[发明专利]资产配置方法、系统及存储介质

权利要求书

1.一种资产配置方法，其特征在于，应用于金融资产配置系统，所述方法包括以下步骤：

获取金融资产的资产相关数据；

根据所述资产相关数据，基于预先构建的KMV模型计算出所述金融资产的违约距离以及违约概率；

对所述资产相关数据和所述KMV模型计算得出的违约距离以及违约概率进行特征重组，得到重组特征；

将所述重组特征输入训练好的LSTM网络进行预测，得到所述金融资产的涨跌概率值；

将所述金融资产的涨跌概率值映射成BL模型需要输入的P、Q矩阵；

将所述资产相关数据和所述P、Q矩阵输入BL模型进行处理，得到资产配置结果。

2.根据权利要求1所述的方法，其特征在于，所述金融资产为股票，所述获取金融资产的资产相关数据的步骤包括：

获取相关财务数据、资产负债数据以及股票相关数据，所述股票相关数据包括：开盘价、收盘价、最低价、最高价、成交量、成交金额、前复权数据、涨停价、跌停价、平均价前一天的收盘价中的一种或多种。

3.根据权利要求2所述的方法，其特征在于，所述根据所述资产相关数据，基于预先构建的KMV模型计算出所述金融资产的违约距离以及违约概率的步骤包括：

将所述相关财务数据、资产负债数据以及股票相关数据输入预先构建的KMV模型进行如下计算：

根据股票的日收盘价计算日收益率；

根据所述日收益率计算日收益率波动率；

根据所述日收益率波动率计算年收益率波动率；

根据年收益率波动率，以及资产负债数据、股权价值、一年期存款利率和评估期限，计算得到资产价值、资产收益标准差和违约点；

根据所述资产价值、资产收益标准差和违约点计算出每只股票的违约距离以及违约概率。

4.根据权利要求2所述的方法，其特征在于，所述获取金融资产的资产相关数据的步骤之前还包括：

获取预先收集并处理得到的预设数量的股票的相关财务数据、资产负债数据以及股票相关数据；

根据所述相关财务数据、资产负债数据以及股票相关数据，构建得到KMV模型。

5.根据权利要求2所述的方法，其特征在于，所述将所述重组特征输入训练好的LSTM网络进行预测，得到所述金融资产的涨跌概率值的步骤之前还包括：

获取预先收集并处理得到的股票相关数据集；

获取所述股票相关数据集对应的样本特征数据集，所述样本特征数据集包括训练集、验证集和测试集；

将所述训练集及验证集以预设输入形状输入至LSTM网络进行网络训练，得到训练好的LSTM网络，所述预设输入形状包括：股票的样本个数、每个股票的序列长度以及特征数；

通过所述测试集对所述训练好的LSTM网络进行测试，最后确定最终的LSTM网络。

6.根据权利要求5所述的方法，其特征在于，所述获取所述样本数据集对应的样本特征数据集的步骤包括：

根据所述样本数据集中的相关财务数据、资产负债数据、股票相关数据，基于预先构建的KMV模型计算出所述每只股票的违约距离以及违约概率；

对所述股票相关数据和所述KMV模型计算得出的每只股票的违约距离以及违约概率进行特征重组，得到重组特征构成的样本特征数据集。

7.根据权利要求1-6中任一项所述的方法，其特征在于，所述方法还包括：

根据所述金融资产的涨跌概率值辅助所述BL模型的投资者的主观观点。