针对虚拟产品的价值评估方法、装置、介质及设备与流程

1.本技术涉及电子通信技术领域，尤其涉及一种针对虚拟产品的价值评估技术领域，特别涉及一种针对虚拟产品的价值评估方法、装置、介质及设备。


背景技术：

2.目前对债券基金的评级方式大多建立在股票型基金评价体系的基础上，而股票型基金的评价体系是从净增长率的角度评价债券基金的好坏。这样一来对于债券债券仓位较低的混合型基金和偏股型基金的评价效果很好。但是对于偏债或者是纯债基金则不能够全面的反应债券资产本身对基金风险控和活力能力的影响。这种方法忽略了债券基金主要投资标的—债券受到利率和信用风险。另外，债券不同品种的信用级别不一样。如国债，金融债信用级别最高。企业债价格发行受企业的偿债能力的影响，而且它们利率的影响特别大。作为固定收益证券，债券的市场定价方式与股票具有很大的不同，所以把债券基金和股票基金放在一起评价是不合理，而且存在很大的偏差，影响债券基金投资者的判断。


技术实现要素：

3.本技术实施例提供一种针对虚拟产品的价值评估方法、装置、介质及设备，利用本技术实施例提供的针对虚拟产品的价值评估方法，采用从多个维度如信用风险、利率风险、加权流动性风险、市场表现以及基金经理的情况指标对债券基金做一个综合评估，其中包含了正面指标及负面指标，相比只从净增长率的考虑的传统评估方式，本方案考虑了基金的正负面指标对基金评估结果的影响，使得评估结果能够更加客观。同时本方案通过引入logistic回归模型构建价值评估体系，相较于以往通过专家经验人为设定每个指标参数对应权重值的打分卡模型，logistic回归模型能够通过对各个指标参数进行分析自动设定权重值，从而获得客观的债券基金评价，为债券基金投资者提供合理的基金产品风险信息。
4.本技术实施例一方面提供了一种针对虚拟产品的价值评估方法，所述针对虚拟产品的价值评估方法包括：
5.获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
6.将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；
7.根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
8.在本技术实施例所述的针对虚拟产品的价值评估方法中，所述将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，包括：
9.将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型，得到所述目标虚拟产品的基础分，及综合所述风险指标和关联指标得到的综合分；
10.基于所述基础分与综合分对所述目标虚拟产品进行分值估算操作。
11.在本技术实施例所述的针对虚拟产品的价值评估方法中，所述综合分基于预设算法计算得到，所述预设算法：
12.score
ij
＝wi*woe
ij
*q
13.其中，score
ij
表示所述综合分，wi表示所述logistic回归模型中第i个进行证据权重转化后的新特征的权重，woe
ij
表示所述logistic回归模型中第i个进行证据权重转化后的新特征取值为第j个分箱时的进行证据权重转化后的新特征权重值，q表示评分调整系数。
14.在本技术实施例所述的针对虚拟产品的价值评估方法中，在所述将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型之前，所述方法还包括：
15.对待输入所述分值估算模型的指标数据进行缺失值检测；
16.若所述指标数据中缺少满足所述分值估算模型进行分值估算操作的关键指标数据时，对所述关键指标数据进行填补操作；或
17.跳过当前整组指标数据，选择另一组完整的备选指标数据作为待输入所述分值估算模型的指标数据。
18.在本技术实施例所述的针对虚拟产品的价值评估方法中，在所述将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型之前，所述方法还包括：
19.对待输入所述分值估算模型的各个指标数据分别采用无监督等距分箱，转化得到各个指标数据的新特征权重值，将转化得到的新特征权重值作为待输入所述分值估算模型的指标数据。
20.在本技术实施例所述的针对虚拟产品的价值评估方法中，所述方法还包括：
21.监控当前分值估算模型的预测效果，所述预测效果通过预设指标体现，所述预设指标包括：模型区分能力ks值、模型预测准确性、模型稳定性psi、模型误放率、好价值预测准确率、坏价值预测准确率；
22.对所述分值估算模型进行持续监控，通过折线图对比所述分值估算模型不同时期变化趋势，在所述分值估算模型效果下降时调整所述评估价值模型。
23.在本技术实施例所述的针对虚拟产品的价值评估方法中，当所述目标虚拟产品为债券基金时，所述风险指标至少包括债券基金的资产信用分、加权久期指标、加权流动指标及市场表现指标，所述关联指标至少包括基金经理的情况指标。
24.相应的，本技术实施例另一方面还提供了一种针对虚拟产品的价值评估装置，所述针对虚拟产品的价值评估装置包括：
25.获取模块，用于获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
26.估算模块，用于将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；
27.确定模块，用于根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
28.相应的，本技术实施例另一方面还提供了一种存储介质，所述存储介质存储有多条指令，所述指令适于处理器进行加载，以执行如上所述的针对虚拟产品的价值评估方法。
29.相应的，本技术实施例另一方面还提供了一种终端设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器加载所述指令以执行如上所述的针对虚拟产品的价值评估方法。
30.本技术实施例提供了一种针对虚拟产品的价值评估方法、装置、介质及设备，该方法通过获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。利用本技术实施例提供的针对虚拟产品的价值评估方法，采用从多个维度如信用风险、利率风险、加权流动性风险、市场表现以及基金经理的情况指标对债券基金做一个综合评估，其中包含了正面指标及负面指标，相比只从净增长率的考虑的传统评估方式，本方案考虑了基金的正负面指标对基金评估结果的影响，使得评估结果能够更加客观。同时本方案通过引入logistic回归模型构建价值评估体系，相较于以往通过专家经验人为设定每个指标参数对应权重值的打分卡模型，logistic回归模型能够通过对各个指标参数进行分析自动设定权重值，从而获得客观的债券基金评价，为债券基金投资者提供合理的基金产品风险信息。
附图说明
31.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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技术的一些实施例，对于本领域技术人员来讲，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。
32.图1为本技术实施例提供的针对虚拟产品的价值评估方法的流程示意图。
33.图2为本技术实施例提供的针对虚拟产品的价值评估装置的结构示意图。
34.图3为本技术实施例提供的针对虚拟产品的价值评估装置的另一结构示意图。
35.图4为本技术实施例提供的终端设备的结构示意图。
具体实施方式
36.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本技术的保护范围。
37.需要说明的是，以下内容是对本方案背景做出的简单介绍：
38.本方案主要是适用于债券基金评级领域中，并围绕“如何获得客观的债券基金评价结果”这一技术问题开展的。可以理解的是，目前对债券基金的评级方式大多建立在股票型基金评价体系的基础上，而股票型基金的评价体系是从净增长率的角度评价债券基金的好坏。这样一来对于债券债券仓位较低的混合型基金和偏股型基金的评价效果很好。但是
对于偏债或者是纯债基金则不能够全面的反应债券资产本身对基金风险控和活力能力的影响。这种方法忽略了债券基金主要投资标的—债券受到利率和信用风险。另外，债券不同品种的信用级别不一样。如国债，金融债信用级别最高。企业债价格发行受企业的偿债能力的影响，而且它们利率的影响特别大。作为固定收益证券，债券的市场定价方式与股票具有很大的不同，所以把债券基金和股票基金放在一起评价是不合理，而且存在很大的偏差，影响债券基金投资者的判断。
39.为了解决上述技术问题，本技术实施例提供一种针对虚拟产品的价值评估方法。利用本技术实施例提供的针对虚拟产品的价值评估方法，采用从多个维度如信用风险、利率风险、加权流动性风险、市场表现以及基金经理的情况指标对债券基金做一个综合评估，其中包含了正面指标及负面指标，相比只从净增长率的考虑的传统评估方式，本方案考虑了基金的正负面指标对基金评估结果的影响，使得评估结果能够更加客观。同时本方案通过引入logistic回归模型构建价值评估体系，相较于以往通过专家经验人为设定每个指标参数对应权重值的打分卡模型，logistic回归模型能够通过对各个指标参数进行分析自动设定权重值，从而获得客观的债券基金评价，为债券基金投资者提供合理的基金产品风险信息。
40.请参阅图1，图1为本技术实施例提供的针对虚拟产品的价值评估方法的流程示意图。所述针对虚拟产品的价值评估方法，应用于终端设备中。可选地，该终端设备为终端或服务器。可选地，该服务器是独立的物理服务器，或者是多个物理服务器构成的服务器集群或者分布式系统，或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。可选地，该终端是智能手机、平板电脑、笔记本电脑、台式计算机等，但并不局限于此。
41.在一实施例中，所述方法可以包括以下步骤：
42.步骤101，获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标。
43.其中，上述目标虚拟产品具体指的是债券基金，与债券基金对应的风险指标至少包括债券基金的资产信用分、加权久期指标、加权流动指标及市场表现指标，关联指标至少包括基金经理的情况指标。
44.需要说明的是，债券基金的资产信用分是表示债券基金投资债券市场，通过一定的规则计算的一种综合评价指标。首先对债券类型的评分，在评分上，国债和央票的信用等级最高为5分，其次是有担保的企业债和公司债为4分，再次是可转债为3分，最后是风险较大的无担保企业债和公司债为2分。评分标准如表1。债券基金根据所持债券组合获得的分数获得相应的信用指标分值。如下表：
45.表分值定义5信用质量最高，国债、央票4信用质量很高，有担保企业债、有担保公司债3信用质量比较高，可转债等2信用质量一般，无担保企业债，无担保公司债
46.表1
47.加权久期指标是一种测算债券发生现金流的平均期限的方法，可以用于测度债券对利率变化的敏感性。具体的计算将每次债券现金流的现值除以债券价格得到每一期现金支付的权重，并将每一次现金流的时间同对应的权重相乘，最终合计出整个债券的久期。
48.将基金对某只债券的持有量对该债券年发行总量的占比设计流动性指标(liquidity risk index lri)，从理论上讲，该指标的值越小，说明债券的流通性越好。根据该基金所持有的债券的所占该基金总资产的比例作为权值设计了加权流动指标(weight liquidity risk index wlri)。债券基金加权流动指标评分标准如表2所示：
49.分值定义5基金wlr大于等于本季度债券基金平均wlr4基金wlr为本季度基金平均wlr的0.9倍以上3基金组合的wlr为基金wlr的0.75倍以上2基金组合的wlr等于大于基金平均wlr的0.5倍1基金组合的wlr等于小于基金平均wlr的0.5倍
50.表2
51.市场表现指标＝50％净值增长率(季) 50％夏普指数(季)
52.上述净值增长率是指在指定时间段内期末的基金净值减去起初的基金净值加上分红初一起初的基金净值；它的计算公式如下：
53.净值增长率＝(期末基金净值-期初基金净值 分红)/期初基金净值
54.其中净值增长率采用历史分红再投资方式进行计算。夏普指数是指以资本线为基准，指数指的n个证券组合的风险溢价除以组合的标准差。
55.基金经理的情况指标指的是基金经理从业年限、基金经理操作本基金年限、基金经理操作本基金业绩、基金经理的从业经验，基金经理的稳定性和基金经理的分析和操盘能力。
56.在数据选择上本方案改变以往借鉴偏股型金评价方法单纯的只从净增长率的角度评价债券基金的好坏，通过从多个维度具体包括债券基金的资产信用分、加权久期指标、加权流动指标，市场表现指标及基金经理的情况指标对债券基金做一个综合评估，其中信用风险用来衡量投资标的风险情况；加权久期指标表示市场利率变动的不确定性给投资者带来损失的情况；加权流动是指经济主体由于金融资产的流动性的不确定性变动而遭受经济损失的可能性。市场表现指标为基金的表现情况。基金经理的情况指标考虑到一只基金的绩效往往和基金经理联系的非常紧密，在这里选取基金经理从业年限、基金经理操作本基金年限、基金经理操作本基金业绩(年化收益率)；分别衡量基金经理的从业经验，基金经理的稳定性和基金经理的分析和操盘能力，共5个维度7个指标。其中包含了正面指标及负面指标，相比只从净增长率的考虑的传统评估方式，本方案考虑了基金的正负面指标对基金评估结果的影响，使得评估结果能够更加客观。
57.步骤102，将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分。
58.其中，将目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型，得到目标虚拟产品的基础分，及综合风险指标和关联指标得到的综合分；基于基础
分与综合分对目标虚拟产品进行分值估算操作。通过引入logistic回归模型构建价值评估体系，相较于以往通过专家经验人为设定每个指标参数对应权重值的打分卡模型，logistic回归模型能够通过对各个指标参数进行分析自动设定权重值，从而获得客观的债券基金评价，为债券基金投资者提供合理的基金产品风险信息。
59.需要解释的是，综合分基于预设算法计算得到，预设算法：
60.score
ij
＝wi*woe
ij
*q
61.其中，score
ij
表示综合分；wi表示logistic回归模型中第i个进行证据权重转化后的新特征的权重；woe
ij
表示logistic回归模型中第i个进行证据权重转化后的新特征取值为第j个分箱时的进行证据权重转化后的新特征权重值，具体地，通过对待输入分值估算模型的各个指标数据分别采用无监督等距分箱，转化得到各个指标数据的新特征权重值，将转化得到的新特征权重值作为待输入分值估算模型的指标数据，需要说明的是，引入证据权重转换的目的并不是为了提高模型质量，只是一些变量不应该被纳入模型，这或者是因为它们不能增加模型值，或者是因为与其模型相关系数有关的误差较大，其实建立标准信用评分卡也可以不采用woe转换；q表示评分调整系数。
62.为了避免部分指标数据的丢失导致模型无法正常进行分值评估操作，因此在一些实施例中，将目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型之前，通过对待输入分值估算模型的指标数据进行缺失值检测，若指标数据中缺少满足分值估算模型进行分值估算操作的关键指标数据时，对关键指标数据进行填补操作；或跳过当前整组指标数据，选择另一组完整的备选指标数据作为待输入分值估算模型的指标数据。基于此能够确保输入分值估算模型的指标数据完整。
63.为了避免部分指标数据存在异常导致模型计算结果出错，在一些实施例中对指标数据进行异常值分析及处理。首先，对异常值检测。关于异常值的检测，这里简单介绍以下一些检测方法：a.单变量异常值检测：根据返回的统计数据生成箱线图。更明确的说就是里面列出了箱线图中箱须线外面的数据点。b.使用lof(局部异常因子)检测异常值：lof(局部异常因子)是一种基于密度识别异常值的算法。算法实现是：将一个点的局部密度与分布在它周围的点的密度相比较，如果前者明显的比后者小，那么这个点相对于周围的点来说就处于一个相对比较稀疏的区域，这就表明该点事一个异常值。c.通过聚类检测异常值：检测异常值的另外一种方式就是聚类。先把数据聚成不同的类，选择不属于任何类的数据作为异常值。这里使用k-means算法实现异常值的检测。首先通过把数据划分为k组，划分方式是选择距离各自簇中心最近的点为一组；然后计算每个对象和对应的簇中心的距离(或者相似度)，并挑出拥有最大的距离的点作为异常值。对于异常值，直接剔除。
64.为了能够让分值估算模型始终维持在一个精确度较高的范围内，在一些实施例中，该方法还包括：
65.监控当前分值估算模型的预测效果，预测效果通过预设指标体现，预设指标包括：模型区分能力ks值、模型预测准确性、模型稳定性psi、模型误放率、好价值预测准确率、坏价值预测准确率，对分值估算模型进行持续监控，通过折线图对比所述分值估算模型不同时期变化趋势，在分值估算模型效果下降时调整评估价值模型。
66.步骤103，根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
67.其中，当价值评估分超过预设阈值，说明该价值评估分对应的目标虚拟产品的可选性更高。
68.上述所有可选技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
69.具体实施时，本技术不受所描述的各个步骤的执行顺序的限制，在不产生冲突的情况下，某些步骤还可以采用其它顺序进行或者同时进行。
70.由上可知，本技术实施例提供的针对虚拟产品的价值评估方法通过获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。利用本技术实施例提供的针对虚拟产品的价值评估方法，采用从多个维度如信用风险、利率风险、加权流动性风险、市场表现以及基金经理的情况指标对债券基金做一个综合评估，其中包含了正面指标及负面指标，相比只从净增长率的考虑的传统评估方式，本方案考虑了基金的正负面指标对基金评估结果的影响，使得评估结果能够更加客观。同时本方案通过引入logistic回归模型构建价值评估体系，相较于以往通过专家经验人为设定每个指标参数对应权重值的打分卡模型，logistic回归模型能够通过对各个指标参数进行分析自动设定权重值，从而获得客观的债券基金评价，为债券基金投资者提供合理的基金产品风险信息。
71.本技术实施例还提供一种针对虚拟产品的价值评估装置，所述针对虚拟产品的价值评估装置可以集成在终端设备中。
72.请参阅图2，图2为本技术实施例提供的针对虚拟产品的价值评估装置的结构示意图。针对虚拟产品的价值评估装置30可以包括：
73.获取模块31，用于获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
74.估算模块32，用于将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；
75.确定模块33，用于根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
76.在一些实施例中，所述估算模块32，用于将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型，得到所述目标虚拟产品的基础分，及综合所述风险指标和关联指标得到的综合分；基于所述基础分与综合分对所述目标虚拟产品进行分值估算操作。
77.在一些实施例中，所述综合分基于预设算法计算得到，所述预设算法：
78.score
ij
＝wi*woe
ij
*q
79.其中，score
ij
表示所述综合分，wi表示所述logistic回归模型中第i个进行证据权重转化后的新特征的权重，woe
ij
表示所述logistic回归模型中第i个进行证据权重转化后的新特征取值为第j个分箱时的进行证据权重转化后的新特征权重值，q表示评分调整系
数。
80.在一些实施例中，所述装置还包括检测模块，用于对待输入所述分值估算模型的指标数据进行缺失值检测；若所述指标数据中缺少满足所述分值估算模型进行分值估算操作的关键指标数据时，对所述关键指标数据进行填补操作；或跳过当前整组指标数据，选择另一组完整的备选指标数据作为待输入所述分值估算模型的指标数据。
81.在一些实施例中，所述装置还包括处理模块，用于对待输入所述分值估算模型的各个指标数据分别采用无监督等距分箱，转化得到各个指标数据的新特征权重值，将转化得到的新特征权重值作为待输入所述分值估算模型的指标数据。
82.在一些实施例中，所述装置还包括监控模块，用于监控当前分值估算模型的预测效果，所述预测效果通过预设指标体现，所述预设指标包括：模型区分能力ks值、模型预测准确性、模型稳定性psi、模型误放率、好价值预测准确率、坏价值预测准确率；对所述分值估算模型进行持续监控，通过折线图对比所述分值估算模型不同时期变化趋势，在所述分值估算模型效果下降时调整所述评估价值模型。
83.在一些实施例中，当所述目标虚拟产品为债券基金时，所述风险指标至少包括债券基金的资产信用分、加权久期指标、加权流动指标及市场表现指标，所述关联指标至少包括基金经理的情况指标。
84.具体实施时，以上各个模块可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现。
85.由上可知，本技术实施例提供的针对虚拟产品的价值评估装置30，其中获取模块31用于获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；估算模块32用于将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；确定模块33用于根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
86.请参阅图3，图3为本技术实施例提供的针对虚拟产品的价值评估装置的另一结构示意图，针对虚拟产品的价值评估装置30包括存储器120、一个或多个处理器180、以及一个或多个应用程序，其中该一个或多个应用程序被存储于该存储器120中，并配置为由该处理器180执行；该处理器180可以包括获取模块31、估算模块32，以及确定模块33。例如，以上各个部件的结构和连接关系可以如下：
87.存储器120可用于存储应用程序和数据。存储器120存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器180通过运行存储在存储器120的应用程序，从而执行各种功能应用以及数据处理。此外，存储器120可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器120还可以包括存储器控制器，以提供处理器180对存储器120的访问。
88.处理器180是装置的控制中心，利用各种接口和线路连接整个终端的各个部分，通过运行或执行存储在存储器120内的应用程序，以及调用存储在存储器120内的数据，执行装置的各种功能和处理数据，从而对装置进行整体监控。可选的，处理器180可包括一个或
多个处理核心；优选的，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等。
89.具体在本实施例中，处理器180会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器120中，并由处理器180来运行存储在存储器120中的应用程序，从而实现各种功能：
90.获取指令，用于获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
91.估算指令，用于将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；
92.确定指令，用于根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
93.在一些实施例中，所述估算指令，用于将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型，得到所述目标虚拟产品的基础分，及综合所述风险指标和关联指标得到的综合分；基于所述基础分与综合分对所述目标虚拟产品进行分值估算操作。
94.在一些实施例中，所述综合分基于预设算法计算得到，所述预设算法：
95.score
ij
＝wi*woe
ij
*q
96.其中，score
ij
表示所述综合分，wi表示所述logistic回归模型中第i个进行证据权重转化后的新特征的权重，woe
ij
表示所述logistic回归模型中第i个进行证据权重转化后的新特征取值为第j个分箱时的进行证据权重转化后的新特征权重值，q表示评分调整系数。
97.在一些实施例中，所述程序还包括检测指令，用于对待输入所述分值估算模型的指标数据进行缺失值检测；若所述指标数据中缺少满足所述分值估算模型进行分值估算操作的关键指标数据时，对所述关键指标数据进行填补操作；或跳过当前整组指标数据，选择另一组完整的备选指标数据作为待输入所述分值估算模型的指标数据。
98.在一些实施例中，所述程序还包括处理指令，用于对待输入所述分值估算模型的各个指标数据分别采用无监督等距分箱，转化得到各个指标数据的新特征权重值，将转化得到的新特征权重值作为待输入所述分值估算模型的指标数据。
99.在一些实施例中，所述程序还包括监控指令，用于监控当前分值估算模型的预测效果，所述预测效果通过预设指标体现，所述预设指标包括：模型区分能力ks值、模型预测准确性、模型稳定性psi、模型误放率、好价值预测准确率、坏价值预测准确率；对所述分值估算模型进行持续监控，通过折线图对比所述分值估算模型不同时期变化趋势，在所述分值估算模型效果下降时调整所述评估价值模型。
100.在一些实施例中，当所述目标虚拟产品为债券基金时，所述风险指标至少包括债券基金的资产信用分、加权久期指标、加权流动指标及市场表现指标，所述关联指标至少包括基金经理的情况指标。
101.本技术实施例还提供一种终端设备。所述终端设备可以是服务器、智能手机、电脑、平板电脑等设备。
102.请参阅图4，图4示出了本技术实施例提供的终端设备的结构示意图，该终端设备可以用于实施上述实施例中提供的针对虚拟产品的价值评估方法。该终端设备1200可以为电视机或智能手机或平板电脑。
103.如图4所示，终端设备1200可以包括rf(radio frequency，射频)电路110、包括有一个或一个以上(图中仅示出一个)计算机可读存储介质的存储器120、输入单元130、显示单元140、传感器150、音频电路160、传输模块170、包括有一个或者一个以上(图中仅示出一个)处理核心的处理器180以及电源190等部件。本领域技术人员可以理解，图4中示出的终端设备1200结构并不构成对终端设备1200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
104.rf电路110用于接收以及发送电磁波，实现电磁波与电信号的相互转换，从而与通讯网络或者其他设备进行通讯。rf电路110可包括各种现有的用于执行这些功能的电路元件，例如，天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(sim)卡、存储器等等。rf电路110可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。
105.存储器120可用于存储软件程序以及模块，如上述实施例中针对虚拟产品的价值评估方法对应的程序指令/模块，处理器180通过运行存储在存储器120内的软件程序以及模块，从而执行各种功能应用以及数据处理，可以根据终端设备所处的当前场景来自动选择振动提醒模式来进行针对虚拟产品的价值评估，既能够保证会议等场景不被打扰，又能保证用户可以感知来电，提升了终端设备的智能性。存储器120可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器120可进一步包括相对于处理器180远程设置的存储器，这些远程存储器可以通过网络连接至终端设备1200。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
106.输入单元130可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地，输入单元130可包括触敏表面131以及其他输入设备132。触敏表面131，也称为触控显示屏或者触控板，可收集用户在其上或附近的触控操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面131上或在触敏表面131附近的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触敏表面131可包括触控检测装置和触控控制器两个部分。其中，触控检测装置检测用户的触控方位，并检测触控操作带来的信号，将信号传送给触控控制器；触控控制器从触控检测装置上接收触控信息，并将它转换成触点坐标，再送给处理器180，并能接收处理器180发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面131。除了触敏表面131，输入单元130还可以包括其他输入设备132。具体地，其他输入设备132可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
107.显示单元140可用于显示由用户输入的信息或提供给用户的信息以及终端设备1200的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元140可包括显示面板141，可选的，可以采用lcd(liquid crystal display，液晶显示器)、oled(organic light-emitting diode,有机发光二极管)等形式来
配置显示面板141。进一步的，触敏表面131可覆盖显示面板141，当触敏表面131检测到在其上或附近的触控操作后，传送给处理器180以确定触控事件的类型，随后处理器180根据触控事件的类型在显示面板141上提供相应的视觉输出。虽然在图4中，触敏表面131与显示面板141是作为两个独立的部件来实现输入和输出功能，但是在某些实施例中，可以将触敏表面131与显示面板141集成而实现输入和输出功能。
108.终端设备1200还可包括至少一种传感器150，比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板141的亮度，接近传感器可在终端设备1200移动到耳边时，关闭显示面板141和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于终端设备1200还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
109.音频电路160、扬声器161，传声器162可提供用户与终端设备1200之间的音频接口。音频电路160可将接收到的音频数据转换后的电信号，传输到扬声器161，由扬声器161转换为声音信号输出；另一方面，传声器162将收集的声音信号转换为电信号，由音频电路160接收后转换为音频数据，再将音频数据输出处理器180处理后，经rf电路110以发送给比如另一终端，或者将音频数据输出至存储器120以便进一步处理。音频电路160还可能包括耳塞插孔，以提供外设耳机与终端设备1200的通信。
110.终端设备1200通过传输模块170(例如wi-fi模块)可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图4示出了传输模块170，但是可以理解的是，其并不属于终端设备1200的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。
111.处理器180是终端设备1200的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在存储器120内的软件程序和/或模块，以及调用存储在存储器120内的数据，执行终端设备1200的各种功能和处理数据，从而对手机进行整体监控。可选的，处理器180可包括一个或多个处理核心；在一些实施例中，处理器180可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器180中。
112.终端设备1200还包括给各个部件供电的电源190，在一些实施例中，电源可以通过电源管理系统与处理器180逻辑相连，从而通过电源管理系统实现管理放电、以及功耗管理等功能。电源190还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
113.尽管未示出，终端设备1200还可以包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等，在此不再赘述。具体在本实施例中，终端设备1200的显示单元140是触控屏显示器，终端设备1200还包括有存储器120，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器120中，且经配置以由一个或者一个以上处理器180执行一个或者一个以上程序包含用于进行以下操作的指令：
114.获取指令，用于获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
115.估算指令，用于将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操作，得到与所述目标虚拟产品对应的价值评估分；
116.确定指令，用于根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
117.在一些实施例中，所述估算指令，用于将所述目标虚拟产品的指标数据输入基于logistic回归模型训练得到的分值估算模型，得到所述目标虚拟产品的基础分，及综合所述风险指标和关联指标得到的综合分；基于所述基础分与综合分对所述目标虚拟产品进行分值估算操作。
118.在一些实施例中，所述综合分基于预设算法计算得到，所述预设算法：
119.score
ij
＝wi*woe
ij
*q
120.其中，score
ij
表示所述综合分，wi表示所述logistic回归模型中第i个进行证据权重转化后的新特征的权重，woe
ij
表示所述logistic回归模型中第i个进行证据权重转化后的新特征取值为第j个分箱时的进行证据权重转化后的新特征权重值，q表示评分调整系数。
121.在一些实施例中，所述程序还包括检测指令，用于对待输入所述分值估算模型的指标数据进行缺失值检测；若所述指标数据中缺少满足所述分值估算模型进行分值估算操作的关键指标数据时，对所述关键指标数据进行填补操作；或跳过当前整组指标数据，选择另一组完整的备选指标数据作为待输入所述分值估算模型的指标数据。
122.在一些实施例中，所述程序还包括处理指令，用于对待输入所述分值估算模型的各个指标数据分别采用无监督等距分箱，转化得到各个指标数据的新特征权重值，将转化得到的新特征权重值作为待输入所述分值估算模型的指标数据。
123.在一些实施例中，所述程序还包括监控指令，用于监控当前分值估算模型的预测效果，所述预测效果通过预设指标体现，所述预设指标包括：模型区分能力ks值、模型预测准确性、模型稳定性psi、模型误放率、好价值预测准确率、坏价值预测准确率；对所述分值估算模型进行持续监控，通过折线图对比所述分值估算模型不同时期变化趋势，在所述分值估算模型效果下降时调整所述评估价值模型。
124.在一些实施例中，当所述目标虚拟产品为债券基金时，所述风险指标至少包括债券基金的资产信用分、加权久期指标、加权流动指标及市场表现指标，所述关联指标至少包括基金经理的情况指标。
125.本技术实施例还提供一种终端设备。所述终端设备可以是智能手机、电脑等设备。
126.由上可知，本技术实施例提供了一种终端设备1200，所述终端设备1200执行以下步骤：
127.获取目标虚拟产品的指标数据，所述指标数据至少包含用于指示所述目标虚拟产品自身风险性的风险指标，及用于指示与所述目标虚拟产品的价值体现具有直接关联的关联指标，所述风险指标包括增益指标及/或负面指标；
128.将所述目标虚拟产品的指标数据输入至训练好的分值估算模型进行分值估算操
作，得到与所述目标虚拟产品对应的价值评估分；
129.根据所述价值评估分与预设阈值的比对结果，确定所述目标虚拟产品的价值。
130.本技术实施例还提供一种存储介质，所述存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，所述计算机执行上述任一实施例所述的针对虚拟产品的价值评估方法。
131.需要说明的是，对本技术所述针对虚拟产品的价值评估方法而言，本领域普通测试人员可以理解实现本技术实施例所述针对虚拟产品的价值评估方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读存储介质中，如存储在终端设备的存储器中，并被该终端设备内的至少一个处理器执行，在执行过程中可包括如所述针对虚拟产品的价值评估方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)等。
132.对本技术实施例的所述针对虚拟产品的价值评估装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
133.以上对本技术实施例所提供的针对虚拟产品的价值评估方法、装置、介质及设备进行了详细介绍。本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。