本發(fā)明涉及投后管理，具體地，涉及基于資產(chǎn)監(jiān)控與動(dòng)態(tài)平衡的智能化投后管理系統(tǒng)及方法。

背景技術(shù)：

1、隨著金融市場(chǎng)的快速發(fā)展和日益復(fù)雜,投資機(jī)構(gòu)在投后管理過(guò)程中面臨諸多挑戰(zhàn)。傳統(tǒng)的投后管理主要依賴人工開(kāi)展監(jiān)控、分析和決策,存在效率低下、風(fēng)險(xiǎn)應(yīng)對(duì)不及時(shí)、資產(chǎn)配置不優(yōu)等問(wèn)題。亟需引入先進(jìn)的信息技術(shù),提升投后管理的智能化水平。

2、專利文獻(xiàn)cn117541397a（申請(qǐng)?zhí)枺?02311368750.x）公開(kāi)了基于ai投研策略的智能投資輔助方法、裝置及系統(tǒng)，該專利主要側(cè)重于利用人工智能技術(shù)進(jìn)行投資研究和決策輔助,通過(guò)爬取上市公司財(cái)務(wù)數(shù)據(jù),計(jì)算關(guān)鍵維度指標(biāo),并使用改進(jìn)的模擬退火算法進(jìn)行指標(biāo)賦權(quán),生成投資組合。而本專利更聚焦于投后管理環(huán)節(jié),在資產(chǎn)監(jiān)控、動(dòng)態(tài)平衡、業(yè)績(jī)分析等方面提供了全流程的解決方案。該專利雖然應(yīng)用了ai技術(shù),但主要用于投前研究,對(duì)投后管理的覆蓋不夠全面。

3、專利文獻(xiàn)cn117668583a（申請(qǐng)?zhí)枺?02410137246.7）公開(kāi)了基于人工智能投資研究的投資優(yōu)化方法，該專利利用多維度數(shù)據(jù)聚類技術(shù),通過(guò)分析歷史投資數(shù)據(jù)的分布特征和相關(guān)性,優(yōu)化聚類劃分結(jié)果,以實(shí)現(xiàn)更精準(zhǔn)的投資策略研究。這在數(shù)據(jù)處理和模型優(yōu)化上與本技術(shù)有一定相通之處。但該專利主要服務(wù)于投資策略研究,對(duì)投后管理的關(guān)注不足。相比之下,本技術(shù)不僅有資產(chǎn)配置優(yōu)化,還強(qiáng)調(diào)投后監(jiān)控、業(yè)績(jī)歸因、流程協(xié)同等,形成了一套端到端的智能化投后管理方案。

4、專利文獻(xiàn)tw202022766a（申請(qǐng)?zhí)枺簍w108143191）公開(kāi)了智能投資輔助系統(tǒng)，通過(guò)接收用戶輸入條件和偏好,結(jié)合歷史數(shù)據(jù)進(jìn)行回測(cè)分析,產(chǎn)生個(gè)性化的投資建議,并根據(jù)用戶反饋進(jìn)行機(jī)器學(xué)習(xí)優(yōu)化。這在個(gè)性化投資輔助和人機(jī)交互上與本技術(shù)有一定相似之處。但該專利對(duì)投后管理的技術(shù)方案闡述不夠具體和系統(tǒng),特別是在量化分析、多維監(jiān)控等方面。

5、專利文獻(xiàn)116720965a（申請(qǐng)?zhí)枺?02310718393.9）公開(kāi)了一種量化投資方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，通過(guò)獲取歷史項(xiàng)目數(shù)據(jù),使用量化投資核函數(shù)預(yù)測(cè)未來(lái)投資回報(bào),并據(jù)此確定量化投資策略。這在量化模型的應(yīng)用上與本技術(shù)有一定相通之處。但該專利主要針對(duì)投資決策階段,對(duì)投后管理的關(guān)注不足。相比之下,本技術(shù)不僅有資產(chǎn)配置優(yōu)化,還強(qiáng)調(diào)投后監(jiān)控、業(yè)績(jī)歸因、流程協(xié)同等,形成了一套全流程的智能化投后管理解決方案。

6、綜上,上述專利大多聚焦于投前研究或投資決策,對(duì)投后管理的關(guān)注不夠全面和系統(tǒng)；往往投資后的對(duì)象會(huì)隨著金融市場(chǎng)的變化而出現(xiàn)異常狀況，但是現(xiàn)有技術(shù)均不能及時(shí)給出調(diào)整決策，只能等待人為的調(diào)整；因此，亟需一種智能化投后管理系統(tǒng)及方法。

7、本技術(shù)從資產(chǎn)監(jiān)控、動(dòng)態(tài)平衡、智慧存續(xù)三個(gè)關(guān)鍵維度,提出了一套全流程、智能化、實(shí)用性強(qiáng)的投后管理系統(tǒng)解決方案,彌補(bǔ)了現(xiàn)有技術(shù)的不足,體現(xiàn)了顯著的創(chuàng)新性和實(shí)用性。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于資產(chǎn)監(jiān)控與動(dòng)態(tài)平衡的智能化投后管理系統(tǒng)及方法。

2、根據(jù)本發(fā)明提供的一種基于資產(chǎn)監(jiān)控與動(dòng)態(tài)平衡的智能化投后管理方法，包括：

3、步驟s1：定期采集包括凈值、投資策略以及資產(chǎn)配置的結(jié)構(gòu)化數(shù)據(jù)，以及包括滿足預(yù)設(shè)要求的新聞、公告的非結(jié)構(gòu)化數(shù)據(jù)；并對(duì)采集到的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理；

4、步驟s2：基于預(yù)處理后的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)構(gòu)建基金監(jiān)控指標(biāo)體系，利用所述基金監(jiān)控指標(biāo)體系進(jìn)行資產(chǎn)監(jiān)控；

5、步驟s3：根據(jù)資產(chǎn)監(jiān)控結(jié)果和市場(chǎng)風(fēng)險(xiǎn)狀況動(dòng)態(tài)優(yōu)化資產(chǎn)配置；

6、步驟s4：基于包括收益、風(fēng)險(xiǎn)、資產(chǎn)配置多維度建立業(yè)績(jī)?cè)u(píng)估系統(tǒng)，基于業(yè)績(jī)?cè)u(píng)估系統(tǒng)對(duì)投資組合進(jìn)行業(yè)績(jī)?cè)u(píng)估獲得業(yè)績(jī)?cè)u(píng)估結(jié)果，根據(jù)業(yè)績(jī)?cè)u(píng)估結(jié)果進(jìn)行歸因分析，根據(jù)歸因分析結(jié)果優(yōu)化投資策略。

7、優(yōu)選地，所述步驟s1采用：對(duì)采集到的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行包括清洗、集成處理，得到預(yù)處理后的數(shù)據(jù)；將預(yù)處理后的數(shù)據(jù)進(jìn)行分布式存儲(chǔ)；

8、其中，所述結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中；所述非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在nosql數(shù)據(jù)庫(kù)中。

9、優(yōu)選地，所述基金監(jiān)控指標(biāo)體系包括：基金凈值監(jiān)控模型、基金業(yè)績(jī)分析模型、投資組合壓力測(cè)試模型、負(fù)面新聞監(jiān)控模型；

10、所述基金凈值監(jiān)控模型是通過(guò)時(shí)間序列分析捕捉基金凈值的歷史變化趨勢(shì)，基于基金凈值的歷史變化趨勢(shì)進(jìn)行異常波動(dòng)檢測(cè)；

11、所述基金業(yè)績(jī)分析模型是利用多因子模型分解基金收益，定量評(píng)估各類風(fēng)險(xiǎn)因子對(duì)收益的貢獻(xiàn)；

12、所述投資組合壓力測(cè)試模型是通過(guò)情景分析設(shè)定市場(chǎng)壓力場(chǎng)景，并通過(guò)蒙特卡洛模擬設(shè)定的市場(chǎng)壓力場(chǎng)景下的市場(chǎng)路徑，估計(jì)組合風(fēng)險(xiǎn)；

13、所述負(fù)面新聞監(jiān)控模型是通過(guò)機(jī)器學(xué)習(xí)以及自然語(yǔ)言處理技術(shù)，對(duì)采集到的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行語(yǔ)義分析，實(shí)現(xiàn)了對(duì)于基金投資相關(guān)的負(fù)面新聞事件的實(shí)時(shí)監(jiān)控。

14、優(yōu)選地，所述步驟s3采用：

15、步驟s3.1：引入black-litterman模型,將市場(chǎng)觀點(diǎn)量化為資產(chǎn)預(yù)期收益的修正；

16、

17、其中，表示對(duì)先驗(yàn)分布的信心程度，表示p的轉(zhuǎn)置，表示投資者預(yù)期的相對(duì)收益；表示市場(chǎng)隱含均衡收益向量；表示協(xié)方差矩陣；表示將市場(chǎng)觀點(diǎn)表達(dá)為資產(chǎn)組合相對(duì)收益；表示不確定性矩陣；

18、步驟s3.2：引入risk?parity模型,平衡資產(chǎn)組合中各資產(chǎn)的風(fēng)險(xiǎn)貢獻(xiàn)；

19、

20、其中，表示各資產(chǎn)的權(quán)重向量；表示風(fēng)險(xiǎn)預(yù)算常數(shù)；表示所有資產(chǎn)權(quán)重之和為1；表示每個(gè)資產(chǎn)的權(quán)重非負(fù)；

21、步驟s3.3：綜合black-litterman模型和risk?parity模型,生成最優(yōu)資產(chǎn)配置方案；

22、將black-litterman模型得到的修正預(yù)期收益e(r)和risk?parity模型得到的權(quán)重ω輸入均值-方差優(yōu)化模型，通過(guò)蒙特卡洛模擬和情景分析,優(yōu)化均值-方差優(yōu)化模型參數(shù),得到最優(yōu)資產(chǎn)配置權(quán)重ω*。

23、優(yōu)選地，所述將black-litterman模型得到的修正預(yù)期收益e(r)和risk?parity模型得到的權(quán)重ω輸入均值-方差優(yōu)化模型，通過(guò)蒙特卡洛模擬和情景分析,優(yōu)化均值-方差優(yōu)化模型參數(shù),得到最優(yōu)資產(chǎn)配置權(quán)重ω*，包括：

24、步驟s3.3.1：通過(guò)蒙特卡洛模擬生成滿足預(yù)設(shè)要求數(shù)量的市場(chǎng)情景，每個(gè)場(chǎng)景包含資產(chǎn)收益率和協(xié)方差矩陣；

25、步驟s3.3.2：對(duì)每個(gè)情景，使用不同的風(fēng)險(xiǎn)厭惡系數(shù)運(yùn)行均值-方差優(yōu)化，得到一系列最優(yōu)權(quán)重；

26、步驟s3.3.3：對(duì)所有情景的結(jié)果進(jìn)行統(tǒng)計(jì)分析,評(píng)估不同值下最優(yōu)權(quán)重的穩(wěn)定性和表現(xiàn)；

27、步驟s3.3.4：選擇滿足預(yù)設(shè)條件下表現(xiàn)最佳且最穩(wěn)定的值；

28、步驟s3.3.5：使用選定的值,結(jié)合原始數(shù)據(jù)再次運(yùn)行均值-方差優(yōu)化模型,得到最終的最優(yōu)資產(chǎn)配置權(quán)重ω*。

29、優(yōu)選地，所述步驟s3還包括：在利用所述基金監(jiān)控指標(biāo)體系進(jìn)行資產(chǎn)監(jiān)控，當(dāng)監(jiān)控到異常資產(chǎn)時(shí)，則觸發(fā)預(yù)警；并根據(jù)異常情況提供相應(yīng)的調(diào)整策略；

30、當(dāng)異常資產(chǎn)偏離預(yù)期且滿足預(yù)設(shè)要求時(shí)，則執(zhí)行止損策略，控制損失；

31、當(dāng)異常資產(chǎn)風(fēng)險(xiǎn)可控且滿足預(yù)設(shè)要求時(shí)，則根據(jù)策略動(dòng)態(tài)調(diào)整模型調(diào)整倉(cāng)位，優(yōu)化組合；

32、所述策略動(dòng)態(tài)調(diào)整模型是基于機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)倉(cāng)位動(dòng)態(tài)調(diào)整。

33、優(yōu)選地，所述策略動(dòng)態(tài)調(diào)整模型包括：

34、步驟s3.4：構(gòu)建多目標(biāo)強(qiáng)化學(xué)習(xí)模型,設(shè)置狀態(tài)空間、動(dòng)作空間和獎(jiǎng)勵(lì)函數(shù)；其中，狀態(tài)空間變量包括資產(chǎn)價(jià)格、持倉(cāng)、市場(chǎng)環(huán)境；動(dòng)作空間變量為資產(chǎn)配置權(quán)重的調(diào)整；獎(jiǎng)勵(lì)函數(shù)包括收益、風(fēng)險(xiǎn)、交易成本多個(gè)目標(biāo)；

35、步驟s3.5：訓(xùn)練多目標(biāo)強(qiáng)化學(xué)習(xí)模型,使其學(xué)習(xí)最優(yōu)動(dòng)態(tài)策略；

36、采用dqn、a3c深度強(qiáng)化學(xué)習(xí)算法,通過(guò)不斷與市場(chǎng)環(huán)境交互,使多目標(biāo)強(qiáng)化學(xué)習(xí)模型學(xué)習(xí)最優(yōu)策略函數(shù)；

37、所述多目標(biāo)強(qiáng)化學(xué)習(xí)模型是采用包括lstm結(jié)構(gòu)處理時(shí)序特征，并利用注意力機(jī)制捕捉跨資產(chǎn)聯(lián)動(dòng)；

38、步驟s3.6：利用訓(xùn)練好的多目標(biāo)強(qiáng)化學(xué)習(xí)模型,根據(jù)市場(chǎng)變化動(dòng)態(tài)調(diào)整資產(chǎn)配置；

39、實(shí)時(shí)獲取市場(chǎng)數(shù)據(jù),輸入訓(xùn)練好的多目標(biāo)強(qiáng)化學(xué)習(xí)模型,生成動(dòng)作信號(hào)；根據(jù)動(dòng)作信號(hào)調(diào)整各資產(chǎn)的配置權(quán)重,以應(yīng)對(duì)市場(chǎng)波動(dòng),控制組合風(fēng)險(xiǎn)。

40、優(yōu)選地，所述步驟s4采用：

41、步驟s4.1：獲取投資組合的歷史數(shù)據(jù)，包括：收益率、風(fēng)險(xiǎn)指標(biāo)以及投資配置；

42、步驟s4.2：根據(jù)包括收益、風(fēng)險(xiǎn)以及資產(chǎn)配置多維度評(píng)估指標(biāo)，建立綜合評(píng)估系統(tǒng)；

43、

44、其中，表示綜合評(píng)估得分，分別表示各指標(biāo)的權(quán)重，表示收益評(píng)估指標(biāo)，表示風(fēng)險(xiǎn)評(píng)估指標(biāo)，表示資產(chǎn)配置的評(píng)估指標(biāo)；

45、步驟s4.3：利用綜合評(píng)估體系對(duì)投資組合進(jìn)行綜合評(píng)估，得到綜合評(píng)估結(jié)果；

46、步驟s4.4：綜合評(píng)估結(jié)果通過(guò)歸因分析方法獲得投資組合的超額收益和風(fēng)險(xiǎn)來(lái)源；

47、步驟s4.5：利用聚類分析將投資組合分為不同的類別；

48、步驟s4.6：使用關(guān)聯(lián)分析獲取不同資產(chǎn)組合之間的關(guān)聯(lián)關(guān)系；

49、步驟s4.7：將歸因分析結(jié)果、聚類分析結(jié)果、關(guān)聯(lián)分析結(jié)果轉(zhuǎn)化為約束條件，利用markowitz均值-方差框架對(duì)投資組合的配置和權(quán)重進(jìn)行優(yōu)化調(diào)整，根據(jù)優(yōu)化后的投資組合的配置和權(quán)重調(diào)整投資策略。

50、根據(jù)本發(fā)明提供的一種基于資產(chǎn)監(jiān)控與動(dòng)態(tài)平衡的智能化投后管理系統(tǒng)，包括：

51、模塊m1：定期采集包括凈值、投資策略以及資產(chǎn)配置的結(jié)構(gòu)化數(shù)據(jù)，以及包括滿足預(yù)設(shè)要求的新聞、公告的非結(jié)構(gòu)化數(shù)據(jù)；并對(duì)采集到的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行預(yù)處理；

52、模塊m2：基于預(yù)處理后的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)構(gòu)建基金監(jiān)控指標(biāo)體系，利用所述基金監(jiān)控指標(biāo)體系進(jìn)行資產(chǎn)監(jiān)控；

53、模塊m3：根據(jù)資產(chǎn)監(jiān)控結(jié)果和市場(chǎng)風(fēng)險(xiǎn)狀況動(dòng)態(tài)優(yōu)化資產(chǎn)配置；

54、模塊m4：基于包括收益、風(fēng)險(xiǎn)、資產(chǎn)配置多維度建立業(yè)績(jī)?cè)u(píng)估系統(tǒng)，基于業(yè)績(jī)?cè)u(píng)估系統(tǒng)對(duì)投資組合進(jìn)行業(yè)績(jī)?cè)u(píng)估獲得業(yè)績(jī)?cè)u(píng)估結(jié)果，根據(jù)業(yè)績(jī)?cè)u(píng)估結(jié)果進(jìn)行歸因分析，根據(jù)歸因分析結(jié)果優(yōu)化投資策略。

55、優(yōu)選地，所述模塊m1采用：對(duì)采集到的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行包括清洗、集成處理，得到預(yù)處理后的數(shù)據(jù)；將預(yù)處理后的數(shù)據(jù)進(jìn)行分布式存儲(chǔ)；

56、其中，所述結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在關(guān)系型數(shù)據(jù)庫(kù)中；所述非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在nosql數(shù)據(jù)庫(kù)中；

57、所述基金監(jiān)控指標(biāo)體系包括：基金凈值監(jiān)控模型、基金業(yè)績(jī)分析模型、投資組合壓力測(cè)試模型、負(fù)面新聞監(jiān)控模型；

58、所述基金凈值監(jiān)控模型是通過(guò)時(shí)間序列分析捕捉基金凈值的歷史變化趨勢(shì)，基于基金凈值的歷史變化趨勢(shì)進(jìn)行異常波動(dòng)檢測(cè)；

59、所述基金業(yè)績(jī)分析模型是利用多因子模型分解基金收益，定量評(píng)估各類風(fēng)險(xiǎn)因子對(duì)收益的貢獻(xiàn)；

60、所述投資組合壓力測(cè)試模型是通過(guò)情景分析設(shè)定市場(chǎng)壓力場(chǎng)景，并通過(guò)蒙特卡洛模擬設(shè)定的市場(chǎng)壓力場(chǎng)景下的市場(chǎng)路徑，估計(jì)組合風(fēng)險(xiǎn)；

61、所述負(fù)面新聞監(jiān)控模型是通過(guò)機(jī)器學(xué)習(xí)以及自然語(yǔ)言處理技術(shù)，對(duì)采集到的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行語(yǔ)義分析，實(shí)現(xiàn)了對(duì)于基金投資相關(guān)的負(fù)面新聞事件的實(shí)時(shí)監(jiān)控；

62、所述模塊m3采用：

63、模塊m3.1：引入black-litterman模型,將市場(chǎng)觀點(diǎn)量化為資產(chǎn)預(yù)期收益的修正；

64、

65、其中，表示對(duì)先驗(yàn)分布的信心程度，表示p的轉(zhuǎn)置，表示投資者預(yù)期的相對(duì)收益；表示市場(chǎng)隱含均衡收益向量；表示協(xié)方差矩陣；表示將市場(chǎng)觀點(diǎn)表達(dá)為資產(chǎn)組合相對(duì)收益；表示不確定性矩陣；

66、模塊m3.2：引入risk?parity模型,平衡資產(chǎn)組合中各資產(chǎn)的風(fēng)險(xiǎn)貢獻(xiàn)；

67、

68、其中，表示各資產(chǎn)的權(quán)重向量；表示風(fēng)險(xiǎn)預(yù)算常數(shù)；表示所有資產(chǎn)權(quán)重之和為1；表示每個(gè)資產(chǎn)的權(quán)重非負(fù)；

69、模塊m3.3：綜合black-litterman模型和risk?parity模型,生成最優(yōu)資產(chǎn)配置方案；

70、將black-litterman模型得到的修正預(yù)期收益e(r)和risk?parity模型得到的權(quán)重ω輸入均值-方差優(yōu)化模型，通過(guò)蒙特卡洛模擬和情景分析,優(yōu)化均值-方差優(yōu)化模型參數(shù),得到最優(yōu)資產(chǎn)配置權(quán)重ω*；

71、所述將black-litterman模型得到的修正預(yù)期收益e(r)和risk?parity模型得到的權(quán)重ω輸入均值-方差優(yōu)化模型，通過(guò)蒙特卡洛模擬和情景分析,優(yōu)化均值-方差優(yōu)化模型參數(shù),得到最優(yōu)資產(chǎn)配置權(quán)重ω*，包括：

72、模塊m3.3.1：通過(guò)蒙特卡洛模擬生成滿足預(yù)設(shè)要求數(shù)量的市場(chǎng)情景，每個(gè)場(chǎng)景包含資產(chǎn)收益率和協(xié)方差矩陣；

73、模塊m3.3.2：對(duì)每個(gè)情景，使用不同的風(fēng)險(xiǎn)厭惡系數(shù)運(yùn)行均值-方差優(yōu)化，得到一系列最優(yōu)權(quán)重；

74、模塊m3.3.3：對(duì)所有情景的結(jié)果進(jìn)行統(tǒng)計(jì)分析,評(píng)估不同值下最優(yōu)權(quán)重的穩(wěn)定性和表現(xiàn)；

75、模塊m3.3.4：選擇滿足預(yù)設(shè)條件下表現(xiàn)最佳且最穩(wěn)定的值；

76、模塊m3.3.5：使用選定的值,結(jié)合原始數(shù)據(jù)再次運(yùn)行均值-方差優(yōu)化模型,得到最終的最優(yōu)資產(chǎn)配置權(quán)重ω*；

77、所述模塊m3還包括：在利用所述基金監(jiān)控指標(biāo)體系進(jìn)行資產(chǎn)監(jiān)控，當(dāng)監(jiān)控到異常資產(chǎn)時(shí)，則觸發(fā)預(yù)警；并根據(jù)異常情況提供相應(yīng)的調(diào)整策略；

78、當(dāng)異常資產(chǎn)偏離預(yù)期且滿足預(yù)設(shè)要求時(shí)，則執(zhí)行止損策略，控制損失；

79、當(dāng)異常資產(chǎn)風(fēng)險(xiǎn)可控且滿足預(yù)設(shè)要求時(shí)，則根據(jù)策略動(dòng)態(tài)調(diào)整模型調(diào)整倉(cāng)位，優(yōu)化組合；

80、所述策略動(dòng)態(tài)調(diào)整模型是基于機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)倉(cāng)位動(dòng)態(tài)調(diào)整；

81、所述策略動(dòng)態(tài)調(diào)整模型包括：

82、模塊m3.4：構(gòu)建多目標(biāo)強(qiáng)化學(xué)習(xí)模型,設(shè)置狀態(tài)空間、動(dòng)作空間和獎(jiǎng)勵(lì)函數(shù)；其中，狀態(tài)空間變量包括資產(chǎn)價(jià)格、持倉(cāng)、市場(chǎng)環(huán)境；動(dòng)作空間變量為資產(chǎn)配置權(quán)重的調(diào)整；獎(jiǎng)勵(lì)函數(shù)包括收益、風(fēng)險(xiǎn)、交易成本多個(gè)目標(biāo)；

83、模塊m3.5：訓(xùn)練多目標(biāo)強(qiáng)化學(xué)習(xí)模型,使其學(xué)習(xí)最優(yōu)動(dòng)態(tài)策略；

84、采用dqn、a3c深度強(qiáng)化學(xué)習(xí)算法,通過(guò)不斷與市場(chǎng)環(huán)境交互,使多目標(biāo)強(qiáng)化學(xué)習(xí)模型學(xué)習(xí)最優(yōu)策略函數(shù)；

85、所述多目標(biāo)強(qiáng)化學(xué)習(xí)模型是采用包括lstm結(jié)構(gòu)處理時(shí)序特征，并利用注意力機(jī)制捕捉跨資產(chǎn)聯(lián)動(dòng)；

86、模塊m3.6：利用訓(xùn)練好的多目標(biāo)強(qiáng)化學(xué)習(xí)模型,根據(jù)市場(chǎng)變化動(dòng)態(tài)調(diào)整資產(chǎn)配置；

87、實(shí)時(shí)獲取市場(chǎng)數(shù)據(jù),輸入訓(xùn)練好的多目標(biāo)強(qiáng)化學(xué)習(xí)模型,生成動(dòng)作信號(hào)；根據(jù)動(dòng)作信號(hào)調(diào)整各資產(chǎn)的配置權(quán)重,以應(yīng)對(duì)市場(chǎng)波動(dòng),控制組合風(fēng)險(xiǎn)；

88、所述模塊m4采用：

89、模塊m4.1：獲取投資組合的歷史數(shù)據(jù)，包括：收益率、風(fēng)險(xiǎn)指標(biāo)以及投資配置；

90、模塊m4.2：根據(jù)包括收益、風(fēng)險(xiǎn)以及資產(chǎn)配置多維度評(píng)估指標(biāo)，建立綜合評(píng)估系統(tǒng)；

91、

92、其中，表示綜合評(píng)估得分，分別表示各指標(biāo)的權(quán)重，表示收益評(píng)估指標(biāo)，表示風(fēng)險(xiǎn)評(píng)估指標(biāo)，表示資產(chǎn)配置的評(píng)估指標(biāo)；

93、模塊m4.3：利用綜合評(píng)估體系對(duì)投資組合進(jìn)行綜合評(píng)估，得到綜合評(píng)估結(jié)果；

94、模塊m4.4：綜合評(píng)估結(jié)果通過(guò)歸因分析方法獲得投資組合的超額收益和風(fēng)險(xiǎn)來(lái)源；

95、模塊m4.5：利用聚類分析將投資組合分為不同的類別；

96、模塊m4.6：使用關(guān)聯(lián)分析獲取不同資產(chǎn)組合之間的關(guān)聯(lián)關(guān)系；

97、模塊m4.7：將歸因分析結(jié)果、聚類分析結(jié)果、關(guān)聯(lián)分析結(jié)果轉(zhuǎn)化為約束條件，利用markowitz均值-方差框架對(duì)投資組合的配置和權(quán)重進(jìn)行優(yōu)化調(diào)整，根據(jù)優(yōu)化后的投資組合的配置和權(quán)重調(diào)整投資策略。

98、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

99、1、本發(fā)明基于實(shí)時(shí)采集到的數(shù)據(jù)信息實(shí)現(xiàn)全面的數(shù)據(jù)監(jiān)控和分析，更為具體地，本發(fā)明通過(guò)建立涵蓋凈值監(jiān)控、業(yè)績(jī)歸因、壓力測(cè)試、關(guān)聯(lián)事件監(jiān)控、流動(dòng)性分析等多維度數(shù)據(jù)的監(jiān)控體系對(duì)采集到的數(shù)據(jù)進(jìn)行異常分析,并深度挖掘異常原因，及時(shí)調(diào)整優(yōu)化策略；

100、2、本發(fā)明能夠?qū)崿F(xiàn)智能策略優(yōu)化，利用機(jī)器學(xué)習(xí)算法動(dòng)態(tài)優(yōu)化資產(chǎn)配置和投資策略,能夠根據(jù)市場(chǎng)變化自動(dòng)調(diào)整,持續(xù)提升投資組合的風(fēng)險(xiǎn)調(diào)整后收益；

101、3、本發(fā)明能夠?qū)崿F(xiàn)高效投后管理，打通投后管理各個(gè)環(huán)節(jié),實(shí)現(xiàn)數(shù)據(jù)流、業(yè)務(wù)流、管理流的無(wú)縫集成,顯著提高投后管理效率和規(guī)范性；

102、4、本發(fā)明能夠?qū)崿F(xiàn)可擴(kuò)展的系統(tǒng)架構(gòu)，本發(fā)明采用微服務(wù)架構(gòu)和大數(shù)據(jù)技術(shù),具有良好的可擴(kuò)展性,能夠靈活集成新的數(shù)據(jù)源和分析模型,適應(yīng)不斷變化的業(yè)務(wù)需求；

103、5、本發(fā)明通過(guò)融合大數(shù)據(jù)、人工智能等技術(shù),實(shí)現(xiàn)對(duì)投資組合的全面監(jiān)控、智能分析、動(dòng)態(tài)優(yōu)化和風(fēng)險(xiǎn)預(yù)警,顯著提高投后管理效率和專業(yè)化水平。