基金专户理财业务,别名特定客户资产管理业务,是指基金管理公司接受资产委托人委托,运作委托资产进行投资的活动。如何为资产委托人定制出产品,既能适合其风险承受能力,又能达到其预期收益,是基金管理公司在专户开发过程中的重点。由于基金专户受到不允许公开对外宣传的限制,故对于整个市场中,专户产品的类型分布,不同时期产品变化情况乃至竞争对手情况不甚明了,会造成公司的专户产品开发策略非常盲目。在基金业协会网站上公示了基金公司专户产品信息,其中包含了大量专户产品的特征信息,充分有效地利用好这些信息会为专户产品的开发过程起到事半功倍的效果。但是由于产品名录信息量巨大,且大部分为非结构化数据,通过人工处理费时费力,效率和准确性都无法得到保证。本文旨在采用自然语言处理方法,帮助公司及时、有效地分析市场产品信息,找到市场对于产品需求和痛点,期待能提升公司专户产品的竞争力。本文主要工作内容和研究成果如下:1)模型选择。通过比较HMM、MEMM、CRF三类模型,发现MEMM模型解决了HMM模型的输出独立性假设问题;而CRF模型既解决了HMM模型的独立性假设问题,又解决了MEMM模型中的标记偏置问题。同时,本文中的基金专户产品的名称均为短文本情况,计算量在CRF模型的处理能力之内,最终选择CRF模型来进行此次基金专户业产品名录分词处理。2)流程设计及数据预处理。通过爬虫软件从目标网站上爬取所需语料（约两万条）,数据清理后,将其通过一定比例拆分成训练语料和测试语料;接着,人工（1人力/3个月时间）对语料进行分词和属性标注处理。通过比较常见CRF工具包,最终选择了CRF++工具包作为此次分词处理工具。3)利用CRF算法工具对产品目录数据分析。分析过程由分词、特征提取连个部分组成。首先,通过CRF++工具集中的训练工具,得到测试步骤中所需模板文件;将该模板文件和分好词的测试语料,借助于工具集中的测试工具,将测试语料转化为分词结果;其次,将上一步的分词结果,和人工分好的测试语料进行评估,得到所需信息。通过BI工具,对分词结果进行特征提取,统计专户产品特征信息,为产品分析准备数据。4)产品分析及策略的建议。通过分析近5年专户产品分词词频情况及W基金公司专户产品构成情况,得到了以下结论:尽管同业竞争限制,但标准业务领域仍是蓝海,固定收益业务是主流,是W公司未来发展的主要方向,建议公司加强此方面的关注度。