投资建议提供方法和系统

摘要

本发明使得可以基于用户做出的预测向用户提供投资建议。本发明包括例如一种用于在计算机上提供与用户投资有关的建议的投资建议提供方法，其中计算机：接收用户的投资策略以及与经济指标或企业业绩有关的当前市场预测和用户预测；使用预测模型模拟从当前市场预测和用户预测而预测的投资结果，所述预测模型在过去的市场预测和用户预测以及这些预测的投资结果的基础上通过机器学习进行了训练，并从预测投资结果中，输出满足用户投资策略的结果。

说明书

技术领域

本技术涉及用于提供关于投资的建议的方法和系统。

背景技术

国际公开No.WO 2019/082274公开了这样一种技术：其中根据多个用户预测值计算市场预测，计算特定用户预测值与市场预测之间的偏差值，并且当偏差值等于或大于预定值时发送警报，目的是使大量用户能够容易地共享和管理公司的业绩预测，并且用于提出尊重每个用户(包括个人和小投资者)的业绩预测的股票投资建议。

国际公开No.WO 2019/186988公开了这样一种技术：用于通过使用用户的预测值和倍数来计算理论股票价格，并且当从数据库读出的当前股票价格和理论股票价格偏离预定值或更大时发送警报，目的是通过基于用户自己对公司的业绩预测参考过去业绩和股票价格来支持股票价格预测。

国际公开No.WO 2020/084733公开了这样一种技术：用于相对于公司业绩的年度计划值管理季度进度并且用于容易地将结果与用户在同一时期的预测值进行比较的技术，其中，基于第一时期的公司业绩计划值来计算其中第一时期被按比例划分的第二时期中的公司业绩计划值，将第二时期中的公司业绩计划值与用户在第二时期中的公司业绩的预测值进行比较，并且当第二时期内公司业绩的计划值和用户的预测值偏离预定值或更大时，发送警报。

引用列表

专利文献

专利文献1：国际公开No.WO 2019/082274

专利文献2：国际公开No.WO 2019/186988

专利文献3：国际公开No.WO 2020/084733

发明内容

技术问题

期望一种用于基于用户自身的预测为用户提供投资建议的方法和系统。

期望一种用于基于用户自身的过去投资结果来提供投资建议的方法和系统。

期望一种用于提供与用户自身的投资策略一致的投资建议的方法和系统。

期望一种用于基于用户自身的预测投资结果来提供投资建议的方法和系统。

期望一种用于提供反映用户反馈的投资建议的方法和系统。

解决问题的技术方案

本技术包括例如用于在计算机中为用户提供投资建议的方法，其中，计算机接收针对经济指标或企业业绩的当前市场预测和用户预测以及用户的投资策略，使用基于过去市场预测和用户预测以及由这些预测产生的投资结果而机器学习的预测模型，模拟从当前市场预测和用户预测而预测的投资结果，并且输出满足用户投资策略的预测投资结果。

附图说明

图1是示出根据本技术的实施方式的投资建议提供系统的图。

图2是示出根据本技术的实施方式的提供投资建议的方法的流程图。

具体实施方式

图1示出了根据本技术的实施方式的投资建议提供系统100。

投资建议提供系统100包括服务器120、存储装置130以及连接到网络110的客户端140和150。

网络110可以是互联网、专用网络、虚拟专用网络(VPN)、局域网(LAN)、第五代移动通信系统(5G)或其组合。网络110可以是有线或无线的，或其组合。

服务器120是具有处理器(未示出)、存储程序的存储器(未示出)和通信功能(未示出)的计算机。服务器120通过网络110或直接从存储装置130读取数据和向存储装置130写入数据。服务器120响应于来自客户端140或150的请求而执行存储在存储器中的程序，并将结果返回给客户端140或150。

存储装置130是由服务器120经由网络110或直接可访问的存储装置。存储装置130可以是网络附连存储器(NAS)或云存储器，或者可以是存储在与服务器120相同的附件中的硬盘驱动器(HDD)或固态驱动器(SSD)。

客户端140或150是具有经由有线或无线连接的网络110与服务器120通信的功能的计算机、平板终端、智能电话等。虽然图1中描绘了两个客户端140或150，但是可以存在一个或更多个客户端。

图2示出了参照图1的根据本技术的实施方式的提供投资建议的方法。

在图2中，在步骤210中，在服务器120处启动投资建议提供方法200。接下来，在步骤220中，服务器120从客户端140或150接收针对经济指标或公司业绩的当前市场预测和用户预测以及用户的投资策略。如果经济指标或公司业绩的当前市场和用户预测以及全部或部分用户投资策略被存储在存储装置130中，则服务器120可以从存储装置130读取全部或部分信息并接受该信息。

经济指标是各国公共机构发布的构成经济状况(如价格、利率、经济和贸易)的指标的数值测量。它们可以准确地捕捉经济的当前状况和从过去开始的变化。经济指标可以是政策利率、国内生产总值(GDP)、商业信心调查、消费趋势、就业统计、价格趋势、财政政策、住房统计、订单统计、贸易平衡或其组合。

企业业绩是单个企业的业绩，并且可以是企业的销售额、营业收入、毛利润、营业利润、经常性收入、税前利润、净收入、每股收益、息税前利润(EBIT)、税息折旧及摊销前利润(EBITDA)、股息或其组合。

预测可以针对多个时期，例如按年或按季度。预测也可以是对股票价格的预测。

市场预测可以是多个用户预测的平均值、多个分析师预测的平均值或其平均值或加权平均值。在本说明书中，术语“分析师”不仅包括证券分析师，还包括新闻记者和非用户投资者。

用户预测可以是由用户自身进行的预测，或者可以利用由其他用户或分析师进行的预测。用户预测可以包括指示用户自身对预测的程度的置信度。置信度可以表示为0至100％的数值，或者可以以诸如“是”、“否”或“都不”的阶段来表示。此外，在宣布业绩之前，用户预测和置信度可以被修改任何次数。

当前预测可以是最新的预测，并且可以是针对其进行预测的天、周、月、季或年的预测。

用户的投资策略可以是指示用户希望总共投资多少的投资金额或计划投资金额、用户希望多样化投资的证券数量、资产类别、目标年收益或目标基准、指示可接受损失金额或百分比的风险容忍度、或其组合。如果用户是基金经理，则这可以包括基金的投资策略(例如，投资于国内股票和债券)和投资参数(例如，不进行期货和期权交易)。

接下来，在步骤230中，服务器120使用基于过去市场和用户预测以及由这些预测产生的投资结果的机器学习预测模型，来模拟从当前市场和用户预测而预测的投资结果。

基于过去市场预测和用户预测以及作为这些预测的结果的投资结果而进行机器学习的预测模型可以是由诸如卷积神经网络之类的网络模型进行监督学习(在本说明书中包括半监督学习和强化学习)的模型，或者可以是使用过去市场预测和用户预测与预测和市场结果之间的对应关系作为数据，基于过去市场预测和用户预测进行无监督学习的深度学习模型。

投资结果可以是例如资产类别、证券、投资期限、买入/卖出/卖空、交易的证券或价值的数量、交易方式或其组合。投资结果可以包括多个资产类别、证券、投资期限、买入/卖出、交易金额或价值以及交易方式。

例如，对于一年后的季度报告，假设公司A的每股收益预期市场增长2％，低于诸如S&P500的基准预期的3％增长，而用户预测增长4％。一年后，实际利润增长率低于基准，投资结果可能是公司A股份上涨x％，低于基准价格上涨Y％。在这种情况下，可以得出用户的预测不准确的结论，这是因为尽管用户从公司A的股价上涨中获益了X％，但该收益小于基准收益Y％。

投资结果可以包括基于用户预测的过去业绩。过去业绩可以是用户预测的准确性、基于用户预测的实现利润、用户对预测的置信度和结果、或其组合。

投资结果可以包括诸如收益公告、新产品公告、月度销售公告等的过去事件前后的市场预测和用户预测以及投资结果。

还可以使用(1)过去价格和当前价格、(2)即将发生的事件、(3)流动性和(4)用户的跟踪记录来执行模拟。

(1)过去价格和当前价格可以是股票价格、债券价格、期权价格、信用违约掉期(CDS)价格、汇率和交易所交易基金(ETF)价格。可以计算这些价格的绝对值或相对值的大变化以识别变化的触发(例如，诸如收益公告、新产品公告或每月公告之类的事件)。过去价格和现在价格可以包括过去价格的绝对值或相对值、PER(市盈率)、PBR(市净率)、EV(企业价值)/EBITDA(税息折旧及摊销前利润)等。

(2)可以基于公司的公告时间表或过去的时间表模式来预测未来事件(例如，由于T公司在每个月初公布月度销售额，我们可以假设它将继续按照相同的时间表公布月度销售额)。

(3)流动性可以是每日交易的股票数量、每日交易的债券数量或证券公司提供的每日股票数量(即出价/要求的数量)。例如，可以根据前一个工作日的交易量、过去五个工作日的平均值和过去二十个工作日的平均值等来估计今天或明天的适当交易量。此外，为了在不显著影响市场价格的情况下进行交易，可以将适当的交易量设置为市场中总交易量的5％至10％或更少。

(4)用户的跟踪记录可以是(a)用户对经济指标和公司业绩的预测与其他用户的预测相比是否更准确(准确性)，(b)基于用户预测的投资决策是否带来了正回报，(c)用户的自信度和结果、(d)市场共识，或其组合。

(a)用户对经济指标和企业业绩的预测与其他用户的预测相比是否有利(准确性)可以基于所有预测或基于单个公司或经济指标来计算。

(b)基于用户预测的投资决策是否已经产生利润可以是用户是否实际进行了投资、进行投资的时间和执行结果(用户是否能够以目标价格进行交易、用户是否能够进行满足目标金额的交易等)、投资时机(例如，如果用户预计本期利润增加但下期减少，那么何时将达到峰值并且用户何时开始销售)、或其组合。

(c)用户的置信度和结果可以是：用户的预测有信心时是否可能正确；有信心时是否更接近市场共识；当用户的预测远离市场共识时，是否更频繁地预测以求准确；当用户的预测远离市场共识时，是市场预测更接近用户的预测还是用户的预测更接近市场预测；有信心时投资是否有利可图；或其组合。

(d)市场共识可能是市场共识与股票价格(证券价格)之间的相关性。

接下来，在步骤240中，服务器120输出满足用户投资策略的预测投资结果。

例如，可以通过模拟获得多个投资结果，并且可以比较和确定每个投资结果是否满足用户的投资策略，并且可以输出满足用户的投资策略的投资结果作为投资建议并将其发送到客户端140或150。

例如，如果通过模拟获得的投资结果之一是购买公司B的股票，以在六个月内出售后预期3％的年化回报，则如果用户的投资策略是每年获得2％或更高的回报，则可以输出投资结果，并且如果用户的投资策略是获得每年4％或更高的回报，则可以不输出投资结果。

当获得满足用户的投资策略的多个投资结果时，可以按照利润率的降序显示输出，可以按照风险的升序显示输出，或者可以按照任何顺序显示输出。

另一方面，当没有获得满足用户投资策略的投资结果时，可以输出不满足用户的投资策略但接近用户的投资策略的结果。

满足用户投资策略的预测投资结果可以输出为资产类别、发行、投资期限、买入或卖出、股票交易金额或货币交易金额、交易方式或其组合。

此外，服务器120可以从客户端140或150接收关于输出的预测投资结果的用户反馈，并将预测投资结果和反馈用作教师数据。

反馈可以包括是否根据预测投资结果进行了投资，并且可以包括为什么没有根据预测投资结果输出进行投资的原因。

反馈可以是例如(1)良好(即，向证券公司下订单)、(2)时机不同、(3)建议基础不同、(4)用户预测的置信度改变、或(5)用户预测改变。作为下订单的结果，(6)订单如期执行，(7)预算不足，(8)无法获取证券(无法访问股票公司、账户不同、地区不同等)，(9)错失时机，(10)无法以限价提交订单，(11)没有流动性，以及(12)用户改变主意并取消订单(置信度或用户的预测发生变化等)。

接下来，在步骤250中，投资建议提供方法200结束。

工业适用性

本技术使得可以基于用户自身的预测向用户提供投资建议。

附图标记说明

100 投资建议提供系统

110 网络

120 服务器

130 存储装置

140、150 客户端