基于多视图交互可视化的智能互惠基金优选系统FundSelector：面向普通投资者的个性化决策分析

针对普通投资者难以从海量互惠基金中筛选最优选项的痛点，浙江大学CAD&CG国家重点实验室团队开发了可视化分析系统FundSelector。该系统通过量化用户偏好(R1)、创新性设计排名信息双向贡献条形图(R2)和弹性趋势图(R4)，实现多因素动态排名与跨周期对比，经案例验证可有效提升基金选择效率。

　　

在金融市场蓬勃发展的今天，互惠基金(Mutual Fund)已成为普通投资者资产保值增值的重要选择。然而面对全球超50万亿美元规模的基金市场，投资者们正面临三大困境：首先是信息过载问题，仅中国市场上就有超9000只基金产品；其次是偏好量化难题，普通投资者难以将风险承受力等主观因素转化为具体指标权重；最后是动态评估困境，基金表现受经济市场、经理策略等多维动态因素影响。这些痛点使得传统单一指标排序或简单筛选工具难以满足个性化需求。

浙江大学计算机辅助设计与图形学国家重点实验室的研究团队创新性地开发了FundSelector系统。该系统融合混合主动工作流与多视图交互设计，通过雷达图量化用户投资偏好，首创排名信息双向贡献条形图直观展示正负向影响因素，并开发弹性趋势图实现跨时段灵活对比。研究团队从中国基金市场2556只基金的真实数据出发，选取收益率(RoR)、最大回撤(MDD)等7个核心指标，构建了覆盖盈利能力、抗风险性和性价比的三维评估体系。

关键技术方法包括：1) 基于t-SNE算法的基金经理投资风格聚类；2) 混合主动工作流驱动的基金动态排序；3) 多视图联动可视化技术。研究使用2015-2020年中国CSI300指数和债券指数数据，通过Tushare平台获取基金净值(NAV)、持仓等微观数据。

研究结果方面，系统展现出三大创新价值：

1. 偏好可视化设计
   通过雷达图将Sharpe Ratio等7个技术指标的权重分配可视化，支持保守型、稳健型等预设模板。案例显示用户经5次迭代即可建立稳定偏好模型。

2. 动态排名解析
   创新的双向贡献条形图将Calmar Ratio等正向指标与波动率(Volatility)等负向指标分列展示。测试中83%的用户能准确理解排名第3与第10基金的差异来源。

3. 弹性周期分析
   弹性趋势图支持任意时段拉伸对比，成功识别出某消费主题基金在2015-2019年二季度持续优异的表现规律，并发现基金经理变更导致的业绩断层现象。

这项发表于《Vision Research》的研究具有双重意义：在学术层面，提出的双向贡献可视化模型为多属性决策(MCDM)领域提供了新范式；在应用层面，系统已帮助投资者将基金筛选时间从平均4.2小时缩短至1.5小时。特别值得注意的是，该系统不依赖用户历史数据，对投资新手尤为友好。未来工作将扩展至ETF等衍生品分析，并探索基于区块链技术的去中心化基金评估框架。