CN105528730B - 一种基于资产证券化的资产池目标化方法 - Google Patents

一种基于资产证券化的资产池目标化方法 Download PDF

Info

Publication number
CN105528730B
CN105528730B CN201510922624.3A CN201510922624A CN105528730B CN 105528730 B CN105528730 B CN 105528730B CN 201510922624 A CN201510922624 A CN 201510922624A CN 105528730 B CN105528730 B CN 105528730B
Authority
CN
China
Prior art keywords
loan
statistical
current
weighted average
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201510922624.3A
Other languages
English (en)
Other versions
CN105528730A (zh
Inventor
杜衡
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201510922624.3A priority Critical patent/CN105528730B/zh
Publication of CN105528730A publication Critical patent/CN105528730A/zh
Application granted granted Critical
Publication of CN105528730B publication Critical patent/CN105528730B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/06—Asset management; Financial planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于资产证券化的资产池目标化算法，包括资产池分割、贷款与抵押资产链接、计算资产池统计属性、资产池统计属性目标化、产生最终可销售资产池的步骤。本发明可以对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性。

Description

一种基于资产证券化的资产池目标化方法
技术领域
本发明涉及信息及数据处理技术领域，特别是涉及一种基于资产证券化的资产池目标化方法。
背景技术
资产证券化是指将缺乏流动性的资产，转换为在金融市场上可以自由买卖的证券的行为，使其具有流动性，它是通过在资本市场和货币市场发行证券筹资的一种直接融资方式，可以帮助银行来管理银行的资产负债表，也可以使金融企业将不可能流动性资产转化为流动性资产。
资产证券化可以使金融机构获得更为廉价的资金，能够使金融机构的融资手段更为丰富。发行机构在进行资产池分割的时候，往往会对资产池的统计属性进行目标化，以满足市场，投资者及评级的要求。在达到目标的同时，要在各个统计属性的分布上，尽可能的保证发行机构原有的统计分布属性，从而使资产池产生的时候，保证发行机构的整体风险和资产池的风险是一致的，从而避免将优良的资产销售到信托中去，将不良的资产留在发行机构的资产负债表中，而增加发行机构本身的资产风险。
因此，需要一种可以在改变资产池统计属性的同时最大程度的保持资产池统计属性原有分布的算法。同时，由于金融机构的资产池往往是海量数据，数据级别在百万、千万条记录，如何在非常短的时间内产生一个符合统计属性要求的资产池也是一个巨大的挑战。
发明内容
为克服上述不足，本发明提供了一种能在改变资产池统计属性的同时，最大程度的保持资产池统计属性的原有分布的基于资产证券化的资产池目标化方法。
本发明采用的技术方案是：一种基于资产证券化的资产池目标化方法，包括资产池分割、贷款与抵押资产链接、计算资产池统计属性、资产池统计属性目标化、产生最终可销售资产池的步骤，其特征在于：所述资产池统计属性目标化的过程包括：
A、保持数据原有统计属性分布；
B、快速追踪统计目标；
C、对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性。
作为上述方案的进一步设置，所述保持数据原有统计属性分布的算法如下：
A、确定资产池中两个统计属性：加权平均期长、加权平均贷款与资产抵押比率的目标化条件；
B、定义原始期长公式为：
Figure GDA0003274456620000021
Figure GDA0003274456620000022
n＝Max(loan.Seasoninginmonth)，
Figure GDA0003274456620000023
C、定义贷款与资产抵押比率统计属性按贷款额度分布的公式为：
Figure GDA0003274456620000024
Figure GDA0003274456620000025
m＝Max(loan.LoanToValuationRatioinBasePoint)，
Figure GDA0003274456620000026
Figure GDA0003274456620000027
D、将资产池中的二维统计分布属性，转换成为一维的以长度为度量的分布属性；
(1)资产池中两个统计属性：加权平均期长、加权平均贷款与资产抵押比率的笛卡尔积的分布公式如下：
Figure GDA0003274456620000028
Figure GDA0003274456620000029
(2)定义方程如下：
Figure GDA00032744566200000210
Figure GDA00032744566200000211
(3)定义新的贷款统计属性，公式如下：
Figure GDA00032744566200000212
(4)步骤(3)中的公式等同于给贷款定义了一个新的主键，公式如下：
Figure GDA00032744566200000213
(5)以一维的统计分布属性进行取值，同时原来二维的统计分布属性得到保持，其取值方式如下：
Selectdistinctloan.BucketingAveragePosibilityRunningTotalOrderByNEWID()
(6)新的统计属性也是贷款的一个主键，简化步骤(5)中的公式如下：
Selectloan.*OrderByNEWID()。
作为上述方案的进一步设置，所述快速追踪统计目标的算法如下：
A、定义原加权平均贷款期长公式如下：
Figure GDA0003274456620000031
B、定义原加权平均贷款对资产抵押比值公式如下：
Figure GDA0003274456620000032
PopulationCurrentWeightedAverageSeasoning＝SCurrent
PopulationCurrentWeightedAverageLTV＝LCurrent
CurrentWeightedAverageSeasoningTarget＝Starget
CurrentWeightedAverageLTVTarget＝Ltarget
CurrentWeightedAverageSeaoningTargetTolerance＝σS，σS＞0
CurrentWeightedAverageLTVTargetTolerance＝σL，σL＞0
a＝SCurrent-Starget，Stoppedwhen-σS＜a＜σS
b＝LCurrent-Ltarget，Stoppedwhen-σL＜b＜σL
Figure GDA0003274456620000033
Figure GDA0003274456620000034
Figure GDA0003274456620000035
C、在二维坐标系统中定义如下矢量：
Figure GDA0003274456620000036
D、每一次从海量数据中移除一个记录，那么重新计算目标化统计属性，并对以下条件进行衡量，直到目标条件满足为止，
Figure GDA0003274456620000041
达到了目标要求，又保证了原有分布。
作为上述方案的进一步设置，所述对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性的过程如下：
A、对资产池原统计属性进行如下定义：
Figure GDA0003274456620000042
Figure GDA0003274456620000043
Figure GDA0003274456620000044
Figure GDA0003274456620000045
Figure GDA0003274456620000046
Figure GDA0003274456620000047
Figure GDA0003274456620000048
Figure GDA0003274456620000049
B、对目标统计属性的定义如下，并求得最大的Starget：
Figure GDA00032744566200000410
A*＝{loan|loan∈A}
B*＝{loan|loan∈B}
C*＝{loan|loan∈C}
Figure GDA00032744566200000411
Figure GDA00032744566200000412
Figure GDA00032744566200000413
Figure GDA00032744566200000414
Figure GDA00032744566200000415
Figure GDA00032744566200000416
Figure GDA0003274456620000051
f(A*)＝Sum(loan.CurrentBalance)，{loan|loan∈A}
f(B*)＝Sum(loan.CurrentBalance)，{loan|loan∈B}
f(C*)＝Sum(loan.CurrentBalance)，{loan|loan∈C}
Figure GDA0003274456620000052
Figure GDA0003274456620000053
Figure GDA0003274456620000054
Figure GDA0003274456620000055
Figure GDA0003274456620000056
Figure GDA0003274456620000057
Figure GDA0003274456620000058
Figure GDA0003274456620000059
Figure GDA00032744566200000510
Figure GDA00032744566200000511
Figure GDA00032744566200000512
Figure GDA00032744566200000513
Figure GDA00032744566200000514
Figure GDA00032744566200000515
Figure GDA0003274456620000061
Figure GDA0003274456620000062
Figure GDA0003274456620000063
Figure GDA0003274456620000064
C、用剩余调整完成计算。
本发明的优点如下：
1、可以同时对多个统计属性进行目标化，满足多个统计属性目标化的要求，并且对于每个目标化的的统计属性，都能最大程度的保持原统计属性分布。
2、可以快速的进行计算，一般在5分钟内，能完成百万条数据级别的多目标化要求。
附图说明
图1为本发明的原始加权平均期长统计属性按贷款额度分布图；
图2为本发明的贷款与资产抵押比率统计属性按贷款额度分布图；
图3为本发明的加权平均期长、加权平均贷款与资产抵押比率的笛卡尔积的分布图；
图4、图5为本发明中二维统计分布属性转换为一维后，以长度为度量的分布属性图；
图6为本发明的算法实习轨迹图；
图7、图8为本发明的新统计属性的分布图。
具体实施方式
下面结合附图及实施例对本发明做进一步描述。
一种基于资产证券化的资产池目标化方法，包括：
(1)资产池分割：在资产池中，利用筛选条件，剔除不可销售的资产；
(2)贷款与抵押资产链接：避免重复抵押和多重抵押的发生；
(3)计算资产池统计属性：对资产池进行实时的统计属性计算和统计分割；
(4)资产池统计属性目标化：同时对多个统计属性进行快速目标化，并保持金融机构原资产池的统计属性；
(5)形成可销售资产池。
所述资产池统计属性目标化的算法包括：
A、保持数据原有统计属性分布的算法；
B、快速追踪统计目标的算法；
C、对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性的算法。
所述保持数据原有统计属性分布的算法如下：
A、确定资产池中两个统计属性以如下目标化条件为例，一个RMBS(ResidentialMortgageBackedAssetPool)资产池需要满足如下统计条件
加权平均期长(WeightedAverageSeasoning)＝39个月
加权平均贷款与资产抵押比率(WeightedAverageLoantoValuationRatio(LTV/LVR))＝65％
原始加权平均期长统计属性按贷款额度分布如图1。
B、定义原始期长公式为：
Figure GDA0003274456620000071
Figure GDA0003274456620000072
n＝Max(loan.Seasoninginmonth)，
Figure GDA0003274456620000073
C、定义贷款与资产抵押比率统计属性按贷款额度分布的公式为：
Figure GDA0003274456620000081
Figure GDA0003274456620000082
m＝Max(loan.LoanToValuationRatioinBasePoint)，
Figure GDA0003274456620000083
Figure GDA0003274456620000084
贷款与资产抵押比率统计属性按贷款额度分布如图2。
D、将资产池中的二维统计分布属性，转换成为一维的以长度为度量的分布属性；
(1)资产池中两个统计属性：加权平均期长、加权平均贷款与资产抵押比率的笛卡尔积的分布公式如下：
Figure GDA0003274456620000085
Figure GDA0003274456620000086
分布图如图3。
(2)定义方程如下：
Figure GDA0003274456620000087
Figure GDA0003274456620000088
(3)定义新的贷款统计属性，公式如下：
Figure GDA0003274456620000089
(4)步骤(3)中的公式等同于给贷款定义了一个新的主键，公式如下：
Figure GDA00032744566200000810
(5)以一维的统计分布属性进行取值，同时原来二维的统计分布属性得到保持，其取值方式如下：
Selectdistinctloan.BucketingAveragePosibilityRunningTotalOrderByNEWID()
分布图如图4及图5。
(7)新的统计属性也是贷款的一个主键，简化(5)中的公式如下：
Selectloan.*OrderByNEWID()。
所述快速追踪统计目标的算法如下：
A、定义原加权平均贷款期长公式如下：
Figure GDA0003274456620000091
B、定义原加权平均贷款对资产抵押比值公式如下：
Figure GDA0003274456620000092
PopulationCurrentWeightedAverageSeaSoning＝SCurrent
PopulationCurrentWeightedAverageLTV＝LCurrent
CurrentWeightedAverageSeasoningTarget＝Starget
CurrentWeightedAverageLTVTarget＝Ltarget
CurrentWeightedAverageSeaoningTargetTolerance＝σS，σS＞0
CurrentWeightedAverageLTVTargetTolerance＝σL，σL＞0
a＝SCurrent-Starget，Stoppedwhen-σS＜a＜σS
b＝LCurrent-Ltarget，Stoppedwhen-σL＜b＜σL
Figure GDA0003274456620000093
Figure GDA0003274456620000094
Figure GDA0003274456620000095
C、在二维坐标系统中定义如下矢量：
Figure GDA0003274456620000096
D、每一次从海量数据中移除一个记录，那么重新计算目标化统计属性，并对以下条件进行衡量，直到目标条件满足为止，
Figure GDA0003274456620000097
那么算法实习将会以图6的轨迹满足目标的要求。
实现了既达到了目标要求，又保证了原有分布，其分布图见图7与图8。
聚类统计分布属性和以上所提到的在整个资产池基础上的统计属性不同，而是在聚类的基础上，以分割的形式来了解资产池的属性。
以下是一些典型的市场，监管或投资人的要求：
投资人会对自住型住宅或投资行住宅的分布比率剔除要求；
因为有些区域可能有灾害发生，投资人可能对某个区域内的资产总额有要求；
考虑到现金流的问题，投资人可能会对某些现金流属性的资产提出要求。
例如，投资人会提出以下要求：
需求 统计目标 原因
总贷款额来自与四川占总资产池的比率 11％ 地质灾害可能性高
总的投资型住宅站总资产池的比率 12％ 降低资产池风险，自住还款意愿更高
只付利息的贷款占总资产的比率 22％ 保证更好的现金流
A、对资产池原统计属性进行如下定义：
Figure GDA0003274456620000101
Figure GDA0003274456620000102
Figure GDA0003274456620000103
Figure GDA0003274456620000104
Figure GDA0003274456620000105
Figure GDA0003274456620000106
Figure GDA0003274456620000107
Figure GDA0003274456620000108
B、对目标统计属性的定义如下，并求得最大的Starget：
Figure GDA0003274456620000109
A*＝{loan|loan∈A}
B*＝{loan|loan∈B}
C*＝{loan|loan∈C}
Figure GDA00032744566200001010
Figure GDA00032744566200001011
Figure GDA00032744566200001012
Figure GDA00032744566200001013
Figure GDA0003274456620000111
Figure GDA0003274456620000112
Figure GDA0003274456620000113
f(A*)＝Sum(loan.CurrentBalance)，{loan|loan∈A}
f(B*)＝Sum(loan.CurrentBalance)，{loan|loan∈B}
f(C*)＝Sum(loan.CurrentBalance)，{loan|loan∈C}
Figure GDA0003274456620000114
Figure GDA0003274456620000115
Figure GDA0003274456620000116
Figure GDA0003274456620000117
Figure GDA0003274456620000118
Figure GDA0003274456620000119
Figure GDA00032744566200001110
Figure GDA00032744566200001111
Figure GDA00032744566200001112
Figure GDA00032744566200001113
Figure GDA00032744566200001114
Figure GDA00032744566200001115
Figure GDA00032744566200001116
Figure GDA00032744566200001117
Figure GDA0003274456620000121
Figure GDA0003274456620000122
Figure GDA0003274456620000123
Figure GDA0003274456620000124
C、用剩余调整完成计算。
以P(A*)为例，
Figure GDA0003274456620000131
例如：所要目标化属性如下：
P(A) 0.12
P(B) 0.05
P(C) 0.04
P(AB) 0.08
P(AC) 0.09
P(BC) 0.06
开始前：
Figure GDA0003274456620000141
结束：
Figure GDA0003274456620000142

Claims (1)

1.一种基于资产证券化的资产池目标化方法，包括资产池分割、贷款与抵押资产链接、计算资产池统计属性、资产池统计属性目标化、产生最终可销售资产池的步骤，其特征在于：所述资产池统计属性目标化的算法包括：
A、保持数据原有统计属性分布的算法；
B、快速追踪统计目标的算法；
C、对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性的算法；
其中，所述保持数据原有统计属性分布的算法如下：
1)、确定资产池中两个统计属性：加权平均期长、加权平均贷款与资产抵押比率的目标化条件；
2)、定义原始期长公式为：
Figure FDA0003274456610000011
Figure FDA0003274456610000012
其中，
Figure FDA0003274456610000013
表示贷款余额的求和项；Loan表示贷款实体；Loan.CurrentBalance表示贷款的当前余额；
Figure FDA0003274456610000014
表示贷款集合；
Figure FDA0003274456610000015
表示贷款从1-n的集合；n＝Max(loan.Seasoning in month)；Loan.Seasoning in month表示贷款的账龄，以月表示；
Figure FDA0003274456610000016
3)、定义贷款与资产抵押比率统计属性按贷款额度分布的公式为：
Figure FDA0003274456610000017
Figure FDA0003274456610000018
其中，m＝Max(loan.LoanToValuationRatio in Base Point)；
Figure FDA0003274456610000019
其中，Loan.LoanToValuationRation表示贷款与房产估值之比；
用
Figure FDA00032744566100000110
和
Figure FDA00032744566100000111
两个集合进行笛卡尔积的方式，来表达一个二维的贷款集合，为：
Figure FDA00032744566100000112
4)、将资产池中的二维统计分布属性，转换成为一维的以长度为度量的分布属性；
(1)资产池中两个统计属性：加权平均期长、加权平均贷款与资产抵押比率的笛卡尔积的分布公式如下：
Figure FDA0003274456610000021
Figure FDA0003274456610000022
其中，Loan.LoanToValuationRation in Base point为用万分之一表示的贷款与房产估值之比；
(2)定义方程如下：
Figure FDA0003274456610000023
Figure FDA0003274456610000024
其中，
Figure FDA0003274456610000025
表示贷款的计数函数；
Figure FDA0003274456610000026
表示贷款的概率函数；N表示总的空间的总数；
(3)定义新的贷款统计属性，公式如下：
Figure FDA0003274456610000027
其中，Loan.BucketingAveragePosibility表示贷款组合的平均概率；
(4)步骤(3)中的公式等同于给贷款定义了一个新的主键，公式如下：
Figure FDA0003274456610000028
其中，Loan.BucketingAveragePosibilityRunningTotal表示贷款组合的平均累计概率之和；
(5)以一维的统计分布属性进行取值，同时原来二维的统计分布属性得到保持，其取值方式如下：
Select distinct loan.BucketingAveragePosibilityRunningTotal Order ByNEWID()
(6)新的统计属性也是贷款的一个主键，简化步骤(5)中的公式如下：
Select loan.*Order By NEWID()；
进一步的，所述快速追踪统计目标的算法如下：
1)、定义原加权平均贷款期长SpopulationWeightedAverageSeasoning公式如下：
Figure FDA0003274456610000029
2)、定义原加权平均贷款对资产抵押比值公式如下：
Figure FDA00032744566100000210
其中，Population Current Weighted Average Seasoning＝SCurrent，表示贷款集合的当前加权平均账龄；
Population Current Weighted Average LTV＝LCurrent，表示贷款集合的当前加权平均贷款与估值比；
Current Weighted Average Seasoning Target＝Starget，表示当前目标的加权平均账龄；
Current Weighted Average LTV Target＝Ltarget，表示当前目标的加权平均贷款与估值之比；
Current Weighted Average Seaoning Target Tolerance＝σS，表示当前目标的加权平均账龄的容忍度，σS＞0
Current Weighted Average LTV Target Tolerance＝σL，表示当前目标的加权平均贷款与估值之比的容忍度，σL＞0
a＝SCurrent-Starget，Stoppedwhen-σS＜a＜σS，表示当前值到目标值的距离，贷款账龄；
b＝LCurrent-Ltarget，Stoppedwhen-σL＜b＜σL，表示当前值到目标值的距离，贷款对估值的比例；
3)、在二维坐标系统中定义如下矢量：
Figure FDA0003274456610000031
4)、每一次从海量数据中移除一个记录，那么重新计算目标化统计属性，并对以下条件进行衡量，直到目标条件满足为止，
Figure FDA0003274456610000032
达到了目标要求，又保证了原有分布；
进一步的，所述对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性的过程如下：
1)、对资产池原统计属性进行如下定义：
Figure FDA0003274456610000041
Figure FDA0003274456610000042
Figure FDA0003274456610000043
Figure FDA0003274456610000044
Figure FDA0003274456610000045
Figure FDA0003274456610000046
Figure FDA0003274456610000047
Figure FDA0003274456610000048
其中，N表示总的空间的总数，SA表示属于集合A，且不属于集合B和集合C的贷款的当前余额的求和；
2)、对目标统计属性的定义如下，并求得最大值Starget：
Figure FDA0003274456610000049
A*＝{loan|loan∈A}
B*＝{loan|loan∈B}
C*＝{loan|loan∈C}
Figure FDA00032744566100000410
Figure FDA00032744566100000411
Figure FDA00032744566100000412
Figure FDA00032744566100000413
Figure FDA00032744566100000414
Figure FDA00032744566100000415
Figure FDA00032744566100000416
f(A*)＝Sum(loan.CurrentBalance)，{loan|loan∈A}
f(B*)＝Sum(loan.CurrentBalance)，{loan|loan∈B}
f(C*)＝Sum(loan.CurrentBalance)，{loan|loan∈C}
Figure FDA00032744566100000417
Figure FDA00032744566100000418
Figure FDA00032744566100000419
Figure FDA00032744566100000420
Figure FDA00032744566100000421
Figure FDA0003274456610000051
Figure FDA0003274456610000052
Figure FDA0003274456610000053
Figure FDA0003274456610000054
Figure FDA0003274456610000055
Figure FDA0003274456610000056
Figure FDA0003274456610000057
Figure FDA0003274456610000058
Figure FDA0003274456610000059
Figure FDA00032744566100000510
Figure FDA00032744566100000511
Figure FDA00032744566100000512
其中，P()表示概率；
Figure FDA0003274456610000061
3)、用剩余调整完成计算。
CN201510922624.3A 2015-12-15 2015-12-15 一种基于资产证券化的资产池目标化方法 Active CN105528730B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510922624.3A CN105528730B (zh) 2015-12-15 2015-12-15 一种基于资产证券化的资产池目标化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510922624.3A CN105528730B (zh) 2015-12-15 2015-12-15 一种基于资产证券化的资产池目标化方法

Publications (2)

Publication Number Publication Date
CN105528730A CN105528730A (zh) 2016-04-27
CN105528730B true CN105528730B (zh) 2021-11-09

Family

ID=55770938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510922624.3A Active CN105528730B (zh) 2015-12-15 2015-12-15 一种基于资产证券化的资产池目标化方法

Country Status (1)

Country Link
CN (1) CN105528730B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1630867A (zh) * 1999-12-02 2005-06-22 通用电气公司 用于使用模糊聚类评价贷款资产组合的系统和方法
CN101739646A (zh) * 2008-11-18 2010-06-16 英属维京群岛商钜融资本管理股份有限公司 系统性风险控管方法、系统及其计算机程序产品
CN103985055A (zh) * 2014-05-30 2014-08-13 西安交通大学 一种基于网络分析和多模型融合的股市投资决策方法
CN104063601A (zh) * 2014-06-26 2014-09-24 浙江德清沃尔赴金融数据处理有限公司 基于小微贷款资产池损失率计算的监控方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6654727B2 (en) * 2001-11-29 2003-11-25 Lynn Tilton Method of securitizing a portfolio of at least 30% distressed commercial loans

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1630867A (zh) * 1999-12-02 2005-06-22 通用电气公司 用于使用模糊聚类评价贷款资产组合的系统和方法
CN101739646A (zh) * 2008-11-18 2010-06-16 英属维京群岛商钜融资本管理股份有限公司 系统性风险控管方法、系统及其计算机程序产品
CN103985055A (zh) * 2014-05-30 2014-08-13 西安交通大学 一种基于网络分析和多模型融合的股市投资决策方法
CN104063601A (zh) * 2014-06-26 2014-09-24 浙江德清沃尔赴金融数据处理有限公司 基于小微贷款资产池损失率计算的监控方法及系统

Also Published As

Publication number Publication date
CN105528730A (zh) 2016-04-27

Similar Documents

Publication Publication Date Title
Ye et al. Loan evaluation in P2P lending based on random forest optimized by genetic algorithm with profit score
Malekipirbazari et al. Risk assessment in social lending via random forests
Wang et al. Portfolio selection and asset pricing
TWI248001B (en) Methods and apparatus for automated underwriting of segmentable portfolio assets
US8812384B2 (en) Systems and methods for underlying asset risk monitoring for investment securities
CN108389120B (zh) 一种对互联网信贷资产进行自动评级的方法、系统及装置
Okesola et al. An improved bank credit scoring model: a naïve Bayesian approach
MXPA01008620A (es) Modelos de prediccion de valoracion en situaciones con entradas perdidas.
WO2001050316A2 (en) Methods and systems for finding value and reducing risk
KR20010102455A (ko) 금융 증서와 같은 자산 포트폴리오의 신속한 가치 평가
EP1264242A1 (en) Methods and systems for automated inferred valuation of credit scoring
EP1194875A2 (en) Methods and systems for optimizing return and present value
Belsky et al. Understanding the boom and bust in nonprime mortgage lending
Chunikhin et al. Studying the banking industry’s stability through market concentration indices
Triki Credit scoring models for a Tunisian microfinance institution: comparison between artificial neural network and logistic regression
Mamonov et al. What can we learn from past mistakes? Lessons from data mining the Fannie Mae mortgage portfolio
Bataev Financial technology: Efficiency evaluation of challenger banks
Sheng Sun et al. Estimating credit risk parameters using ensemble learning methods: an empirical study on loss given default
CN105528730B (zh) 一种基于资产证券化的资产池目标化方法
Ryan et al. FinTech isn’t so different from traditional banking: trading off aggregation of soft information for transaction processing efficiency
Nikolaidis et al. Exploring population drift on consumer credit behavioral scoring
WO2009048843A1 (en) Methods and systems of predicting mortgage payment risk
Lin et al. Soft computing algorithms in price of Taiwan real estates
Mabe et al. Determinants of Corporate Failure: The Case of the Johannesburg Stock Exchange
Makatjane Deep Learning for Sentiment Analysis to Predict the Probability of Bank Loan Default

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method of asset pool targeting based on asset securitization

Effective date of registration: 20230116

Granted publication date: 20211109

Pledgee: Guiyang Rural Commercial Bank Co.,Ltd. science and technology sub branch

Pledgor: Du Heng

Registration number: Y2023520000005

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20231201

Granted publication date: 20211109

Pledgee: Guiyang Rural Commercial Bank Co.,Ltd. science and technology sub branch

Pledgor: Du Heng|GoldenStand Financial Technology Pty Ltd.

Registration number: Y2023520000005

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Targeting Method for Asset Pools Based on Asset Securitization

Effective date of registration: 20231212

Granted publication date: 20211109

Pledgee: Guiyang Rural Commercial Bank Co.,Ltd. science and technology sub branch

Pledgor: Du Heng|GoldenStand Financial Technology Pty Ltd.

Registration number: Y2023520000071

PE01 Entry into force of the registration of the contract for pledge of patent right