[发明专利]基于神经网络的基金产品的筛选方法、终端设备及介质

权利要求书

1.一种基于神经网络的基金产品的筛选方法，其特征在于，包括：

确定各个候选基金产品的各个预设影响因子的值；所述预设影响因子包括行业权重、系统风险及信息比例；

将所述候选基金产品的各个所述预设影响因子的值输入预先训练好的基金收益率确定模型，确定所述候选基金产品的收益率；

基于所述候选基金产品的收益率，从所述候选基金产品中筛选符合预设要求的目标基金产品。

2.根据权利要求1所述的基于神经网络的基金产品的筛选方法，其特征在于，所述基金收益率确定模型包括依次连接的因子筛选层及收益率计算层；

所述将所述候选基金产品的各个所述预设影响因子的值输入预先训练好的基金收益率确定模型，确定所述候选基金产品的收益率，包括：

将所述候选基金产品的各个所述预设影响因子的值导入所述因子筛选层，在所述因子筛选层基于各个所述预设影响因子的值，从所有所述预设影响因子中筛选对基金产品的收益率产生不同影响的有效影响因子；

在所述收益率计算层基于各个所述有效影响因子的值，从所述有效影响因子中筛选与基金产品的收益率正相关的目标影响因子；

在所述收益率计算层基于各个所述目标影响因子的值及预先学习到的各个所述目标影响因子的权重，计算所述候选基金产品的收益率。

3.根据权利要求2所述的基于神经网络的基金产品的筛选方法，其特征在于，所述将所述候选基金产品的各个所述预设影响因子的值导入所述因子筛选层，在所述因子筛选层基于各个所述预设影响因子的值，从所有所述预设影响因子中筛选对基金产品的收益率产生不同影响的有效影响因子，包括：

在所述因子筛选层基于各个所述预设影响因子的值，计算每两个所述预设影响因子之间的相关性；

将相关性小于第一相关性阈值的所有所述预设影响因子均保留，并从相关性大于或等于所述第一相关性阈值的所有所述预设影响因子中仅保留一个所述预设影响因子，将保留的所述预设影响因子确定为有效影响因子。

4.根据权利要求2所述的基于神经网络的基金产品的筛选方法，其特征在于，所述在所述收益率计算层基于各个所述目标影响因子的值及预先学习到的各个所述目标影响因子的权重，计算所述候选基金产品的收益率，包括：

在所述收益率计算层基于以下公式计算所述候选基金产品的收益率：

其中，Gain为候选基金产品的收益率，A为常数，n为目标影响因子的个数，X_i为第i个目标影响因子的值，A_i为第i个目标影响因子的权重，X为所有目标影响因子的值的均值。

5.根据权利要求1至4任一项所述的基于神经网络的基金产品的筛选方法，其特征在于，所述基于所述候选基金产品的收益率，从所述候选基金产品中筛选符合预设要求的目标基金产品，包括：

基于所述候选基金产品的收益率，将各个所述候选基金产品按照收益率从高到低的顺序进行排序；

将排列靠前的N个所述候选基金产品确定为目标基金产品。

6.一种终端设备，其特征在于，所述终端设备包括存储器、处理器以及存储在所述存储器中并可在所述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如下步骤：

确定各个候选基金产品的各个预设影响因子的值；所述预设影响因子包括行业权重、系统风险及信息比例；

将所述候选基金产品的各个所述预设影响因子的值输入预先训练好的基金收益率确定模型，确定所述候选基金产品的收益率；

基于所述候选基金产品的收益率，从所述候选基金产品中筛选符合预设要求的目标基金产品。