本申请涉及人工智能领域，具体涉及一种基于人工智能的金融产品营销方法及装置。
背景技术：
1、在金融市场中，金融机构与企业之间的产品匹配问题已经成为一个严重影响效率的挑战。当前存在的错位匹配情况导致金融机构难以精准找到合适的企业客户，反之亦然，企业在寻找适合自身需求的金融产品时也面临困扰。这种错位匹配问题不仅浪费了金融机构和企业的时间和精力，还可能导致错失合适的商机，影响金融市场的健康发展。
技术实现思路
1、针对现有技术中的问题，本申请提供一种基于人工智能的金融产品营销方法及装置，能够提高金融机构与企业之间产品匹配的准确性和效率。
2、为了解决上述问题中的至少一个，本申请提供以下技术方案：
3、第一方面，本申请提供一种基于人工智能的金融产品营销方法，包括：
4、通过预设自回归集成移动平均模型对企业历史财务数据和经营数据进行数据分析，确定对应的业务指标趋势，将业务指标趋势作为模型训练集对预设决策树模型进行模型训练，得到第一向量模型；
5、通过预设时间序列分析模型对企业所属领域的技术发展趋势和历史市场发展数据进行数据分析，确定对应的行业发展趋势，将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练，得到第二向量模型；
6、对所述第一向量模型和所述第二向量模型进行模型融合，得到企业评估模型，基于预设金融产品数据库和所述企业评估模型，确定对应的金融产品。
7、进一步地，所述通过预设自回归集成移动平均模型对企业历史财务数据和经营数据进行数据分析，确定对应的业务指标趋势，包括：
8、根据企业历史财务数据和经营数据构建对应的时间序列数据；
9、通过预设自回归集成移动平均模型的回归部分捕捉所述时间序列数据的自相关性，通过所述自回归集成移动平均模型的集成部分对所述时间序列数据进行非平稳性处理，得到所述自回归集成移动平均模型输出的业务指标趋势。
10、进一步地，所述将业务指标趋势作为模型训练集对预设决策树模型进行模型训练，得到第一向量模型，包括：
11、从所述企业历史财务数据和所述经营数据选取设定指标作为预设决策树模型的目标变量，其中，所述目标变量包括总收入、净利润、市场份额中的至少一种；
12、将业务指标趋势作为模型训练集输入所述决策树模型进行模型训练，经过所述模型训练后得到第一向量模型。
13、进一步地， 所述通过预设时间序列分析模型对企业所属领域的技术发展趋势和历史市场发展数据进行数据分析，确定对应的行业发展趋势，包括：
14、对企业所属领域的技术发展趋势和历史市场发展数据进行异常值和噪声值的数据清洗，根据经过所述数据清洗后的数据按照时间顺序排列，得到时间序列数据；
15、提取所述时间序列数据中的趋势斜率，根据所述趋势斜率确定对应的行业发展趋势。
16、进一步地，所述提取所述时间序列数据中的趋势斜率，根据所述趋势斜率确定对应的行业发展趋势，包括：
17、从所述时间序列数据中提取对应的趋势斜率，对所述趋势斜率进行傅立叶变换，确定对应的季节性周期长度和振幅；
18、将所述季节性周期长度和振幅输入与所述趋势斜率对应的趋势模型，得到对应的行业发展趋势。
19、进一步地，所述将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练，得到第二向量模型，包括：
20、将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练；
21、根据所述模型训练的结果更新所述循环神经网络模型的均方误差损失函数直至损失函数最小化，得到第二向量模型。
22、进一步地，所述对所述第一向量模型和所述第二向量模型进行模型融合，得到企业评估模型，基于预设金融产品数据库和所述企业评估模型，确定对应的金融产品，包括：
23、提取所述第一向量模型和所述第二向量模型的特征并输入预设监督学习模型的特征融合层，得到融合特征；
24、将所述融合特征输入所述监督学习模型，得到企业评估模型，并根据所述企业评估模型确定的所述企业的评估得分和预设金融产品数据库，确定对应的金融产品。
25、第二方面，本申请提供一种基于人工智能的金融产品营销装置，包括：
26、第一向量模型确定模块，用于通过预设自回归集成移动平均模型对企业历史财务数据和经营数据进行数据分析，确定对应的业务指标趋势，将业务指标趋势作为模型训练集对预设决策树模型进行模型训练，得到第一向量模型；
27、第二向量模型确定模块，用于通过预设时间序列分析模型对企业所属领域的技术发展趋势和历史市场发展数据进行数据分析，确定对应的行业发展趋势，将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练，得到第二向量模型；
28、模型融合推荐模块，用于对所述第一向量模型和所述第二向量模型进行模型融合，得到企业评估模型，基于预设金融产品数据库和所述企业评估模型，确定对应的金融产品。
29、第三方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于人工智能的金融产品营销方法的步骤。
30、第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于人工智能的金融产品营销方法的步骤。
31、第五方面，本申请提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现所述的基于人工智能的金融产品营销方法的步骤。
32、由上述技术方案可知，本申请提供一种基于人工智能的金融产品营销方法及装置，通过预设自回归集成移动平均模型对企业历史财务数据和经营数据进行数据分析，确定对应的业务指标趋势，将业务指标趋势作为模型训练集对预设决策树模型进行模型训练，得到第一向量模型；通过预设时间序列分析模型对企业所属领域的技术发展趋势和历史市场发展数据进行数据分析，确定对应的行业发展趋势，将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练，得到第二向量模型；对所述第一向量模型和所述第二向量模型进行模型融合，得到企业评估模型和对应的金融产品，由此能够提高金融机构与企业之间产品匹配的准确性和效率。
1.一种基于人工智能的金融产品营销方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于人工智能的金融产品营销方法，其特征在于，所述通过预设自回归集成移动平均模型对企业历史财务数据和经营数据进行数据分析，确定对应的业务指标趋势，包括：
3.根据权利要求1所述的基于人工智能的金融产品营销方法，其特征在于，所述将业务指标趋势作为模型训练集对预设决策树模型进行模型训练，得到第一向量模型，包括：
4.根据权利要求1所述的基于人工智能的金融产品营销方法，其特征在于，所述通过预设时间序列分析模型对企业所属领域的技术发展趋势和历史市场发展数据进行数据分析，确定对应的行业发展趋势，包括：
5.根据权利要求4所述的基于人工智能的金融产品营销方法，其特征在于，所述提取所述时间序列数据中的趋势斜率，根据所述趋势斜率确定对应的行业发展趋势，包括：
6.根据权利要求1所述的基于人工智能的金融产品营销方法，其特征在于，所述将行业发展趋势作为模型训练集对预设循环神经网络模型进行模型训练，得到第二向量模型，包括：
7.根据权利要求1所述的基于人工智能的金融产品营销方法，其特征在于，所述对所述第一向量模型和所述第二向量模型进行模型融合，得到企业评估模型，基于预设金融产品数据库和所述企业评估模型，确定对应的金融产品，包括：
8.一种基于人工智能的金融产品营销装置，其特征在于，所述装置包括：
