[发明专利]一种投资数据处理方法及装置

说明书

本发明公开了一种投资数据处理方法及装置，属于大数据技术领域。所述方法包括：获取至少两个投资项目对应的风险值数据；根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；将所述风险值数据，输入预设风险平价模型，输出所述至少两个投资项目各自的资产配置权重结果；根据所述资产配置权重结果，对所述至少两个投资项目进行分类处理。本发明实施例提供的投资数据处理方法及装置，通过运用一种简化的风险平价模型以及其他数据处理手段，模型计算简单，并且上述投资数据的处理结果经过实际验证，具有更好的投资参考作用和投资回报率。

技术领域

本发明涉及大数据技术领域，特别涉及一种投资数据处理方法及装置。

背景技术

大数据、云计算、人工智能等科技概念正日渐与我们的社会生活接轨，可以说，数据信息，早已渗透到当今每一个行业和业务职能领域，成为重要的生产因素。而大数据与金融领域结合而生的量化投资，在如今这跌宕起伏的市场行情里，以其特有的策略属性，可以有效降低投资组合的波动性，在资产配置组合中发挥出了稳定器的作用。事实上，互联网的发展，使得新概念在世界范围的传播速度非常快，作为一个概念，量化投资并不算新，国内投资者早有耳闻。但是，真正的量化基金在国内还比较罕见。同时，先进的大数据处理手段以及机器学习的发展也对量化投资起了促进作用。

风险平价(Risk Parity)，指的是通过数学的方法对投资组合中的资产分配相同权重的风险的一种资产配置模型，与传统的60/40股票和债券的资产配置模型相比，风险平价模型将股票和债券的风险等权重设置，而60/40组合的风险敞口绝大部分都在股票资产端。目前，基于风险配置的风险平价(Risk Parity)模型已经成为全球投资界主流的资产配置理念之一，其中最典型的代表就是桥水基金(Bridgewater Associates)的全天候策略(All Weather)。

事实上，对投资数据进行数据处理的深度学习模型，即传统风险平价模型，是一个资产配比和资产风险贡献相等的约束条件下非线性问题，模型计算过程相对复杂，不利于计算模型的推广，因此亟需提供一种优化投资数据处理方案，尤其简化的风险平价模型，以便服务于互联网环境下的量化投资领域。下面简单介绍这种传统风险平价模型。

假设投资组合中共有n个资产，第i个资产对整个投资组合的风险贡献值为RC_i。先计算组合的波动率对每一项资产权重的偏导数。

风险贡献值RC_i为

其中，

为投资组合的波动率，用以衡量组合的整体风险；

w为风险组合内各项资产的权重向量，w_i为其中第i项资产的权重；

∑为投资组合收益率的协方差矩阵；

1_i为第i个元素为1，其他元素为0的n维列向量。

∑w_i为向量∑w的第i行元素。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种投资数据处理方法及装置，通过运用一种简化的风险平价模型以及其他数据处理手段，模型计算简单，并且上述投资数据的处理结果经过实际验证，具有更好的投资参考作用和投资回报率。所述技术方案如下：

一方面，提供了一种投资数据处理方法，所述方法包括：

获取至少两个投资项目对应的风险值数据；

根据预设风险值范围对所述至少两个投资项目进行统计分类，获取不同等级的投资项目和风险值数据；