投资组合的资产配置方法及装置与流程

1.本发明涉及金融技术领域，尤其涉及一种投资组合的资产配置方法及装置。


背景技术：

2.投资者根据对未来市场行情的预测与判断来进行投资决策，如未来一段时间股票与债券市场是会上涨还是下跌，货币政策是宽松还是收紧，进而如何影响债券市场，未来各股票行业板块会如何轮动，从而进行投资组合的资产配置，例如投资组合仓位的调整，减仓看跌资产，增仓看涨资产。而如何进行上述投资组合的资产配置，是一个亟需解决的问题。


技术实现要素：

3.本发明实施例提出一种投资组合的资产配置方法，用以对投资组合进行资产配置，该方法包括：
4.获取金融市场指数利率公开数据和多个投管人的市场观点数据；
5.基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；
6.根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；
7.基于市场观点拟合曲线，生成投资组合的资产调整数据；
8.基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；
9.输出投资组合的资产调整数据和资产权重配置数据。
10.本发明实施例提出一种投资组合的资产配置装置，用以实现对投资组合进行投资配置，该装置包括：
11.数据获取模块，用于获取金融市场指数利率公开数据和多个投管人的市场观点数据；
12.观点权重赋值模块，用于基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；
13.市场观点拟合曲线生成模块，用于根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；
14.资产调整数据生成模块，用于基于市场观点拟合曲线，生成投资组合的资产调整数据；
15.资产权重配置数据生成模块，用于基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；
16.资产配置结果输出模块，用于输出投资组合的资产调整数据和资产权重配置数据。
17.本发明实施例还提供一种计算机设备，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计算机程序时实现上述投资组合的资产配置方法。
18.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述投资组合的资产配置方法。
19.本发明实施例还提供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，所述计算机程序被处理器执行时实现上述投资组合的资产配置方法。
20.在本发明实施例中，获取金融市场指数利率公开数据和多个投管人的市场观点数据；基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；基于市场观点拟合曲线，生成投资组合的资产调整数据；基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；输出投资组合的资产调整数据和资产权重配置数据。在上述过程中，可借助投管人成熟投研团队的优势，获取市场观点数据，并对投管人市场观点数据的准确性进行判断，输出投资组合的资产调整数据和资产权重配置数据，进而为投资组合管理投资决策提供支持。
附图说明
21.为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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。在附图中：
22.图1为本发明实施例中投资组合的资产配置方法的流程图；
23.图2为本发明实施中投资组合的资产配置方法的原理图；
24.图3为本发明实施例中观点权重赋值的流程图；
25.图4为本发明实施例中准确性预测程度分值确定的流程图；
26.图5为本发明实施例中对每个投管人进行观点权重赋值的流程图；
27.图6为本发明实施例中bl模型的原理图；
28.图7为本发明实施例中生成投资组合的资产权重配置数据的流程图；
29.图8为本发明实施例中资产配置展示的示意图；
30.图9为本发明实施例中投资组合的资产配置装置的示意图；
31.图10为本发明实施例中计算机设备的示意图。
具体实施方式
32.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
33.在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本技术的实施，其中
的步骤顺序不作限定，可根据需要作适当调整。
34.图1为本发明实施例中投资组合的资产配置方法的流程图，如图1所示，包括：
35.步骤101，获取金融市场指数利率公开数据和多个投管人的市场观点数据；
36.步骤102，基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；
37.步骤103，根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；
38.步骤104，基于市场观点拟合曲线，生成投资组合的资产调整数据；
39.步骤105，基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；
40.步骤106，输出投资组合的资产调整数据和资产权重配置数据。
41.图2为本发明实施中投资组合的资产配置方法的原理图，图2与图1对应，下面对每个步骤进行详细分析。
42.在步骤101中，获取金融市场指数利率公开数据和多个投管人的市场观点数据。
43.其中，金融市场指数利率公开数据包括投资组合的指数、利率等数据，可以以调查问卷的形式定期向投管人收集市场观点。
44.图3为本发明实施例中观点权重赋值的流程图，在一实施例中，基于每个投管人的市场观点数据，对每个投管人进行观点权重赋值，包括：
45.步骤301，基于每个投管人的市场观点数据，计算每个投管人的多个市场观点准确性测算指标值；
46.步骤302，拟合历史市场观点数据的市场观点准确性测算指标值，获得拟合曲线；
47.步骤303，根据拟合曲线，确定每个投管人的准确性预测程度分值；
48.步骤304，根据每个投管人的准确性预测程度分值，对每个投管人进行观点权重赋值。
49.在上述实施例中，可以定期收集每个投管人的市场观点数据，例如市场观点调研表，表格为excel格式，解析表格并将数据入库；对接市场数据供应商，将金融市场指数利率公开数据解析入库。
50.表1为市场观点调研表的示例。其中，该表只列出了本发明实施例投管人准确性预测相关的几个市场观点，一般情况下，市场观点调研表还可以有其他数据，这里不单独列出。
51.表1
52.[0053][0054]
在步骤301中，需要计算市场观点准确性测算指标值，计算指标值的过程即数字化处理的过程，本发明实施例根据市场观点数据提出了对应的市场观点准确性测算指标，以及指标值计算规则，其中，市场观点数据中，正向观点对应的指标值为1，负向观点对应的指标值为-1，中性观点对应的指标值为0。对于股票市场的风格预期，由于是勾选最乐观的风格，勾选的风格观点对应的指标值为1，未勾选风格观点对应的指标值为0。对于股票市场的板块操作，填写" "号行业对应的指标值为1，填写"-"号行业对应的指标值为-1，未填写行
业对应的指标值为0。表2为市场观点准确性测算指标值计算规则示例。
[0055]
表2
[0056][0057]
在步骤302，需要拟合历史市场观点数据的市场观点准确性测算指标值，获得拟合曲线，该拟合曲线后续用于确定每个投管人的准确性预测程度分值。那么首先需要获得历史市场观点数据。表3为本发明实施例中拟合用的市场观点准确性测算指标对应的实际历史市场观点数据选择实例及分值设示例。
[0058]
表3
[0059][0060]
[0061]
在表3中，x1 x2 x3＝100，那么各个指标的分值最高可以33.3，也可以按比例分配分值的最大数，可根据实际情况而定，这里不做限定。
[0062]
每类指标都选取了一个实例，例如，债券市场总体看法这个指标选择中债新综合财富指数，然后，对每个指标进行曲线拟合，拟合时，时间窗口为月，对该月内日频时间序列数据进行趋势拟合，其中日频时间序列数据是指以日为单位的每个指标的历史市场观点数据，利用ols拟合一元一次趋势线或对曲线通道进行拟合，获得拟合曲线。
[0063]
在步骤303中，根据拟合曲线，确定每个投管人的准确性预测程度分值。
[0064]
图4为本发明实施例中准确性预测程度分值确定的流程图。在一实施例中，根据拟合曲线，确定每个投管人的准确性预测程度分值，包括：
[0065]
步骤401，计算拟合曲线的斜率；
[0066]
首先，计算拟合曲线的斜率，即月趋势斜率。滚动回测历史n个月数据波动率，当月度波动率不大于历史波动率时，历史市场观点数据的市场观点准确性测算指标值为0；当月度波动率大于历史波动率，且月趋势斜率k》0，市场观点数据正向(乐观、久期加长、信用下沉等)，历史市场观点数据的市场观点准确性测算指标值为1；当月度波动率大于历史波动率，且月趋势斜率时k《0，市场观点数据负向(悲观、久期降低、信用上调等)，历史市场观点数据的市场观点准确性测算指标值为-1。
[0067]
步骤402，根据拟合曲线的斜率和波动率，确定每个投管人的准确性预测程度分值；
[0068]
之后，确定每个投管人的准确性预测程度分值。若投管人给出的指标值与历史市场观点数据的市场观点准确性测算指标值一致，对该指标赋最高分，例如对x1赋值33.3分，若投管人给出的指标值与历史市场观点数据的市场观点准确性测算指标值不一致，对该指标赋0分，例如对x1赋值0分。在打分时，需要注意以下情况：
[0069]
(1)各投管人至少对10个申万行业给出调仓预测，每个行业对应100/n分，其中n为投管人给出的行业观点数量。
[0070]
(2)职业年金组合修正久期主要集中在1-3之间，故利率债对应国债利率结构选取3年-1年国债利率。利率下行时，长久期策略占优。
[0071]
(3)职业年金持仓信用债(除可转债)主体评级、债券评级集中在aa 级以上，债券年限集中在3-5年，故信用债对应信用利率选取5年aa 企业债信用债利率。信用债利率向下，信用下沉策略收益更高。
[0072]
步骤403，对投管人按照准确性预测程度分值进行排名。
[0073]
在步骤304中，根据每个投管人的准确性预测程度分值，对每个投管人进行观点权重赋值。
[0074]
图5为本发明实施例中对每个投管人进行观点权重赋值的流程图，在一实施例中，根据每个投管人的准确性预测程度分值，对每个投管人进行观点权重赋值，包括：
[0075]
步骤501，引入半衰期，计算观察窗口内各投管人的每个月的权重；
[0076]
步骤502，根据投管人的每个月的权重和观察窗口内各投管人的准确性预测程度分值，计算各投管人的当月赋权得分；
[0077]
步骤503，根据各投管人的当月赋权得分，计算各投管人的当月观点权重。
[0078]
在步骤501中，由于本发明基于投管人的市场观点调研，加权形成市场观点拟合曲
线。考虑到单次观点的偶然性，为投管人增加一定容错性，引入半衰期。
[0079]
投管人观点权重的分配将过去n个月(例如6个月)的准确性预测程度分值纳入考量，半衰期赋予近期投管人得分更高的权重，n/2(例如3个月)个月前的投管人的观点权重为当月观点权重的一半，即观察窗口6个月时，半衰期时长3个月.
[0080]
w(t)＝δ
t-t
ꢀꢀ
(1)
[0081]
w(t-halflife)＝0.5w(t)
ꢀꢀ
(2)
[0082]
将公式(1)和(2)组合，得到公式(3)。
[0083][0084]
将公式(3)代入公式(1)，可得各投管人的每个月的权重w(t)，t为过去某月距最新月t的月份间隔。
[0085]
在步骤502中，目的是将权重进行归一化处理，得到各投管人的当月赋权得分，公式如下：
[0086][0087]
其中，s
t
为投管人观察窗口内(例如过去6个月)的准确性预测程度分值，si为投管人的赋权得分。
[0088]
在步骤503中，基于投管人的赋权得分，进行投管人观点权重赋权：
[0089][0090]
其中，si为投管人的赋权得分，w为投管人的该月观点权重。
[0091]
在步骤103中，根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线，其中，市场观点数据采用市场观点准确性测算指标值表示。
[0092]
投管人的正向观点的指标值为1，中性观点的指标值为0，负向观点的指标值为-1。基于各投管人的观点权重加权形成每月市场观点曲线：
[0093][0094]
其中，m为拟合成的市场观点，wi为各投管人的市场观点权重，vi为各投管人的市场观点的指标值。投管人的观点权重求和为100％，拟合的市场观点m取值范围为[-1,1]，越趋近于1表明市场观点越乐观，越趋近于-1表明市场观点越悲观，位于0附近表明市场观点较中性。
[0095]
基于每月收集到的投管人的市场观点，随时间推移形成市场观点曲线。通过对市场观点曲线的观察，能够观察市场观点的变动调整情况。
[0096]
在步骤104中，基于市场观点拟合曲线，生成投资组合的资产调整数据。
[0097]
在一实施例中，所述投资组合的资产调整数据包括市场观点数据对应的调仓比例；
[0098]
基于市场观点拟合曲线，生成投资组合的资产调整数据，包括：
[0099]
采用如下公式，基于市场观点拟合曲线，生成市场观点数据对应的调仓比例：
[0100][0101]
其中，δq为市场观点数据对应的调仓比例，ln为自然对数，abs(m)为市场观点拟合曲线中市场观点的绝对值，p％为单期资产配置边际调整最大比例，m为正数时增仓，m为负数时减仓。
[0102]
在步骤105中，基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据。
[0103]
在此步骤中，以金融市场指数利率公开数据以及市场观点拟合曲线为输入，通过bl模型形成资产权重配置数据。金融市场指数利率公开数据包括市场、行业、风格指数及利率，可进行两个维度的资产配置，大类资产配置及权益类资产配置，其中权益类资产配置有可分别做申万一级行业、宽基风格以及成长价值风格等风格的配置，其中，每个维度关注的市场观点准确性测算指标不同，如下述四个维度：
[0104]
第一维度：大类资产，获得资产权重配置数据需要的市场观点准确性测算指标为：债券市场总体看法和股票市场总体看法；
[0105]
第二维度：申万一级行业，获得资产权重配置数据需要的市场观点准确性测算指标为：申万行业板块操作；
[0106]
第三维度：宽基风格，获得资产权重配置数据需要的市场观点准确性测算指标为：大小盘风格预期；
[0107]
第四维度：成长价值风格，获得资产权重配置数据需要的市场观点准确性测算指标为：成长风格预期。
[0108]
以第一维度为例，大类资产包括投资组合中的固定收益类型、权益类型、货币类型等，在第一维度中，所有大类资产权重为100％，那么固定收益类型、权益类型、货币类型的总和权重为100％，固定收益类型为0～100％内的值。
[0109]
在markowitz的体系里，核心输入变量是预期收益率和预期波动率。无论是各类资产全样本的收益率分布还是最近一段时间收益率的分布都无法预测未来。bl模型的思想即是在市场配置基准的基础上，融合各类市场观点，提高预期收益率及波动率估计的准确性，从而提高配置效率。
[0110]
bl模型主要包含三大步骤：(1)从先验的配置权重到先验的预期收益率；(2)从先验的预期收益率到后验的预期收益率；(3)根据后验的预期收益率得到后验的配置权重。先验的预期收益率通常难以精确把握，相对于markowitz(简称mv)模型，bl模型优点在于：(1)结合主观的市场观点的预期收益率估计效果比纯粹基于历史数据的点估计有进一步的提升；(2)模型的收益被分散到先验的配置权重的选取，先验的预期收益率的估计，后验的配置权重的估计等多个步骤，有助于业绩归因，各个击破，提高模型的拓展性和配置效果；(3)融合多方市场观点，有助于提高配置模型的稳健性。
[0111]
图6为本发明实施例中bl模型的原理图，基于该原理图下面进行详细介绍。
[0112]
表4为本发明实施例中bl模型的输入参数和输出结果表。
[0113]
表4
[0114][0115]
图7为本发明实施例中生成投资组合的资产权重配置数据的流程图，在一实施例中，基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据，包括：
[0116]
步骤701，根据市场观点拟合曲线，获得收益率看法矩阵；
[0117]
步骤702，根据市场观点拟合曲线，获得投资者对每种资产的收益信心水平值；
[0118]
步骤703，将金融市场指数利率公开数据、收益率看法矩阵、投资者对每种资产的收益信心水平值，输入至bl模型中，获得投资组合的资产配置权重数据。
[0119]
其中，金融市场指数利率公开数据用于计算bl模型的部分输入参数，例如无风险收益等。
[0120]
在步骤701中，市场观点拟合曲线中每个市场观点是[-1，1]范围内的值，需要转换为设定范围内(例如[-20％，20％])内的收益率看法，其转换方法可以根据实际情况而定，基本上是根据先验经验获得。与mv模型中不一样，bl模型并不要求投资就每一资产都有自己的看法。因为有k个市场观点时，收益率看法矩阵q是k
×
1的向量。
[0121]
如收益率看法(views)数量k＝3，q的列向量为
[0122]
在步骤702中，需要获得投资者对每种资产的收益信心水平值，市场观点拟合曲线中每个市场观点是[-1，1]范围内的值，需要转换为[0％，100％]内的收益信心水平值，其转换方法可以根据实际情况而定，基本上是根据先验经验获得。
[0123]
在步骤703中，只需要将金融市场指数利率公开数据、收益率看法矩阵、投资者对每种资产的收益信心水平值，输入至bl模型中，就可以获得投资组合的资产配置权重数据，即各种资产的资产配置权重数据。bl模型进行计算的步骤如下：
[0124]
(1)采用如下公式计算风险厌恶系数λ：
[0125][0126]
其中，e(r)为投资组合的收益；rf为无风险收益，σ2为投资组合的方差；上述三个参数均由金融市场指数利率公开数据获得。
[0127]
(2)根据金融市场指数利率公开数据，计算资产收益率的协方差矩阵σ(用历史收益求得)；
[0128]
(3)计算先验的预期收益率π，公式如下：
[0129]
π＝λσw
mkt
ꢀꢀ
(9)
[0130]
(4)计算涉及看法的资产矩阵p。
[0131]
p是k
×
n矩阵，k表示市场观点数量，n表示资产数量。假设资产有3个，市场观点数量为3，那么p矩阵如下：
[0132][0133]
p矩阵每一行代表一个看法，这是一种绝对方式表达，涉及对应资产，看法正面为1。
[0134]
(5)确定收益率看法矩阵，前述已经讲过，q是k
×
1的向量。
[0135]
如收益率看法(views)数量k＝3，q的列向量为，代表三类资产的收益率分别为x％、y％和z％。
[0136]
(6)计算标准刻度因子cf
[0137]
cf的计算公式为：
[0138]
cf＝p
*
σp
*t
/(1/50％)
ꢀꢀ
(10)
[0139]
cf为假定信心水平服从正态分布，信心水平在0％到100％之间，在平均信心水平50％以下的标准因子。
[0140]
其中，p
*
相当于p中每列元素求和形成的1
×
n向量，在k＝3时，p
*
＝(111)。
[0141]
最后，cf计算公式为：
[0142]
cf＝p
*
σp
*t
/(1/50％)＝0.5
×
(p
*
×
σ
×
p
*t
)
[0143][0144]
最后，求解出来的cf是常数。
[0145]
(7)计算看法置信度矩阵ω
[0146]
投资者的收益率看法服从n(q,ω)分布，ω也是衡量投资者观点的误差，误差越大，ω中对应的值越大，反之越小。ω为k
×
k维的协方差矩阵，为对角矩阵，这表明不同的观点之间相互独立。
[0147]
ω表示投资者的看法与真实情况有所差别，这样的一种预测差异，可以在误差的协方差矩阵中表示，如三个看法表示如下：
[0148][0149]
其中lci为投资者各市场观点对应的信心水平，在0％至100％之间。市场观点绝对值越接近于1，对应的信心水平越高，lci值越接近于100％。
[0150]
(8)采用如下公式，计算后验的均衡收益协方差矩阵：
[0151]
λ＝[(τσ)-1
p'ω-1
p]-1
ꢀꢀ
(12)
[0152]
(9)采用如下公式，计算后验的预期收益率(bl调整预期收益率)：
[0153]
e(r)＝[(τσ)-1
p'ω-1
p]-1
[(τσ)-1
p'ω-1
q]
ꢀꢀ
(13)
[0154]
其中，τ为常数0.025。
[0155]
(10)计算后验的配置权重，即资产组合中各资产权重。
[0156]
所述后验的配置权重，即为各种资产的配置权重。计算过程为：
[0157]
在线性规划方式下求出各类资产权重约束条件下各类资产的最佳权重，得到后验的配置权重w
tf
，也就是根据e(r)(反映投资者观点的收益率)反推各类资产的配置权重。
[0158]
已知：
[0159]
各资产新的收益均值——后验的预期收益率e(r)；
[0160]
后验的均衡收益协方差矩阵——λ；
[0161]
输出：
[0162]
投资组合的风险(标准差)；
[0163]
投资组合预期收益；
[0164]
各资产的配置权重。
[0165]
在步骤106中，输出投资组合的资产调整数据和资产权重配置数据。
[0166]
通过步骤101-步骤105中，获得了两类资产配置的数据，可通过展示界面进行展示。
[0167]
在本发明实施例中，展示资产权重配置数据时，市场观点拟合曲线为月频观点，资产权重配置数据为月频，可对未来月、季或年度资产配置提供参考。
[0168]
图8为本发明实施例中资产配置展示的示意图，包括参数设置展示块、市场观点展示块、资产配置边际调整展示块、市场观点曲线展示块、资产配置参考方案展示块。
[0169]
其中，参数设置展示块可在界面输入查询时间区间、市场观点拟合方案、最大资产调整比例、归因方案、风险厌恶系数等条件查询拟合形成的市场观点拟合曲线和根据bl模型测算的资产权重配置数据。查询条件起始日期、截止日期均为月；市场观点拟合方案为预先配置的市场观点拟合曲线在拟合时需要的参数；最大资产调整比例为资产配置边际调整最大比例；归因方案为bl模型测算参数，包括维度、无风险收益、先验的配置权重、各类资产权重约束条件、时间窗口等。
[0170]
市场观点展示块中，显示各月拟合的市场观点，以及拟合观点的平均值、中位数、最大值和最小值。仅展示归因所需观点。
[0171]
资产配置边际调整展示块中，显示根据各月拟合的市场观点测算的市场观点数据对应的调仓比例， 号为增仓，-号为减仓。
[0172]
市场观点曲线展示块中，显示查询时间区间内的市场观点拟合曲线，指标为归因所需市场观点准确性测算指标。
[0173]
资产配置参考方案展示块中，显示根据各月观点通过bl模型测算的资产权重配置数据，其中，预期权重为各种资产的配置权重数据，还展示了预期收益率和预期波动率，具体展示平均值、中位数、最大值和最小值。
[0174]
综上所述，本发明实施例提出的方法中，获取金融市场指数利率公开数据和多个投管人的市场观点数据；基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；基于市场观点拟合曲线，生成投资组合的资产调整数据；基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；输出投资组合的资产调整数据和资产权重配置数据。在上述过程中，可借助投管人成熟投研团队的优势，获取市场观点数据，并对投管人市场观点数据的准确性进行判断，输出投资组合的资产调整数据和资产权重配置数据，进而为投资组合管理投资决策提供支持。
[0175]
本发明还提出一种投资组合的资产配置装置，其原理与投资组合的资产配置方法相同，这里不再赘述。
[0176]
图9为本发明实施例中投资组合的资产配置装置的示意图，如图9所示，包括：
[0177]
数据获取模块901，用于获取金融市场指数利率公开数据和多个投管人的市场观点数据；
[0178]
观点权重赋值模块902，用于基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；
[0179]
市场观点拟合曲线生成模块903，用于根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；
[0180]
资产调整数据生成模块904，用于基于市场观点拟合曲线，生成投资组合的资产调整数据；
[0181]
资产权重配置数据生成模块905，用于基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；
[0182]
资产配置结果输出模块906，用于输出投资组合的资产调整数据和资产权重配置
数据。
[0183]
在一实施例中，观点权重赋值模块具体用于：
[0184]
基于每个投管人的市场观点数据，计算每个投管人的多个市场观点准确性测算指标值；
[0185]
拟合历史市场观点数据的市场观点准确性测算指标值，获得拟合曲线；
[0186]
根据拟合曲线，确定每个投管人的准确性预测程度分值；
[0187]
根据每个投管人的准确性预测程度分值，对每个投管人进行观点权重赋值。
[0188]
在一实施例中，观点权重赋值模块具体用于：
[0189]
计算拟合曲线的斜率；
[0190]
根据拟合曲线的斜率和波动率，确定每个投管人的准确性预测程度分值；
[0191]
对投管人按照准确性预测程度分值进行排名。
[0192]
在一实施例中，所述市场观点准确性测算指标包括债券市场总体看法、利率债、信用债、股票市场总体看法、大小盘风格预期、成长风格预期和申万行业板块操作中的其中一种或任意组合。
[0193]
在一实施例中，观点权重赋值模块具体用于：
[0194]
引入半衰期，计算观察窗口内各投管人的每个月的权重；
[0195]
根据投管人的每个月的权重和观察窗口内各投管人的准确性预测程度分值，计算各投管人的当月赋权得分；
[0196]
根据各投管人的当月赋权得分，计算各投管人的当月观点权重。
[0197]
在一实施例中，所述投资组合的资产调整数据包括市场观点数据对应的调仓比例；
[0198]
资产调整数据生成模块具体用于：
[0199]
采用如下公式，基于市场观点拟合曲线，生成市场观点数据对应的调仓比例：
[0200][0201]
其中，δq为市场观点数据对应的调仓比例，ln为自然对数，abs(m)为市场观点拟合曲线中市场观点的绝对值，p％为单期资产配置边际调整最大比例，m为正数时增仓，m为负数时减仓。
[0202]
在一实施例中，资产权重配置数据生成模块具体用于：
[0203]
根据市场观点拟合曲线，获得收益率看法矩阵；
[0204]
根据市场观点拟合曲线，获得投资者对每种资产的收益信心水平值；
[0205]
将金融市场指数利率公开数据、收益率看法矩阵、投资者对每种资产的收益信心水平值，输入至bl模型中，获得投资组合的资产配置权重数据。
[0206]
综上所述，本发明实施例提出的装置中，获取金融市场指数利率公开数据和多个投管人的市场观点数据；基于多个投管人的市场观点数据，对每个投管人进行观点权重赋值；根据多个投管人的市场观点数据和观点权重，生成市场观点拟合曲线；基于市场观点拟合曲线，生成投资组合的资产调整数据；基于金融市场指数利率公开数据、所述市场观点拟合曲线和bl模型，生成投资组合的资产权重配置数据；输出投资组合的资产调整数据和资产权重配置数据。在上述过程中，可借助投管人成熟投研团队的优势，获取市场观点数据，
并对投管人市场观点数据的准确性进行判断，输出投资组合的资产调整数据和资产权重配置数据，进而为投资组合管理投资决策提供支持。
[0207]
本发明实施例还提供一种计算机设备，图10为本发明实施例中计算机设备的示意图，所述计算机设备1000包括存储器1010、处理器1020及存储在存储器1010上并可在处理器1020上运行的计算机程序1030，所述处理器1020执行所述计算机程序1030时实现上述投资组合的资产配置方法。
[0208]
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述投资组合的资产配置方法。
[0209]
本发明实施例还提供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，所述计算机程序被处理器执行时实现上述投资组合的资产配置方法。
[0210]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0211]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0212]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0213]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0214]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。