一种基于云计算网络的数字资产管理方法、装置和存储设备与流程

本发明涉及数据处理，具体为一种基于云计算网络的数字资产管理方法、装置和存储设备。

背景技术：

1、资产管理平台系统在国内外都是一个非常重要的领域，随着科技的发展和行业的变革，资产管理平台系统的技术水平和发展趋势也在不断变化。特别是在有形资产和无形资产领域，有形资产主要包括：土地、房屋、设备、管网、写字楼等具有形态的资产数据，无形资产主要包括：知识产权、专利技术、商标和企业数据等看不见有价值的资产，国内资产管理平台系统在技术上已经实现了信息化、数字化的发展，采用了云计算、大数据、人工智能等先进技术，提升了系统的智能化和效率

2、经检索发现现有技术公开号为cn 112541820 a的一种数字资产管理方法、装置、计算机设备及可读存储介质，包括：接收用户的数字资产信息，所述数字资产信息包括数字资产类型和对应的数字资产数据；将所述用户的数字资产信息分布式存储到区块链网络；当接收到用户发送的数字资产交易指令后获取交易对象的交易地址；当验证所述数字资产类型为预设类型后向所述交易地址转移预设量所述数字资产数据，本技术实现了一种数字资产统一管理方案，用户的数字资产去中心化的存储在区块链上，避免了中心化平台修改数据，因此提高了用户数字资产的安全性。

3、但是前述技术方案只能够对数字资产安全性保护，作为数字资产其本质不同于不动产或动产，数字资产非实物因此数字资产作为无形资产贬值或升值时间以及幅度远超于实物资产，可能在短期内大幅上涨或下降，造成数字资产的不确定性，而前述技术方案无法及时进行风险预警和分析。

技术实现思路

1、针对现有技术的不足，本发明提供了一种基于云计算网络的数字资产管理方法、装置和存储设备，具备对资产的风险进行评估和分析，进行风险控制和投资决策，通过人工智能技术实现智能投顾、智能风险控制等优点，解决了上述技术的问题。

2、为实现上述目的，本发明提供如下技术方案：一种基于云计算网络的数字资产管理方法，所述管理方法还设有管理系统，所述管理系统由数据处理模块、智能算法和数据分析模块、风险分析模块，所述管理具体步骤为：

3、步骤一、数据收集与整合：从多个数据来源：市场数据和公司财务报表获取资产数据，将其输入到系统内部的数据处理模块整合和清洗；

4、步骤二、智能风险评估：利用系统内建的智能算法和数据分析模块，结合ai引擎和规则引擎，对资产进行智能化风险评估，所述ai引擎用于分析历史数据和市场趋势，规则引擎用于执行特定策略进行风险评估；

5、步骤三、风险分析与可视化：设计和实现系统内部的风险分析模块，将风险评估结果以可视化方式呈现给决策者；

6、步骤四、智能投顾与投资决策：基于系统内部的动态处理流程能力，建立智能投顾系统，系统根据风险评估结果和投资者偏好，推荐个性化的投资组合和决策策略；

7、步骤五、风险控制与调整：利用系统内部的模块管理和质量测试功能，对智能投顾系统进行周期性的风险控制和调整。

8、优选的，所述步骤一具体步骤为：

9、s1.1、确定数据来源和数据类型：确定需要收集的数据类型：市场数据和公司财务报表，确定数据来源：金融市场数据供应商和公司财务系统；

10、s1.2、数据获取：与数据来源建立订阅服务，获取定期更新的数据；

11、s1.3、数据清洗和预处理：将获取的原始数据导入到数据处理模块中进行数据清洗，所述数据清洗为：去除重复数据、处理缺失值和解决数据格式不一致；

12、s1.4、数据整合：利用系统内部的数据编程语言：python中的pandas库进行数据整合操作，使数据格式和结构统一；

13、s1.5、数据存储：将清洗和整合后的数据存储到系统的数据库中。

14、定数据来源和数据类型确保了从多个可靠的金融市场数据供应商和公司财务系统获取数据，提高了数据的完整性和准确性，建立订阅服务定期获取更新的数据，保证系统反映最新的市场变化和财务信息，增强了投资决策的及时性和有效性，数据清洗和预处理操作去除重复数据、处理缺失值和解决数据格式不一致，提高了数据质量，减少了分析误差。

15、优选的，所述步骤一中s1.1确定数据来源和数据类型表达式为：

16、

17、

18、其中数据来源为，新增一个数据来源则，新增第二个数据来源为…新增第个数据来源为

19、为从数据来源中获取的原始数据，为从新增数据来源中获取的原始数据。

20、使用数学表达式清晰地表示了数据来源以及从不同来源获取的数据类型，使得整个过程的数据获取和处理逻辑更加直观和清晰，减少了信息沟通的误解和歧义，只需根据公式中的模式依次添加新的数据来源，并相应更新数据源和数据类型的表示。

21、优选的，所述步骤二具体步骤为：

22、s2.1、历史数据和市场趋势分析：利用ai引擎对历史数据进行分析，识别潜在的风险因素和市场趋势，ai引擎采用回归机器学习算法，以发现历史数据中的模式和规律性；

23、s2.2、规则引擎定义和配置：设计并配置规则引擎，定义特定的风险评估策略和规则，用于评估风险指标，规则基于历史数据的统计模型，帮助系统判断资产风险程度；

24、s2.3、智能算法和数据分析模块：集成智能算法和数据分析模块，用于处理和分析资产数据，包括市场行情数据、财务数据等，算法包括风险评估模型、投资组合优化模型、风险溢价模型；

25、s2.4、风险评估流程：建立智能风险评估的流程，确保数据流畅、准确评估资产风险，流程包括对数据进行特征工程、模型训练和评估、风险量化和结果输出等环节；

26、s2.5、实时风险监控：设计并实现实时风险监控系统，不断更新风险评估结果并及时反馈给决策者，利用ai和规则引擎进行动态调整，以应对不断变化的市场情况；

27、所述风险指标为市场波动率，所述分析指标三十天内则归为高风险，所述s2.3中风险评估模型、投资组合优化模型、风险溢价模型三者任意一模型出现高风险则评估为风险资产。

28、优选的，所述s2.1表达式为：

29、记历史数据为

30、

31、其中表示第个历史数据记录；

32、市场趋势数据表示为

33、

34、其中表示第个市场趋势数据记录；

35、使用回归机器学习算法拟合历史数据和市场趋势数据之间的关系，得到回归模型，其中为回归模型预测的市场趋势数据；

36、所述s2.2 规则引擎定义和配置表达式为：

37、

38、其中，为资产的预期收益率，为资产的方差，反映其风险程度

39、规则引擎条件表达式为：

40、

41、其中如果资产的历史波动率超过市场平均波动率的两倍，则标记为高风险资产；

42、所述s2.3中智能算法和数据分析模块表达式为：

43、投资组合优化模型：

44、

45、其中，为资产的预期收益率向量，为资产组合的方差，为资产权重向量，为风险厌恶系数；

46、风险溢价模型：用于评估资产的预期收益率与风险之间的关系，设使用资本资产定价模型（capm）：

47、

48、其中，为资产的预期收益率，为无风险收益率，为资产的贝塔系数，为市场组合的预期收益率。

49、通过回归机器学习算法拟合历史数据和市场趋势数据之间的关系，建立了预测模型，辅以规则引擎定义和配置，提高了风险识别和管理的精度；智能算法和数据分析模块则结合了优化模型和风险溢价模型，提升了投资组合优化和预期收益与风险之间的关系评估的效率和准确性。

50、优选的，所述步骤三中表达式为：

51、设风险评估函数为，其中代表资产或资产组合，这个函数会返回一个风险评估值；

52、

53、其中：

54、是风险评估结果的可视化表示，表达为图表、颜色编码或数值显示；

55、是可视化映射函数，它将风险评估值转换为可视化元素。

56、是资产的风险评估函数，返回风险评估值。

57、优选的，所述步骤四表达式为：

58、系统根据资产风险评估结果和投资者偏好来生成推荐的投资组合和决策策略，使用函数来表示，其中：

59、

60、其中，为资产的风险评估结果、数值或者分类（低、中、高风险）， 为投资者的偏好，可能包括收益目标、风险承受能力等信息，函数 的具体形式根据系统内部的算法和模型来定义。

61、优选的，所述步骤五表达式为：

62、系统对智能投顾系统进行的周期性风险控制和调整用函数表示，其中：

63、

64、这里，为步骤四中生成的推荐的投资组合和决策策略，为时间周期，函数根据周期性获取的数据和信息对原有的策略进行调整。

65、一种基于云计算网络的数字资产管理装置，所述管理装置为云服务器、测试服务器、网络设备和计算机组成的局域网系统。

66、一种基于云计算网络的数字资产管理存储设备，所述存储设备为机械硬盘或固态硬盘。

67、与现有技术相比，本发明提供了一种基于云计算网络的数字资产管理方法、装置和存储设备，具备以下有益效果：

68、1、本发明通过利用ai引擎和规则引擎分析历史数据和市场趋势，识别潜在的风险因素，并根据规则引擎定义的策略评估资产的风险程度，根据资产的风险评估结果和投资者的偏好，生成个性化的投资组合和决策策略，通过周期性的风险控制和调整，保证智能投顾系统始终适应市场变化和投资者需求的变化，不仅依赖于系统内部的模块管理和质量测试功能，还结合了实时风险监控系统的反馈和调整，利用了现代技术如云计算、机器学习算法和数据分析模块，使得投资决策过程更加科学和高效，投资者可以通过系统提供的可视化风险分析结果，更清晰地理解资产的风险特征，从而做出更明智的投资决策，达到了对资产的风险进行评估和分析，进行风险控制和投资决策的有益效果。

69、2、本发明通过利用ai引擎和规则引擎对历史数据和市场趋势进行分析，ai引擎能够识别复杂的模式和规律，帮助系统深入理解资产的风险特征。规则引擎则通过设定预定义的风险评估策略和规则，快速评估资产的风险水平。这些技术的结合确保了风险评估的高效性和准确性，比传统方法更能捕捉到潜在风险，达到了通过人工智能技术实现智能投顾、智能风险控制的有益效果。