项目投资决策方法和系统

技术领域

本公开涉及人工智能领域，更具体地，涉及项目投资决策方法和系统。

背景技术

目前在对项目(例如，基建项目等)进行前期评估时，主要以业务专家的历史经验为主，没有科学的依据参考，属于粗放式管理状态。

这种凭经验的项目投资决策评估具有如下几个缺点：

(1)缺少数据驱动，因为在评估项目时需要考虑的因素较多，例如，投资体制、投资方式、资金筹集、成本效益、资产归属、占地面积、建设时序等。业务专家在有限的时间内能够处理的信息有限，因此目前的方案主要以历史经验为主，属于主观经验式评估，非数据驱动型决策；

(2)评估决策依据不稳定，因为每个业务专家因个人经验不同，擅长处理的领域不同，因此在面对同一项目时，不同的专家可能会给出截然不同的评估决策；以及

(3)无法从历史经验优化评估方案，由于项目逐年增加，历史项目的反馈可以充当新项目评估判断的参考，但是由于专家所能处理的信息有限，导致所能参考的历史项目的信息有限，因此历史数据不能充分发挥价值。

因此，为了解决上述问题，达到数据驱动决策的目的，希望能够提供一种基于数据建模的项目投资决策方法，从而保证最终评估决策的一致性，并且能够从历史经验优化评估方案，使项目投资决策的应用实践性更佳。

发明内容

提供本公开内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本公开内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

针对以上问题，根据本公开的一个方面，提供了一种项目投资决策方法，所述方法包括：采集项目的与投资决策相关联的多个预设维度的项目数据，所述多个预设维度基于不同的项目来设置和变更；基于特征工程处理所述项目数据以获取与所述项目数据对应的项目特征；将所述项目特征输入基于集成学习的项目投资决策模型以预测所述项目的可投资概率；以及根据所预测的可投资概率来进行项目投资决策。

本公开实施例的技术方案中，通过基于历史项目的数据情况和评估结果进行学习，从针对项目设置/变更的各个预设维度建立预测项目是否可以投资以及其投资概率的投资决策分析模型，从而解决缺少数据驱动、评估决策依据不稳定、以及无法从历史经验优化评估方案等技术问题，辅助业务决策，提高投资效益。

根据本公开的一个实施例，所述多个预设维度的选择根据对所述项目的投资决策的影响的大小来进行。

根据本公开的进一步实施例，所述多个预设维度包括投资体制、投资方式、资金筹集、成本效益、资产归属、占地面积或建设时序中的一者或多者。

根据本公开的进一步实施例，基于特征工程处理所述项目数据以获取与所述项目数据对应的项目特征进一步包括：对所述项目数据进行预处理，所述预处理至少包括缺失值填充、异常值处理、归一化和统计变换；以及对经预处理的项目数据进行特征转换、特征选择和特征提取以获取与所述项目数据对应的项目特征。

根据本公开的进一步实施例，所述特征转换包括连续型特征转换或离散型特征转换。

根据本公开的进一步实施例，所述特征选择包括过滤式特征选择、封装式特征选择或嵌入式特征选择中的一者或多者。

根据本公开的进一步实施例，所述特征提取包括线性降维或非线性降维。

根据本公开的进一步实施例，所述项目投资决策模型是基于多维度数据的分类预测模型。

根据本公开的进一步实施例，所述项目投资决策模型是基于XGBoost的分类预测模型。

根据本公开的进一步实施例，所述项目投资决策模型是通过以下方式来训练得到的，其中训练数据集包括与历史项目的与投资决策相关联的多个预设维度的项目数据对应的项目特征以及对应的目标可投资概率：设置所述项目投资决策模型的参数；对所述项目特征进行特征分裂以生成树来拟合目标函数，使得期望损失最小；以及添加树以拟合先前生成的所有树的残差，直到达到树的深度阈值，以训练得到所述项目投资决策模型。

根据本公开的进一步实施例，所述训练数据集中的项目特征基于在预设时间段内的历史项目的项目数据经特征工程处理后进行更新。

根据本公开的进一步实施例，所述项目投资决策模型是定期训练的。

根据本公开的另一方面，提供了一种项目投资决策系统，所述系统包括：数据采集模块，采集项目的与投资决策相关联的多个预设维度的项目数据，所述多个预设维度基于不同的项目来设置和变更；数据处理模块，基于特征工程处理所述项目数据以获取与所述项目数据对应的项目特征；投资决策模块，将所述项目特征输入基于集成学习的项目投资决策模型以预测所述项目的可投资概率；以及根据所预测的可投资概率来进行项目投资决策。

本公开实施例的技术方案中，通过采集在对项目投资决策影响较大的多个预设维度的数据，并进行数据建模，构建基于历史数据驱动的投资决策模型来辅助进行投前评估和投资决策，可以保证最终评估决策的一致性，并且能够从历史经验优化评估方案，使项目投资决策的准确性更高，应用实践性更佳。

根据本公开的又一方面，提供了一种存储有指令的计算机可读存储介质，当这些指令被执行时使得机器执行前述方面中的任一者所述的方法。

通过阅读下面的详细描述并参考相关联的附图，这些及其他特点和优点将变得显而易见。应该理解，前面的概括说明和下面的详细描述只是说明性的，不会对所要求保护的各方面形成限制。

附图说明

为了能详细地理解本公开的上述特征所用的方式，可以参照各实施例来对以上简要概述的内容进行更具体的描述，其中一些方面在附图中示出。然而应该注意，附图仅示出了本公开的某些典型方面，故不应被认为限定其范围，因为该描述可以允许有其它等同有效的方面。

图1是根据本公开的一个实施例的投资决策系统的示意架构图。

图2是根据本公开的一个实施例的投资决策模块的示意架构图。

图3是根据本公开的一个实施例的多维度数据处理以及特征工程的示意流程图。

图4是根据本公开的一个实施例的投资决策方法的示意流程图。

图5是根据本公开的一个实施例的用于训练基于XGBoost的投资决策模型的方法的示意流程图。

图6是根据本公开的一个实施例的CART分类回归树的示意图。

图7是根据本公开的一个实施例的投资决策系统的示意架构图。

具体实施方式

下面将结合附图对本申请技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本公开的技术方案，因此只作为示例，而不能以此来限制本公开的保护范围。

除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本公开。本公开的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。

在本公开实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本公开的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

图1示出了根据本公开的一个实施例的投资决策系统100的示意架构图。如图1中所示，系统100可至少包括数据采集模块101、数据处理模块102和投资决策模块103。

数据采集模块101可采集项目的与投资决策相关联的多个预设维度的项目数据。在一个实施方式中，与投资决策相关联的多个预设维度可基于不同的项目来设置和变更。在一个实施方式中，在待进行投前评估的项目为基建项目(例如，交通运输、机场、港口、桥梁、通讯等基建项目)的情形中，可以针对该项目设置对投资决策影响较大的多个预设维度，该多个预设维度例如可以是投资体制、投资方式、资金筹集、成本效益、资产归属、占地面积或建设时序中的一者或多者，由此可以基于上述多个预设维度来进行数据建模，使得模型预测结果更为准确。可以理解，上述多个预设维度可以基于不同的项目和投资决策场景来进行设置和变更，从而能够挑选出对投资决策影响较大的特征，使得模型准确性更高，应用实践性更佳。

数据处理模块102可基于特征工程处理项目数据以获取与这些项目数据对应的项目特征。特征工程的目的在于，通过一系列的工程活动，将原始信息使用更高效的编码方式(即，特征)来表示，使用特征表示的信息，信息损失较少，原始数据中包含的规律依然保留。此外，新的编码方式还需要尽量减少原始数据中的不确定因素(例如，异常数据、数据缺失等)的影响。在一个实施方式中，基于特征工程处理项目数据以获取与这些项目数据对应的项目特征可进一步包括：对项目数据进行预处理，并且对经预处理的数据进行特征转换、特征选择和特征提取以获取与项目数据对应的项目特征，其中数据预处理可包括例如缺失值填充、异常值处理、归一化或统计变换，特征转换可包括连续型特征转换(例如，函数转换、特征缩放、无量纲化、二值化等)或离散型特征转换(例如，数值化处理、哑编码等)，特征选择可包括例如过滤式特征选择、封装式特征选择或嵌入式特征选择，特征提取可包括例如线性降维(例如，主成分分析法(PCA)、线性判别分析法(LDA)等)或非线性降维(例如，核主成分分析法(KPCA)等)。

投资决策模块103可将项目特征输入基于集成学习的项目投资决策模型以预测该项目的可投资概率，并且可根据所预测的可投资概率来进行项目投资决策。在一个实施方式中，上述项目投资决策模型是基于多维度数据的分类预测模型。在进一步优选的实施方式中，项目投资决策模型是基于XGBoost的分类预测模型，在该情形中，项目投资决策模型是基于以下方式来训练得到的，其中训练数据集包括与历史项目的与投资决策相关联的多个预设维度的项目数据对应的项目特征以及对应的目标可投资概率：设置项目投资决策模型的参数；对项目特征进行特征分裂以生成树来拟合目标函数，使得期望损失最小；以及添加树以拟合先前生成的所有树的残差，直到达到树的深度阈值，以训练得到项目投资决策模型。具体的训练过程如下文参考图5-6进一步详细地描述。在一个实施方式中，上述训练数据集中的项目特征可基于在预设时间段内的历史项目的项目数据经特征工程处理后进行更新。在一个实施方式中，上述项目投资决策模型是定期训练的。

由此，通过有效结合基于多维度数据的分类预测模型和不同项目进行投资决策分析判断的业务逻辑，实现了以项目各个维度数据作为原材料，业务逻辑作为特征工程处理依据，集成学习模型(例如，XGBoost模型)作为建模工具进行投资决策判断预测，从而在投前项目评估时得到基于历史数据驱动的更为准确可参考的评估预测方案，保证最终评估决策的一致性，使项目投资决策的应用实践性更佳。

本领域技术人员能够理解，本公开的系统及其各模块既可以以硬件形式实现，也可以以软件形式实现，并且各模块可以任意合适的方式合并或组合。

图2示出了根据本公开的一个实施例的投资决策模块103的示意架构图。投资决策模块103可至少包括离线周期预测单元201、模型定期训练单元202和投资决策单元203。

离线周期预测单元201可将多个预设维度的项目数据经特征工程处理后的项目特征输入基于定期训练的分类预测模型，并且输出关于项目是否可以投资的分类预测以及项目的可投资概率。

模型定期训练单元202可基于分类预测模型(例如，XGBoost模型)，利用历史项目的投资决策相关数据，建立项目各维度数据与是否可以投资及其可投资概率的分类预测模型。该模型的训练数据来自训练数据库，其中训练数据库中的数据通过预设时间段(例如，近1年)内的数据经特征工程处理后进行更新，保证最新的项目反馈信息能够体现在模型训练过程中。模型可以例如采用每周定期训练的方式执行，从而保证离线周期预测单元能够适应项目评估决策的日常业务变化情况。

投资决策单元203可根据经由离线周期预测单元201预测得到的项目可投资概率来进行项目投资决策。在一个实施方式中，在所预测的项目可投资概率大于预设阈值时，将该项目评估为投资可行性高，而在所预测的项目可投资概率小于预设阈值时，将该项目评估为投资可行性低。

由此，通过构建项目各维度数据与是否可以投资及其可投资概率的分类预测模型，可以在投前项目评估时得到基于历史数据驱动的更为准确可参考的评估预测方案。另外，通过定期更新训练数据库和定期训练离线模型，基于最新的反馈来不断更新模型，可以保证模型能够适应项目评估决策的日常业务变化情况，使得模型的准确性更高，应用实践性更佳。

图3示出了根据本公开的一个实施例的多维度数据处理以及特征工程300的示意流程图。特征工程可被用于将原始数据转化成更好的表达问题本质的特征的过程，使得将这些特征运用到预测模型中能提高对不可见数据的模型预测精度。

利用特征工程300，可以首先对所采集的项目各预设维度上的数据进行预处理，数据预处理包括例如缺失值填充、异常值处理、归一化或统计变换。所采集的数据可能存在以下问题：不属于同一量纲，即，特征的规格不同，不能够放在一起进行比较；定性特征不能直接使用，某些机器学习算法和模型只能接受定量特征的输入，则需要将定性特征转换为定量特征，最简单的方式是为每一种定性值指定一个定量值，但是这种方式过于灵活，增加了调参的工作，通常使用哑编码的方式将定性特征转换为定量特征，假设有N种特征，当原始特征值为第i种定性值时，第i个扩展特征为1，其他扩展特征赋值为0，哑编码的方式相比直接指定的方式，不用增加调参的工作，对于线性模型来说，使用哑编码的特征可达到非线性的效果；存在缺失值；以及信息利用率低等。

在一个实施方式中，由于项目的评估维度因素较多，包括但不限于投资体制、投资方式、资金筹集、成本效益、资产归属、占地面积、建设时序等维度。因项目不同，采集过程中可能存在部分维度数据缺失等问题，例如，某个项目的占地面积缺失，在该情形中，可以采用同类型项目的平均占地面积作为填充值进行填充。另外，缺失值填充还可包括用固定值填充、用均值填充、用众数填充、用上下数据进行填充、用插值法填充、或用KNN填充等。

此外，在另一实施方式中，在项目的众多评估维度中，存在因人为输入、数据采集等原因导致异常值的情况，例如，某个项目占地面积为158平方千米，这在很大概率上为异常值，在无法获得更为准确的输入时，需要将该值置为缺失值，并按照缺失值的处理方法进行填充。

随后，可以对经预处理的数据进行特征转换，其中特征转换可包括连续型特征转换或离散型特征转换。连续型特征转换可包括例如函数转换、特征缩放、无量纲化、二值化等。离散型特征转换可包括例如数值化处理、哑编码(诸如独热编码(one-hot)和顺序性哑变量)等。

随后可以对经处理的数据进行特征选择，特征选择是指从大量的特征中选择少量有用的特征。根据特征选择的形式可以将特征选择方法分为以下三种：过滤法，按照发散性或者相关性对各个特征进行评分，设定阈值或者待选择阈值的个数，以选择特征，其包括例如方差选择法、相关系数法、卡方检验、互信息法等；包装法，根据目标函数，每次选择若干特征，或者排除若干特征，其包括例如递归特征消除法；嵌入法，先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征，其包括例如基于惩罚项的特征选择法、基于树模型的特征选择法等。

随后可以进行特征提取，在一些情形中，由于特征矩阵过大，一些样本如果直接使用预测模型算法可能在原始数据中存在太多的列被建模，导致计算量大，训练时间长，因此降低特征矩阵维度也是必不可少的，特征提取是自动化降维过程，使得特征太多的样本被建模的维数降低。特征提取可包括例如线性降维(例如，主成分分析法(PCA)、线性判别分析法(LDA)等)或非线性降维(例如，核主成分分析法(KPCA)等)。

通过上述特征工程，可以得到表示项目在不同维度的表征情况的特征，从而使模型的稳定性和可解释性更好，模型调参更为容易，为后续建模过程做好准备。

图4是根据本公开的一个实施例的投资决策方法400的示意流程图。

方法400开始于步骤401，数据采集模块101可采集项目的与投资决策相关联的多个预设维度的项目数据，该多个预设维度可基于不同的项目来设置和变更。

在一个示例中，该多个预设维度可包括投资体制、投资方式、资金筹集、成本效益、资产归属、占地面积或建设时序中的一者或多者。在一个实施方式中，可以按照对项目的投资决策的影响的大小来选择和变更该多个预设维度，换言之，上述多个预设维度可以是对项目的投资决策具有较大影响的因素。

在步骤402，数据处理模块102可基于特征工程处理项目数据以获取与项目数据对应的项目特征。

在一个实施方式中，基于特征工程处理项目数据以获取与项目数据对应的项目特征可进一步包括：对项目数据进行预处理，其中预处理至少包括缺失值填充、异常值处理、归一化和统计变换，并且对经预处理的项目数据进行特征转换、特征选择和特征提取以获取与项目数据对应的项目特征。

上述特征转换可包括连续型特征转换或离散型特征转换。连续型特征转换可包括例如函数转换、特征缩放、无量纲化、二值化等。离散型特征转换可包括例如数值化处理、哑编码(诸如独热编码(one-hot)和顺序性哑变量)等。

特征选择可包括过滤式特征选择、封装式特征选择或嵌入式特征选择中的一者或多者。

特征提取可包括线性降维或非线性降维。

在步骤403，投资决策模块103可将项目特征输入基于集成学习的项目投资决策模型以预测该项目的可投资概率。

在一个实施方式中，项目投资决策模型可以是基于多维度数据的分类预测模型。

优选地，项目投资决策模型可以是基于XGBoost的分类预测模型。在该情形中，项目投资决策模型是通过以下方式来训练得到的，其中训练数据集包括与历史项目的与投资决策相关联的多个预设维度的项目数据对应的项目特征以及对应的目标可投资概率：设置所述项目投资决策模型的参数；对所述项目特征进行特征分裂以生成树来拟合目标函数，使得期望损失最小；以及添加树以拟合先前生成的所有树的残差，直到达到树的深度阈值，以训练得到该项目投资决策模型。模型的训练过程可以参考图5进一步详细地描述。在一个优选的实施方式中，项目投资决策模型可以是定期训练的，以保证模型能够适应项目评估决策的日常业务变化情况。

在步骤404，投资决策模块103可根据所预测的可投资概率来进行项目投资决策。例如，在所预测的项目可投资概率大于预设阈值时，将该项目评估为投资可行性高，而在所预测的项目可投资概率小于预设阈值时，将该项目评估为投资可行性低。

由此，通过基于历史项目的数据情况和评估结果进行学习，可以建立对项目投资决策影响较大的多维度数据与可否可以投资的决策模型，实现数据驱动决策，利用模型的稳定性来保证最终评估决策的一致性，并且从历史数据中学习如何进行决策，使得模型准确率更高，应用实践性更佳。

图5是根据本公开的一个实施例的用于训练基于XGBoost的投资决策模型的方法500的示意流程图。

XGBoost作为集成学习boosting方法的一种，能够在一系列的问题上取得良好的效果，这些问题包括存销预测、物理事件分类、网页文本分类、顾客行为预测、点击率预测、动机探测、产品分类。多领域依赖数据分析和特征工程在这些结果中扮演重要的角色。XGboost在所有场景中提供可扩展的功能，XGBoost可扩展性保证了相比其他系统更快速，XGBoost算法优势具体体现在：处理稀疏数据的新颖的树的学习算法、近似学习的分布式加权直方图。另外，XGBoost能够基于外存的计算，保障了大数据的计算，使用少量的节点资源可处理大量的数据。投资决策模型的训练数据集包括与历史项目的与投资决策相关联的多个预设维度的项目数据对应的项目特征以及对应的目标可投资概率。

方法500开始于步骤501，设置项目投资决策模型的参数。

在步骤502，对项目特征进行特征分裂以生成树来拟合目标函数，使得期望损失最小。具体而言，可以以CART分类回归树作为基学习器，定义目标函数与增益函数。

如以下参考图6所示，图6中示出了5个训练样本S1-S5和两个CART分类回归树T1和T2，从T1可见，每个叶子节点都有预测值，其中第一个叶子节点的预测值为2，第二个叶子节点的预测值为0.1，第三个叶子节点的预测值为-1，其中S1被分到第一个叶子节点中，因此S1在T1中的预测值为2，同样地，S1在T2中的预测值为0.9。最终预测值即为样本在每棵树中所在的叶子节点的预测值的和，由此，样本S1的最终预测值为2.9。

在步骤503，可以添加树以拟合先前生成的所有树的残差，直到达到树的深度阈值，优化参数以训练得到该项目投资决策模型。

具体而言，假设已经训练了K颗树，则对于第i个样本的最终预测值为：

其中x

…

由此，可以知晓，到第k颗树时累加的结果是前k-1颗树累计的结果和第k颗树输出的结果总和，由此得到如下目标函数：

通过泰勒级数近似并简化目标函数，得到最小化下式：

随后，为了优化上述目标函数，需要将f

由此可以在已知树结构的情况下计算出该棵树下最小的目标函数值，因此需要找到目标函数值最小的那颗树。在一个实施方式中，可以利用枚举所有不同树结构的贪心法来确定树的结构，也就是说，从树深度0开始，每一节点都遍历所有的特征，随后对于某个特征，首先按照该特征里的值进行排序，随后线性扫描该特征进而确定最好的分割点，最后对所有特征进行分割后选择增益最高的那个特征。

由此，简单来说，可以通过计算最优树结构与最佳分裂节点，确定第t轮迭代添加的树，在达到树的深度阈值时完成迭代过程，获取训练所得的全部分类树，并且以加法形式集成所有树模型，得到该项目投资决策模型。

当然，本领域技术人员可以理解，上述项目投资决策模型可以利用任何其他合适的机器学习方法来构建。另外，上述训练数据集可以定期更新，例如，根据某个预设时间段(例如，1年)内的历史项目数据来进行更新。上述模型也可以基于定期更新的训练数据集来进行定期训练，以保证模型能够适应项目评估决策的日常业务变化情况。

图7示出了根据本公开的一个实施例的投资决策系统700的示意架构图。如图7中所示，系统700可包括存储器701和至少一个处理器702。存储器701可包括RAM、ROM、或其组合。存储器701可存储计算机可执行指令，这些指令在由至少一个处理器702执行时使该至少一个处理器执行本文中所描述的各种功能，包括：采集项目在与投资决策相关联的多个预设维度的项目数据，该多个预设维度基于不同的项目来设置和变更；基于特征工程处理项目数据以获取与这些项目数据对应的项目特征；将项目特征输入基于集成学习的项目投资决策模型以预测该项目的可投资概率；以及根据所预测的可投资概率来进行项目投资决策。在一些情形中，存储器701可尤其包含BIOS，该BIOS可控制基本硬件或软件操作，诸如与外围组件或设备的交互。处理器702可包括智能硬件设备(例如，通用处理器、DSP、CPU、微控制器、ASIC、FPGA、可编程逻辑器件、分立的门或晶体管逻辑组件、分立的硬件组件，或其任何组合)。

结合本文中的公开描述的各种解说性框以及模块可以用设计成执行本文中描述的功能的通用处理器、DSP、ASIC、FPGA或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可被实现为计算设备的组合(例如，DSP与微处理器的组合、多个微处理器、与DSP核心协同的一个或多个微处理器，或者任何其他此类配置)。

本文中所描述的功能可以在硬件、由处理器执行的软件、固件、或其任何组合中实现。如果在由处理器执行的软件中实现，则各功能可以作为一条或多条指令或代码存储在计算机可读介质上或藉其进行传送。其他示例和实现落在本公开及所附权利要求的范围内。例如，由于软件的本质，本文描述的功能可使用由处理器执行的软件、硬件、固件、硬连线或其任何组合来实现。实现功能的特征也可物理地位于各种位置，包括被分布以使得功能的各部分在不同的物理位置处实现。

以上所已经描述的内容包括所要求保护主题的各方面的示例。当然，出于描绘所要求保护主题的目的而描述每一个可以想到的组件或方法的组合是不可能的，但本领域内的普通技术人员应该认识到，所要求保护主题的许多进一步的组合和排列都是可能的。从而，所公开的主题旨在涵盖落入所附权利要求书的精神和范围内的所有这样的变更、修改和变化。