随着居民理财意识的加强,充分利用互联网平台以及算法模型,对传统理财顾问所作的工作,如客户风险偏好判断、资产配置等工作,本文通过线上推荐平台推荐理财产品,以此来提升客户对理财交互过程中的满意度。一方面,居民收入水平的增长,会有更多的资金进入理财市场,另一方面国家相关金融政策的完善,为居民进行投资理财提供安全保障。理财市场基金品种丰富,各品种下面的数目大,当居民面对琳琅满目的基金时,如何有效地选择基金产品成为了居民的一个理财困扰。本文通过分析不同的推荐算法模型优缺点,构建基于卷积网络的空洞卷积模型,设计并实现基于空洞卷积模型的组合产品推荐平台。基于数据驱动的推荐组合在理财过程中较少受投资者本身情绪的影响。基于数据模型,理财推荐平台向中低层的普通客户,提供优化的资产组合方案,并且对推荐的组合进行动态的风险管理,有助于为理财客户规避风险。本文主要研究内容如下:1.根据均值方差模型,对基金按权益类、现金类、固手类、其他资产进行划分,从理财产品池中筛选出对应分类的基金产品,然后按不同的比例构建理财产品组合。2.分析传统推荐算法所面临的问题:协同过滤推荐算法的冷启动问题和数据稀疏问题;基于内容推荐算法无法感知用户的兴趣变化,进而无法长期保持高效推荐。本文提出基于空洞卷积的推荐算法,来解决传统推荐算法所面对的问题。3.基于用户投资行为建立时间维度上的序列,捕捉用户的交易行为数据,深度挖掘行为背后的兴趣变化。本文通过设计空洞卷积核,选取不同的空洞个数在准确率、召回率和AUC三个指标上对模型效果做对比,确立空洞卷积核膨胀率为2时推荐效果最佳。采用Vue前端组件、深度学习框架Tensorflow和微服务后端架构,设计并实现了基于空洞卷积推荐模型的理财产品平台。