首先是
依据经济状况及市场估值状况，例如，经济周期状况及各类资产的估值水平都是确定大类资产配置比例的依据。
[0126]
比如，组合资产：“沪深300”、“中证500”、“恒生指数”、“纳斯达克”、“上证企债、“上证国债”、“shfe黄金现货”。对“沪深300”、“中证500”、“恒生指数”、“纳斯达克”、“上证企债”、“上证国债”、“shfe黄金现货”按照预设比例2:2:2:2:1:1:1的风险预算进行配置，但本发明并不限于此。
[0127]
第二种，根据投资人不同的风险偏好来确定风险预算。也就是根据投资人的风险偏好来配置出符合其需求的产品，可以通过给组合中的债券加杠杆来提高产品的收益，从而满足高风险偏好投资人的需求。
[0128]
比如，组合资产：“沪深300”、“纳斯达克100”、“上证5年期国债”、“布伦特原油”、“上期所黄金期货”。债券加5倍杠杆后，在相同的风险预算比例下，风险预算模型的收益率可能比不加杠杆提高了6.5％以上，波动率也大幅提升；与此同时，最大回撤与不加杠杆时相比可能提高了两倍左右。
[0129]
在本发明的金融交易终端的页面选择风险预算模型，那么风险预算模型将展示以下参数配置及可选范围：
[0130]
预期收益/风险区间:前推6个月/前推1年/前推3年/前推至成立日，自定义风险区间【前推___月】，可勾选【自定义收益】。
[0131]
无风险收益率(％)：自定义【>＝___(0
‑
100)％】。
[0132]
时序周期：日频/周频/月频。
[0133]
再平衡方式：周度/季度/半年度/年度/买入并持有；同时支持选择平衡时间点：期初/期末。
[0134]
为组合内各项资产自定义风险预算％：【___(0
‑
100)％】。
[0135]
其中，针对自定义权重模型，包括：
[0136]
获取资产组合内各项资产自定义资产权重比例，所述各项资产自定义权重总和小于或等于100％；若小于100％，则差值设为资产组成内现金的权重。
[0137]
具体的，在金融交易终端的界面上可自定义权重模型将展示以下参数配置及可选范围：
[0138]
无风险收益率(％)：自定义【>＝___(0
‑
100)％】。
[0139]
时序周期：日频/周频/月频。
[0140]
再平衡方式：周度/季度/半年度/年度/买入并持有；同时支持选择平衡时间点：期初/期末。
[0141]
为组合内各项资产自定义资产权重％：【___(0
‑
100)％】(各项权重总和需＝<100％，未满100％时，配置比例的总和与100％的差值默认为组合内现金的权重)。
[0142]
基于上述提供的金融计算模型，以下提供一具体实施例说明底层资产的资产配置过程，如下：
[0143]
用户输入的参数信息，包括但不限于：
[0144]
协方差矩阵(covariance_matrix，即公式中∑)：表示大类资产的波动率和相关性数据。
[0145]
主观看法资产矩阵(view_weight，即公式中p)：表示对每个大类资产看法的系数，
可取值为1，但本发明不限于具体取值。
[0146]
看法向量(view_q，即公式中q)：表示用户对大类资产的预期收益。
[0147]
看法置信度矩阵(view_confidence，即公式中ω)：表示用户对预期收益的信心程度。
[0148]
大类资产的市场权重(omega_market，即公式中ω
mkt
)：市场自然状态下各个大类资产的权重。
[0149]
市场风险厌恶系数(lambda_market，即公式中λ
mkt
)：可取值为1，但本发明不限于具体取值。
[0150]
用户厌恶系数(lambda_user，即公式中λ
user
)：可取值为6.5，但本发明不限于具体取值。
[0151]
首先，根据如下公式计算市场均衡收益п，公式为：
[0152]
π＝λ
mkt
∑ω
mkt
；
[0153]
然后，根据公式，计算bl模型预期收益率e(r
bl
)，公式为：
[0154]
e(r
bl
)＝[(τσ)
‑1 p
′
ω
‑1p]
‑1[(τσ)
‑1π p
′
ω
‑1q]；
[0155]
并根据公式，计算bl模型预期协方差矩阵σ
bl
，公式为：
[0156]
σ
bl
＝[(τσ)
‑1 (p
′
ω
‑1p)]
‑1；
[0157]
根据公式，代入上一步计算的e(r
bl
)和σ
bl
，公式：
[0158][0159]
不断调整ω
p
，以使得公式左边的e(r)最大化。
[0160]
最终得到的ω
p
，就是最优化的底层资产配置权重，可得到某资产的最优比例，即底层资产配置权重，比如得到xxx1股票占比20.9％，xxx2股票占比19.4％，yyy1基金占比17.6％，yyy2基金占比20.7％，现金占比21.4％。
[0161]
图5是本发明提供的生成资产组合及策略回测页面的流程示意图，图6是本发明提供的策略回顾/预览的界面示意图，如图5、图6所示。上述步骤203中，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重之后，包括：
[0162]
步骤501，根据所述资产配置权重生成组合透视页面，所述组合透视页面展示资产组合的相关收益指标。
[0163]
当上述各类的金融计算模型的预设参数配置完毕之后，即可进入金融交易终端的组合透视页面，在所述组合透视页面中可展示组合相关收益指标。所述展示的方式可通过图、表或图表组合的方式进行展示。
[0164]
步骤502，获取设置回测区间和组合规模参数，以及获取更新所述组合透视页面的视图的指示，生成资产组合及策略回测页面。
[0165]
具体的，可通过在金融交易终端的界面设置回测区间与组合规模，点击菜单栏上的更新视图按钮，即可进入资产组合及策略回测页面进组合及策略回测。
[0166]
然后，获取所述资产组合及策略回测页面中创建模拟组合指示，生成资产组合界面。所述资产组合界面设有组合的名称、规模、成立时间设定以及可进行信息输入的备注信息栏。
[0167]
具体的，在上述步骤502中在策略预览/回测页面中点击创建模拟组合即可进入生成资产组合界面。在所述资产组合界面上支持自定义组合的名称、规模和成立时间的设定，同时还支持备注栏信息的输入。
[0168]
比如，根据上述步骤202最终获得的是一个资产配置的比例，假设输出的比例是xxx股票占30％，yyy债券占60％，现金占10％，然后根据这个资产配置比例和各个资产在历史上的实际收益情况构建模拟组合，并绘制绩效曲线等。
[0169]
下面对本发明提供的金融数据处理装置进行描述，下文描述的金融数据处理装置与上文描述的金融数据处理方法可相互对应参照。
[0170]
图7是本发明提供的金融数据处理装置的结构示意图，如图所示。一种金融数据处理装置700，包括底层资产设置模块701和资产配置模块702。
[0171]
底层资产设置模块701，用于获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联。
[0172]
资产配置模块702，用于将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重
[0173]
其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置的计算。
[0174]
其中，金融数据处理装置700还包括：
[0175]
策略预览/回测模块，用于根据所述资产配置权重生成组合透视页面，所述组合透视页面展示资产组合的相关收益指标，并获取设置回测区间和组合规模参数，以及获取更新所述组合透视页面的视图的指示，生成资产组合及策略回测页面。
[0176]
其中，金融数据处理装置700还包括：
[0177]
生成资产组合模块，用于获取所述资产组合及策略回测页面中创建模拟组合指示，生成资产组合界面，所述资产组合界面设有组合的名称、规模、成立时间设定以及备注信息栏。
[0178]
图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行上述所述金融数据处理方法，所述方法包括：
[0179]
获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联；
[0180]
将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重；
[0181]
其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置的计算。
[0182]
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为
独立的产品销售或使用时，可以存储在一项计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一项存储介质中，包括若干指令用以使得一台计算机设备(可以是项人计算机，服务器，或者网络设备等)执行本发明各项实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0183]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的所述金融数据处理方法，所述方法包括：
[0184]
获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联；
[0185]
将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重；
[0186]
其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置的计算。
[0187]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的所述金融数据处理方法，所述方法包括：
[0188]
获取金融交易终端输入的一项或多项资产类别，每项所述资产类别包括多项底层资产标识码，所述底层资产标识码与对应的源数据库相关联；
[0189]
将预设参数输入至预设金融计算模型，所述预设金融计算模型获取对应的源数据库的数据进行计算，得到所述预设金融计算模型输出的资产配置权重；
[0190]
其中，所述预设参数包括资产组合目标设置参数、预期年化收益参数、预期年化波动率参数、风险厌恶系数值、预期收益/风险区间参数、无风险收益率参数、时序周期参数以及再平衡方式参数的一种或多种组合；所述预设金融计算模型用于资产配置的计算。
[0191]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一项地方，或者也可以分布到多项网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0192]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是项人计算机，服务器，或者网络设备等)执行各项实施例或者实施例的某些部分所述的方法。
[0193]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。