CN107481136A - 一种用于abs风险控制的非线性规划数据筛选方法 - Google Patents

一种用于abs风险控制的非线性规划数据筛选方法 Download PDF

Info

Publication number
CN107481136A
CN107481136A CN201710704310.5A CN201710704310A CN107481136A CN 107481136 A CN107481136 A CN 107481136A CN 201710704310 A CN201710704310 A CN 201710704310A CN 107481136 A CN107481136 A CN 107481136A
Authority
CN
China
Prior art keywords
asset
assets
data
pool
interest
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.)
Pending
Application number
CN201710704310.5A
Other languages
English (en)
Inventor
潘玉婷
王平
王平一
陈泽锋
孙英家
镇磊
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.)
ANHUI ZHAOYI ANLIAN TECHNOLOGY Co Ltd
ANHUI JOYIN INFORMATION TECHNOLOGY Co Ltd
Original Assignee
ANHUI ZHAOYI ANLIAN TECHNOLOGY Co Ltd
ANHUI JOYIN INFORMATION TECHNOLOGY Co Ltd
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 ANHUI ZHAOYI ANLIAN TECHNOLOGY Co Ltd, ANHUI JOYIN INFORMATION TECHNOLOGY Co Ltd filed Critical ANHUI ZHAOYI ANLIAN TECHNOLOGY Co Ltd
Priority to CN201710704310.5A priority Critical patent/CN107481136A/zh
Publication of CN107481136A publication Critical patent/CN107481136A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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

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)
  • Other Investigation Or Analysis Of Materials By Electrical Means (AREA)

Abstract

本发明涉及一种用于ABS风险控制的非线性规划数据筛选方法，与现有技术相比解决了尚无能够控制ABS风险的大数据分析技术的缺陷。本发明包括以下步骤：ABS资产端数据和预期ABS产品信息的获取；ABS证券端数据的预处理；资产端备选池中数据的预处理；非线性规划模型的建立；非线性规划模型的转化与求解；资产端备选池中数据的筛选；最优数据的筛选。本发明利用大数据分析技术将运筹学中的非线性规划模型与ABS中的现金流引擎、资产正向筛选等功能进行结合，能够高效完成基础资产的筛选问题。

Description

一种用于ABS风险控制的非线性规划数据筛选方法
技术领域
本发明涉及大数据分析技术领域，具体来说是一种用于ABS风险控制的非线性规划数据筛选方法。
背景技术
资产证券化产品(以下简称“ABS”)作为国家控制金融风险的战略之一，连接实体企业和金融结构，帮助企业解决融资难的问题。从ABS产品设计来说，其分为两端：资产端和证券端，证券端的收益和风险完全由资产端决定。ABS产品能否顺利在市场上生存的关键是资产端的现金流入是否能够覆盖证券端的现金流出，从而为风险管理奠定基础。而作为发行者来说，更期望的是在满足费率、其他风险等情况下，极小化资产端现金流入与证券端现金流出之间的差额，使得投入的资产“不浪费”。
基于此，如何运用大数据分析技术，在非线性规划和现金流分析的模型思想框架下，为达到控制ABS产品风险的目的，从ABS证券端的主要数据特征出发，同时考虑ABS资产端的特征，通过大数据分析技术筛选基础资产已经成为急需解决的技术问题。
发明内容
本发明的目的是为了解决现有技术中尚无能够控制ABS风险的大数据分析技术的缺陷，提供一种用于ABS风险控制的非线性规划数据筛选方法来解决上述问题。
为了实现上述目的，本发明的技术方案如下：
一种用于ABS风险控制的非线性规划数据筛选方法，包括以下步骤：
ABS资产端数据和预期ABS产品信息的获取，建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE；
ABS证券端数据的预处理，计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST；
资产端备选池中数据的预处理，计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT；
非线性规划模型的建立，建立非线性规划模型对ABS的证券端和资产端进行同时约束；
非线性规划模型的转化与求解，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型；
资产端备选池中数据的筛选，对预处理后的资产端备选池中数据进行前端筛选，建立预选池；
最优数据的筛选，将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。
所述的ABS证券端数据的预处理包括以下步骤：
计算产品的分档总个数m，其计算公式如下：
m＝count(产品分档TYPE)，其中，count为计数函数；
计算产品的支付周期总数s，设产品的各档均为到期一次还本付息，则s＝m；
计算产品各档的期限PYEAR，其计算公式如下：
第i档的期限PYEAR_i＝第i档的到期日ENDDATE_i-封包日BEGDATE；
各支付周期的本金支出额AMOUT_i和利息支出额INTEREST_i，其计算公式如下：
AMOUNT_i＝第i次所需支出的本金，INTEREST_i＝第i次所需支出的利息；
则AMOUNT_i＝证券端第i档的AMOUNT，
INTEREST_n＝AMOUNT_n*COUPON_n*PYEAR_n。
所述的资产端备选池中数据的预处理包括以下步骤：
计算出备选池中资产信息数据的剩余期数TERM，其计算公式如下：
剩余期数TERM＝int((到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/还款间隔INTERVAL)；
计算出数据备选池中资产信息数据的剩余期限YEAR，其计算公式如下：
剩余期限YEAR＝(到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/365；
收集到剩余本金REPRIN；
将资产信息数据在每一个支付周期内的本金流入进行加总记为PRINAMT_N，N为支付周期数；
计算各支付周期内的利息流入，其计算公式如下：
第N个支付周期内的资产利息流入额为INTAMT_N＝(PRINAMT_N*YIELD_N)*PYEAR_N。
所述非线性规划模型的建立包括以下步骤：
设定决策变量，将资产端数据备选池中的资产数据作为决策变量，设资产端数据备选池中共计n笔资产数据，则设定的决策变量为X＝(x1,x2,…,xn)T，
其中，xi,i＝1,2,…,n为取值0或1的变量，xi＝0表示第i笔资产未被选中，xi＝1则表示第i笔资产被选中放入最终的基础资产池；
设定目标函数，以证券端的现金流出金额作为资产端现金流入的基本参照来设置为最小化目标函数，其目标函数为：
其中预选池中资产总个数为n，预期产品的总分档数为m；
设定通用性约束条件，设置规避所有债权类资产风险所需的约束条件；其中设定通用性约束条件包括以下步骤：
设定总现金流入问题限制，其表达式如下：
其中，PRINAMTij、INTAMTij分别表示第i笔资产在封包日后的第j次本金、利息回收额；
设定分档现金流入限制，其表达式如下：
设定加权剩余期限限制，限制区间为[T1,T2]，其表达式如下：
设定加权利率限制,限制区间为[R1,R2]，其表达式如下：
设定区域集中度限制,限制区间为[1/P,A]，其表达式如下：
其中P为预选池中区域总个数。
所述的非线性规划模型适当性转化为线性形式包括以下步骤：
将加权剩余期限限制表达式的除式不等式进行转化，其转化如下：
将加权利率限制表达式的除式不等式进行转化，其转化如下：
将区域集中度限制表达式的二次不等式进行转化，其转化如下：
再进行除式不等式转化为线性表达式，其转化如下：
其中，N(AREA1)表示预选池中属于区域AREA1的资产个数，[RE1,RE2]为限制区间。
所述的利用单纯形法求解模型包括以下步骤：
将非线性规划模型为线性规划的标准形式，其步骤如下：
目标函数简单化，
当预期ABS产品确定后，为确定性的常数，将目标函数表达式简化如下：
添加松弛变量，将目标函数表达式转化为标准形式；
通过添加松弛变量xj≥0,j＝n+1,…,n+9，将模型转化为线性规划的标准形式，线性规划的标准形式如下所示：
xi＝0或1,i＝1,2,…,n
xj≥0,j＝n+1,…,n+9；
将线性规划的标准形式转化为矩阵表达式，其表示如下：
令X＝(x1,x2,…,xn)T，
其中，
从而将模型转化为矩阵表达式如下：
其中X为决策变量向量，A为约束条件的系数矩阵，b为资源向量，C为价值向量；
计算初始基可行解及检验数，
取得一个初始可行基B，写出初始基可行解以及当前的目标函数值计算所有检验数σj,j＝1,2,…,n，
基可行解为最优解的判别,
考察所有检验数σj,j＝1,2,…,n，若所有检验数σj≥0，则当前基为最优解，停止求解，输出该最优解；否则进行无最优解的判别步骤处理；
无最优解的判别,
令σk＝max{σj|σj＞0}，若B-1Pk≤0，则无最优解，停止求解，输出无解的提示，否则进行引入非基变量取代某一基变量步骤处理；
引入非基变量取代某一基变量，
令用xk代替xr得新基；
新得的基可行解及判别数，
对于令 其中aij为矩阵A的第i行第j列元素，bi为向量b的第i个元素，转到基可行解为最优解的判别步骤后迭代求解。
所述的资产端备选池中数据的筛选包括以下步骤：
剔除剩余期限YEAR>产品总期限(LAWENDDATE-BEGDATE)/365的资产；
计算各资产在每个支付周期内的加权还款期限WETERM，具体计算方法如下：
WETERM_1＝sum(第一个支付周期内资产的第i次还款额度*(第i次还款时间-封包日BEGDATE))/第一个支付周期内资产的总还款额度PRINAMT_1，
WETERM_2＝sum(第二个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第二个支付周期内资产的总还款额度PRINAMT_2，
……，
WETERM_n＝sum(第n个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第n个支付周期内资产的总还款额度PRINAMT_n；
将资产端备选池中的资产按WETERM_1从大到小进行排序，
从上往下取资产，直到所取资产的本息和≥第一档债券本息和*A_1，A_1第一次取值为1，将取出的资产放入预选池中；
将资产端备选池中的资产按WETERM_2从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_2，A_2第一次取值为1，将取出的资产放入预选池中；
将资产端备选池中的资产按WETERM_n从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_n，A_n第一次取值为1，将取出的资产放入预选池中；
资产去重后得到最终的预选池。
所述的最优数据的筛选包括以下步骤：
判断资产端备选池中数据的筛选中A_i的值均为1时所对的预选池带入非线性规划模型后是否有解，若有解，通过非线性规划模型求解后将最优解所对的入选资产及目标函数的值输出；
若无解，判断资产端备选池中的资产是否有新的资产可加入预选池，若无，则停止，输出无解的提示；
若资产端备选池中的资产有新的资产加入预选池，以0.5为步长，将A_1、A_2、……、A_n的值各增加一个步长，将新的A_1、A_2、……A_n的值进行资产端备选池中数据的筛选，将满足条件的资产加入之前的预选池，并进行去重后得到新的预选池；
将新预选池中的数据带入非线性规划模型中求解，若目标函数存在最优解，则将最优解所对的入选资产及目标函数的值输出。
有益效果
本发明的一种用于ABS风险控制的非线性规划数据筛选方法，与现有技术相比利用大数据分析技术将运筹学中的非线性规划模型与ABS中的现金流引擎、资产正向筛选等功能进行结合，能够高效完成基础资产的筛选问题。本发明为了满足实际应用需要，灵活性地将非线性规划问题转化为线性规划问题进行求解，并在求解过程中运用了单纯形法及其他高性能的方法，大大提高了方法的性能。
附图说明
图1为本发明的方法顺序图。
具体实施方式
为使对本发明的结构特征及所达成的功效有更进一步的了解与认识，用以较佳的实施例及附图配合详细的说明，说明如下：
如图1所示，本发明所述的一种用于ABS风险控制的非线性规划数据筛选方法，包括以下步骤：
第一步，ABS资产端数据和预期ABS产品信息的获取。建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE。
在实际应用中，ABS资产端数据的获取可以直接从各银行、金融机构或网站收集资产信息，放入备选池。不同类型的资产信息会有所差异，收集对公信贷类资产的以下内容：客户编号CODE、资产编号ACODE、起始日AFDATE、初始还款日INDATE、到期日AEDATE、期数TIME、本金PRIN、利率YIELD、本息偿还方式WAY、还款间隔INTERVAL、区域AREA、行业INDUSTRY等；收集零售信贷类资产的以下信息：资产编号ACODE、起始日AFDATE、到期日AEDATE、期数TIME、本金PRIN、年利率YIELD、本息偿还方式WAY、还款间隔INTERVAL、区域AREA、资产初始抵押率PLEDGERATE、客户年龄AGE、客户年收入INCOME等。因此，预期ABS产品信息可以根据实际情况进行相应调整，但不影响整体方法的实现。
第二步，ABS证券端数据的预处理。计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST。通过传统方法调取ABS证券端数据后，需依据传统方法进行预处理，其包括以下步骤：
(1)计算产品的分档总个数m，其计算公式如下：
m＝count(产品分档TYPE)，其中，count为计数函数。
(2)计算产品的支付周期总数s，设产品的各档均为到期一次还本付息，则s＝m。
(3)计算产品各档的期限PYEAR，其计算公式如下：
第i档的期限PYEAR_i＝第i档的到期日ENDDATE_i-封包日BEGDATE。
(4)各支付周期的本金支出额AMOUT_i和利息支出额INTEREST_i，其计算公式如下：
AMOUNT_i＝第i次所需支出的本金，INTEREST_i＝第i次所需支出的利息；
则AMOUNT_i＝证券端第i档的AMOUNT，
INTEREST_n＝AMOUNT_n*COUPON_n*PYEAR_n。
第三步，资产端备选池中数据的预处理。计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT。同理，对资产端备选池中数据的也进行预处理，以配合后期的模型训练求解使用。其包括以下步骤：
(1)计算出备选池中资产信息数据的剩余期数TERM，其计算公式如下：
剩余期数TERM＝int((到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/还款间隔INTERVAL)。
(2)计算出数据备选池中资产信息数据的剩余期限YEAR，其计算公式如下：
剩余期限YEAR＝(到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/365。
(3)收集到剩余本金REPRIN。剩余本金REPRIN＝本金PRIN-封包日前已支付本金。该值可直接收集到，若收集不到可通过本息偿还方式WAY和还款间隔INTERVAL计算封包日之前资产的还款次数及每次的还款金额，加总后得到封包日BEGDATE前已支付的本金，从而得到剩余本金REPRIN。
(4)将资产信息数据在每一个支付周期内的本金流入进行加总记为PRINAMT_N，N为支付周期数。
(5)计算各支付周期内的利息流入，其计算公式如下：
第N个支付周期内的资产利息流入额为INTAMT_N＝(PRINAMT_N*YIELD_N)*PYEAR_N。
第四步，非线性规划模型的建立。建立非线性规划模型对ABS的证券端和资产端进行同时约束，以达到ABS风险控制的目的。其建模步骤如下：
(1)设定决策变量，将资产端数据备选池中的资产数据作为决策变量。
设资产端数据备选池中共计n笔资产数据，则设定的决策变量为
X＝(x1,x2,…,xn)T，
其中，xi,i＝1,2,…,n为取值0或1的变量，xi＝0表示第i笔资产未被选中，xi＝1则表示第i笔资产被选中放入最终的基础资产池。
(2)设定目标函数，以证券端的现金流出金额作为资产端现金流入的基本参照来设置为最小化目标函数，其目标函数为：
其中预选池中资产总个数为n，预期产品的总分档数为m。
(3)设定通用性约束条件，设置规避所有债权类资产风险所需的约束条件，通用性约束条件对所有债权类资产都适用，其中关注点是规避所有债权类资产风险都需要考虑的。设定通用性约束条件包括以下步骤：
A、设定总现金流入问题限制，其表达式如下：
其中，PRINAMTij、INTAMTij分别表示第i笔资产在封包日后的第j次本金、利息回收额；
B、设定分档现金流入限制，其表达式如下：
C、设定加权剩余期限限制，限制区间为[T1,T2]，其表达式如下：
D、设定加权利率限制,限制区间为[R1,R2]，其表达式如下：
435)设定区域集中度限制,限制区间为[1/P,A]，其表达式如下：
其中P为预选池中区域总个数。区域集中度运用赫芬达尔指数(HHI)进行表示，HHI是一种测量集中度的综合指数，当单个区域垄断时，该指数等于1，当所有区域规模相同时，该指数等于1/P，故而这一指标在1/P～1之间变动，数值越大，表明区域分布的不均匀度越高。
在金融领域实际应用中，基于金融角度考虑，其还应当进行个性化约束条件的设置，但基于技术角度考虑，个性化约束条件与通用性约束条件仅是名称区别，其均是模型限制条件，可根据资产类型和需求自行添加相应的约束条件至模型中。
第五步，非线性规划模型的转化与求解。为了降低方法的复杂度，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型。
其中将非线性规划模型适当性转化为线性形式的具体步骤如下：
(1)将加权剩余期限限制表达式的除式不等式进行转化，其转化如下：
(2)将加权利率限制表达式的除式不等式进行转化，其转化如下：
(3)将区域集中度限制表达式的二次不等式进行转化，依据实际场景，可化为对所有区域或是某几个关心区域的约束，假设只关心区域AREA1，其转化如下：
再进行除式不等式转化为线性表达式，其转化如下：
其中，N(AREA1)表示预选池中属于区域AREA1的资产个数，[RE1,RE2]为对限制区间。
通常求解0-1整数规划问题的常规方法为穷举法，即检查变量取值为0或1的每一种组合,比较目标函数值以求得最优解,这就需要检查变量取值的2n个组合。由于枚举法只能解决变量个数很小的情况(一般n<10)，后来优化性的出现了只检查变量取值组合的一部分,就能求得问题最优解的方法，即隐枚举法。
由于本发明意在解决数据量比较大的问题，尤其是零售信贷类的资产会出现几十万甚至上百万笔资产组成的预选池，即变量个数达到了几十万、上百万，所以用常规的穷举法或隐枚举法求解存在难度。
整数规划为线性规划的特例，本发明将采用求解线性规划问题最古老和通用的方法单纯形法求解模型。并在求解过程中对单纯形法进行改进，只对单纯形表的一部分元素进行迭代计算，略去了其他不必要的计算。这不仅提高了运算效率，而且节省了计算过程中的存储空间，对于求解大规模线性规划问题极为有效。
利用单纯形法求解模型包括以下步骤：
(1)将非线性规划模型为线性规划的标准形式，其步骤如下：
A、目标函数简单化，
当预期ABS产品确定后，为确定性的常数，将目标函数表达式简化如下：
B、添加松弛变量，将目标函数表达式转化为标准形式；
通过添加松弛变量xj≥0,j＝n+1,…,n+9，将模型转化为线性规划的标准形式，线性规划的标准形式如下所示：
xi＝0或1,i＝1,2,…,n
xj≥0,j＝n+1,…,n+9；
C、将线性规划的标准形式转化为矩阵表达式，其表示如下：
令X＝(x1,x2,…,xn)T，
其中，
从而将模型转化为矩阵表达式如下：
其中X为决策变量向量，A为约束条件的系数矩阵，b为资源向量，C为价值向量。
(2)计算初始基可行解及检验数，
取得一个初始可行基B，写出初始基可行解以及当前的目标函数值计算所有检验数σj,j＝1,2,…,n，
(3)基可行解为最优解的判别
考察所有检验数σj,j＝1,2,…,n，若所有检验数σj≥0，则当前基为最优解，停止求解，输出该最优解；否则进行无最优解的判别步骤处理(下一步骤)。
(4)无最优解的判别
令σk＝max{σj|σj＞0}，若B-1Pk≤0，则无最优解，停止求解，输出无解的提示，否则进行引入非基变量取代某一基变量步骤处理(下一步骤)。
(5)引入非基变量取代某一基变量，
令用xk代替xr得新基。
(6)新得的基可行解及判别数，
对于令 其中aij为矩阵A的第i行第j列元素，bi为向量b的第i个元素，转到基可行解为最优解的判别步骤(步骤(3))后迭代求解。
在求解过程中，当多个非基变量都满足变为新基的条件时，采用D.Goldfarb和J.K.Reid提出的最陡边技术，将对应于目标函数负梯度有最小夹角作为新的迭代方向，此做法能提高单纯形法的求解效率；当多个基变量同时达到边界时，采用Harris提出的Two-Pass Ratio Test方法选出基变量，此法不但能得到最快的收敛速度、更优的数值稳定性，而且在遇到退化问题时，还可以防止死循环。
第六步，资产端备选池中数据的筛选。对预处理后的资产端备选池中数据进行前端筛选，建立预选池。建立预选池的目的是，在“不浪费”的原则下对ABS进行风险控制，即每个支付周期内资产端现金流入的时间点和证券端现金流出的时间点间隔最小，以期达到资产端的现金流入在收益分账户中的存储时间最短，在保证收入能够覆盖流出的基础上达到“不浪费”的准则。其具体步骤如下：
(1)剔除剩余期限YEAR>产品总期限(LAWENDDATE-BEGDATE)/365的资产；
(2)计算各资产在每个支付周期内的加权还款期限WETERM，具体计算方法如下：
WETERM_1＝sum(第一个支付周期内资产的第i次还款额度*(第i次还款时间-封包日BEGDATE))/第一个支付周期内资产的总还款额度PRINAMT_1，
WETERM_2＝sum(第二个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第二个支付周期内资产的总还款额度PRINAMT_2，
……，
WETERM_n＝sum(第n个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第n个支付周期内资产的总还款额度PRINAMT_n；
(3)将资产端备选池中的资产按WETERM_1从大到小进行排序，
从上往下取资产，直到所取资产的本息和≥第一档债券本息和*A_1，A_1第一次取值为1，将取出的资产放入预选池中；
(4)将资产端备选池中的资产按WETERM_2从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_2，A_2第一次取值为1，将取出的资产放入预选池中；
(5)以此类推，将资产端备选池中的资产按WETERM_n从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_n，A_n第一次取值为1，将取出的资产放入预选池中；
(6)资产去重后得到最终的预选池。
第七步，最优数据的筛选。将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。其具体步骤如下：
(1)判断资产端备选池中A_i的值均为1时所对的预选池带入非线性规划模型后是否有解，若有解，通过非线性规划模型求解后将最优解所对的入选资产及目标函数的值输出。
(2)若无解，判断资产端备选池中的资产是否有新的资产可加入预选池，若无，则停止，输出无解的提示。
(3)若资产端备选池中有新的资产可加入预选池，以0.5为步长，将A_1、A_2、……A_n的值各增加一个步长，将新的A_1、A_2、……A_n的值进行资产端备选池中数据的筛选，将满足条件的资产加入之前的预选池，并进行去重后得到新的预选池。
(4)将新预选池中的数据带入非线性规划模型中求解，若目标函数存在最优解，则将最优解所对的入选资产及目标函数的值输出。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。

Claims (8)

1.一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，包括以下步骤：
11)ABS资产端数据和预期ABS产品信息的获取，建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE；
12)ABS证券端数据的预处理，计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST；
13)资产端备选池中数据的预处理，计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT；
14)非线性规划模型的建立，建立非线性规划模型对ABS的证券端和资产端进行同时约束；
15)非线性规划模型的转化与求解，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型；
16)资产端备选池中数据的筛选，对预处理后的资产端备选池中数据进行前端筛选，建立预选池；
17)最优数据的筛选，将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。
2.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的ABS证券端数据的预处理包括以下步骤：
21)计算产品的分档总个数m，其计算公式如下：
m＝count(产品分档TYPE)，其中，count为计数函数；
22)计算产品的支付周期总数s，设产品的各档均为到期一次还本付息，则s＝m；
23)计算产品各档的期限PYEAR，其计算公式如下：
第i档的期限PYEAR_i＝第i档的到期日ENDDATE_i-封包日BEGDATE；
24)各支付周期的本金支出额AMOUT_i和利息支出额INTEREST_i，其计算公式如下：
AMOUNT_i＝第i次所需支出的本金，INTEREST_i＝第i次所需支出的利息；
则AMOUNT_i＝证券端第i档的AMOUNT，
INTEREST_n＝AMOUNT_n*COUPON_n*PYEAR_n。
3.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的资产端备选池中数据的预处理包括以下步骤：
31)计算出备选池中资产信息数据的剩余期数TERM，其计算公式如下：
剩余期数TERM＝int((到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/还款间隔INTERVAL)；
32)计算出数据备选池中资产信息数据的剩余期限YEAR，其计算公式如下：
剩余期限YEAR＝(到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/365；
33)收集到剩余本金REPRIN；
34)将资产信息数据在每一个支付周期内的本金流入进行加总记为PRINAMT_N，N为支付周期数；
35)计算各支付周期内的利息流入，其计算公式如下：
第N个支付周期内的资产利息流入额为INTAMT_N＝(PRINAMT_N*YIELD_N)*PYEAR_N。
4.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述非线性规划模型的建立包括以下步骤：
41)设定决策变量，将资产端数据备选池中的资产数据作为决策变量，设资产端数据备选池中共计n笔资产数据，则设定的决策变量为X＝(x1,x2,…,xn)T，
其中，xi,i＝1,2,…,n为取值0或1的变量，xi＝0表示第i笔资产未被选中，xi＝1则表示第i笔资产被选中放入最终的基础资产池；
42)设定目标函数，以证券端的现金流出金额作为资产端现金流入的基本参照来设置为最小化目标函数，其目标函数为：
<mrow> <msubsup> <mi>min&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>PRINAMT</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>INTEREST</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中预选池中资产总个数为n，预期产品的总分档数为m；
43)设定通用性约束条件，设置规避所有债权类资产风险所需的约束条件；其中设定通用性约束条件包括以下步骤：
431)设定总现金流入问题限制，其表达式如下：
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>INTEREST</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> <mo>,</mo> </mrow>
其中，PRINAMTij、INTAMTij分别表示第i笔资产在封包日后的第j次本金、利息回收额；
432)设定分档现金流入限制，其表达式如下：
<mrow> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>AMOUNT</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>INTEREST</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </msubsup> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </msubsup> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </msubsup> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>2</mn> </msubsup> <msub> <mi>INTEREST</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mn>......</mn> </mtd> </mtr> <mtr> <mtd> <mn>......</mn> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <msub> <mi>INTEREST</mi> <mi>j</mi> </msub> </mrow> </mtd> </mtr> </mtable> <mo>;</mo> </mrow>
433)设定加权剩余期限限制，限制区间为[T1,T2]，其表达式如下：
<mrow> <msub> <mi>T</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>&amp;le;</mo> <msub> <mi>T</mi> <mn>2</mn> </msub> <mo>;</mo> </mrow>
434)设定加权利率限制,限制区间为[R1,R2]，其表达式如下：
<mrow> <msub> <mi>R</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YIELD</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YIELD</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>&amp;le;</mo> <msub> <mi>R</mi> <mn>2</mn> </msub> <mo>;</mo> </mrow>
435)设定区域集中度限制,限制区间为[1/P,A]，其表达式如下：
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>P</mi> </munderover> <msup> <mrow> <mo>(</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;le;</mo> <mi>A</mi> <mo>,</mo> </mrow>
其中P为预选池中区域总个数。
5.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的非线性规划模型适当性转化为线性形式包括以下步骤：
51)将加权剩余期限限制表达式的除式不等式进行转化，其转化如下：
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>T</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> <mo>,</mo> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>T</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>0</mn> <mo>;</mo> </mrow>
52)将加权利率限制表达式的除式不等式进行转化，其转化如下：
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <mi>Y</mi> <mi>I</mi> <mi>E</mi> <mi>L</mi> <mi>D</mi> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <mi>Y</mi> <mi>I</mi> <mi>E</mi> <mi>L</mi> <mi>D</mi> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>0</mn> <mo>;</mo> </mrow>
53)将区域集中度限制表达式的二次不等式进行转化，其转化如下：
<mrow> <msub> <mi>RE</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <mfrac> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> </mrow> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> </mrow> </mfrac> <mo>&amp;le;</mo> <msub> <mi>RE</mi> <mn>2</mn> </msub> <mo>,</mo> </mrow>
再进行除式不等式转化为线性表达式，其转化如下：
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>RE</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;GreaterEqual;</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>RE</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>&amp;le;</mo> <mn>0</mn> </mrow>
其中，N(AREA1)表示预选池中属于区域AREA1的资产个数，[RE1,RE2]为限制区间。
6.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的利用单纯形法求解模型包括以下步骤：
61)将非线性规划模型为线性规划的标准形式，其步骤如下：
611)目标函数简单化，
当预期ABS产品确定后，为确定性的常数，将目标函数表达式简化如下：
<mrow> <msubsup> <mi>min&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>PRINAMT</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>;</mo> </mrow>
612)添加松弛变量，将目标函数表达式转化为标准形式；
通过添加松弛变量xj≥0,j＝n+1,…,n+9，将模型转化为线性规划的标准形式，线性规划的标准形式如下所示：
<mrow> <msubsup> <mi>min&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>PRINAMT</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>,</mo> </mrow>
s.t.：
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>INTERRST</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>PRINAMT</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>2</mn> </mrow> </msub> <mo>=</mo> <msub> <mi>AMOUNT</mi> <mn>1</mn> </msub> </mrow> 3
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>INTAMT</mi> <mrow> <mi>i</mi> <mn>1</mn> </mrow> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>3</mn> </mrow> </msub> <mo>=</mo> <msub> <mi>INTEREST</mi> <mn>1</mn> </msub> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>T</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>4</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>T</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>5</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> <mo>,</mo> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <mi>Y</mi> <mi>I</mi> <mi>E</mi> <mi>L</mi> <mi>D</mi> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>6</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <mi>Y</mi> <mi>I</mi> <mi>E</mi> <mi>L</mi> <mi>D</mi> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>R</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>YEAR</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>7</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>RE</mi> <mn>1</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>-</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>8</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> </mrow>
<mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>p</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>N</mi> <mrow> <mo>(</mo> <msub> <mi>AREA</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> </msubsup> <msub> <mi>REPRIN</mi> <mi>p</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>p</mi> </msub> <mo>-</mo> <msub> <mi>RE</mi> <mn>2</mn> </msub> <mo>*</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </msubsup> <msub> <mi>REPRIN</mi> <mi>i</mi> </msub> <mo>*</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mo>+</mo> <msub> <mi>x</mi> <mrow> <mi>n</mi> <mo>+</mo> <mn>9</mn> </mrow> </msub> <mo>=</mo> <mn>0</mn> </mrow>
xi＝0或1,i＝1,2,…,n
xj≥0,j＝n+1,…,n+9；
613)将线性规划的标准形式转化为矩阵表达式，其表示如下：
令X＝(x1,x2,…,xn)T，
其中，
<mrow> <mi>b</mi> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </msubsup> <mrow> <mo>(</mo> <msub> <mi>AMOUNT</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>INTEREST</mi> <mi>j</mi> </msub> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mi>A</mi> <mi>M</mi> <mi>O</mi> <mi>U</mi> <mi>N</mi> <mi>T</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mn>0</mn> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow> 4
<mrow> <mi>C</mi> <mo>=</mo> <mfenced open = "(" close = ")"> <mtable> <mtr> <mtd> <mrow> <msub> <mi>PRINAMT</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mn>1</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>PRINAMT</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mn>2</mn> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mo>.</mo> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>PRINAMT</mi> <mi>n</mi> </msub> <mo>+</mo> <msub> <mi>INTAMT</mi> <mi>n</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>,</mo> </mrow>
从而将模型转化为矩阵表达式如下：
其中X为决策变量向量，A为约束条件的系数矩阵，b为资源向量，C为价值向量；
62)计算初始基可行解及检验数，
取得一个初始可行基B，写出初始基可行解以及当前的目标函数值计算所有检验数σj,j＝1,2,…,n，
63)基可行解为最优解的判别，
考察所有检验数σj,j＝1,2,…,n，若所有检验数σj≥0，则当前基为最优解，停止求解，输出该最优解；否则进行无最优解的判别步骤处理；
64)无最优解的判别，
令σk＝max{σj|σj＞0}，若B-1Pk≤0，则无最优解，停止求解，输出无解的提示，否则进行引入非基变量取代某一基变量步骤处理；
65)引入非基变量取代某一基变量，
令用xk代替xr得新基；
66)新得的基可行解及判别数，
对于令 其中aij为矩阵A的第i行第j列元素，bi为向量b的第i个元素，转到基可行解为最优解的判别步骤后迭代求解。
7.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的资产端备选池中数据的筛选包括以下步骤：
71)剔除剩余期限YEAR>产品总期限(LAWENDDATE-BEGDATE)/365的资产；
72)计算各资产在每个支付周期内的加权还款期限WETERM，具体计算方法如下：
WETERM_1＝sum(第一个支付周期内资产的第i次还款额度*(第i次还款时间-封包日BEGDATE))/第一个支付周期内资产的总还款额度PRINAMT_1，
WETERM_2＝sum(第二个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第二个支付周期内资产的总还款额度PRINAMT_2，
……，
WETERM_n＝sum(第n个支付周期内资产的第i次还款额度*(第i次还款时间-封包日))/第n个支付周期内资产的总还款额度PRINAMT_n；
73)将资产端备选池中的资产按WETERM_1从大到小进行排序，
从上往下取资产，直到所取资产的本息和≥第一档债券本息和*A_1，A_1第一次取值为1，将取出的资产放入预选池中；
74)将资产端备选池中的资产按WETERM_2从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_2，A_2第一次取值为1，将取出的资产放入预选池中；
75)将资产端备选池中的资产按WETERM_n从大到小排序后，从上往下取资产，直到所取资产的本息和≥第二档债券本息和*A_n，A_n第一次取值为1，将取出的资产放入预选池中；
76)资产去重后得到最终的预选池。
8.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的最优数据的筛选包括以下步骤：
81)判断资产端备选池中数据的筛选中A_i的值均为1时所对的预选池带入非线性规划模型后是否有解，若有解，通过非线性规划模型求解后将最优解所对的入选资产及目标函数的值输出；
82)若无解，判断资产端备选池中的资产是否有新的资产可加入预选池，若无，则停止，输出无解的提示；
83)若资产端备选池中的资产有新的资产加入预选池，以0.5为步长，将A_1、A_2、……、A_n的值各增加一个步长，将新的A_1、A_2、……A_n的值进行资产端备选池中数据的筛选，将满足条件的资产加入之前的预选池，并进行去重后得到新的预选池；
84)将新预选池中的数据带入非线性规划模型中求解，若目标函数存在最优解，则将最优解所对的入选资产及目标函数的值输出。
CN201710704310.5A 2017-08-17 2017-08-17 一种用于abs风险控制的非线性规划数据筛选方法 Pending CN107481136A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710704310.5A CN107481136A (zh) 2017-08-17 2017-08-17 一种用于abs风险控制的非线性规划数据筛选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710704310.5A CN107481136A (zh) 2017-08-17 2017-08-17 一种用于abs风险控制的非线性规划数据筛选方法

Publications (1)

Publication Number Publication Date
CN107481136A true CN107481136A (zh) 2017-12-15

Family

ID=60598864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710704310.5A Pending CN107481136A (zh) 2017-08-17 2017-08-17 一种用于abs风险控制的非线性规划数据筛选方法

Country Status (1)

Country Link
CN (1) CN107481136A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325862A (zh) * 2018-09-25 2019-02-12 北京京东金融科技控股有限公司 资产处理方法及装置、存储介质和电子设备
CN109544348A (zh) * 2018-11-09 2019-03-29 深圳前海微众银行股份有限公司 资产证券筛选方法、设备及计算机可读存储介质
CN109598400A (zh) * 2018-10-12 2019-04-09 阿里巴巴集团控股有限公司 一种基于分配模型的全局资源分配方法和装置
CN109598511A (zh) * 2018-11-05 2019-04-09 阿里巴巴集团控股有限公司 一种账户风险识别方法、装置及设备
CN109670963A (zh) * 2018-09-26 2019-04-23 深圳壹账通智能科技有限公司 资产信息筛选方法、装置、设备及存储介质
CN111818118A (zh) * 2020-01-19 2020-10-23 重庆科技学院 一种基于ciwn-ii的互联网交易平台不确定性评价滤波系统
CN112785417A (zh) * 2021-01-22 2021-05-11 中信银行股份有限公司 一种信用卡资产证券化处理系统、方法及计算机可读存储介质
WO2021168783A1 (zh) * 2020-02-28 2021-09-02 京东方科技集团股份有限公司 基于非线性规划模型的投产规划系统，投产规划方法和计算机可读存储介质

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325862A (zh) * 2018-09-25 2019-02-12 北京京东金融科技控股有限公司 资产处理方法及装置、存储介质和电子设备
CN109670963A (zh) * 2018-09-26 2019-04-23 深圳壹账通智能科技有限公司 资产信息筛选方法、装置、设备及存储介质
CN109598400A (zh) * 2018-10-12 2019-04-09 阿里巴巴集团控股有限公司 一种基于分配模型的全局资源分配方法和装置
CN109598400B (zh) * 2018-10-12 2023-06-23 创新先进技术有限公司 一种基于分配模型的全局资源分配方法和装置
CN109598511A (zh) * 2018-11-05 2019-04-09 阿里巴巴集团控股有限公司 一种账户风险识别方法、装置及设备
CN109598511B (zh) * 2018-11-05 2023-06-20 创新先进技术有限公司 一种账户风险识别方法、装置及设备
CN109544348A (zh) * 2018-11-09 2019-03-29 深圳前海微众银行股份有限公司 资产证券筛选方法、设备及计算机可读存储介质
CN111818118B (zh) * 2020-01-19 2022-09-02 重庆科技学院 一种基于ciwn-ii的互联网交易平台不确定性评价滤波系统
CN111818118A (zh) * 2020-01-19 2020-10-23 重庆科技学院 一种基于ciwn-ii的互联网交易平台不确定性评价滤波系统
CN113661510A (zh) * 2020-02-28 2021-11-16 京东方科技集团股份有限公司 基于非线性规划模型的投产规划系统，投产规划方法和计算机可读存储介质
WO2021168783A1 (zh) * 2020-02-28 2021-09-02 京东方科技集团股份有限公司 基于非线性规划模型的投产规划系统，投产规划方法和计算机可读存储介质
US12066805B2 (en) 2020-02-28 2024-08-20 Boe Technology Group Co., Ltd. System and method for producing display panels based on nonlinear program model, and non-transitory computer-readable storage medium
CN112785417A (zh) * 2021-01-22 2021-05-11 中信银行股份有限公司 一种信用卡资产证券化处理系统、方法及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN107481136A (zh) 一种用于abs风险控制的非线性规划数据筛选方法
Ucoglu Current machine learning applications in accounting and auditing
CN112926651A (zh) 企业信贷评估方法及系统
CN112700319A (zh) 基于政务数据的企业授信额度确定方法及装置
CA3120412A1 (en) An automated and dynamic method and system for clustering data records
CN114328461A (zh) 一种基于大数据分析的企业创新与成长能力的评价方法及系统
JP2006216019A (ja) バリュー・チェーンと企業価値分析装置及び方法
CN113536780A (zh) 一种基于自然语言处理的企业破产案件智能辅助判案方法
CN112232377A (zh) 一种企业esg三优信用模型构建方法及其装置
CN111784487A (zh) 一种基于动态财资流的中小企业超短期信用评价方法
Milani et al. Decomposition driven consolidation of process models
CN116777607B (zh) 一种基于nlp技术的智能审计方法
CN112434862B (zh) 上市企业财务困境预测方法及装置
Rofik et al. The Optimization of Credit Scoring Model Using Stacking Ensemble Learning and Oversampling Techniques
CN113077271A (zh) 一种基于bp神经网络的企业信用评级方法及装置
CN117114812A (zh) 一种针对企业的金融产品推荐方法及装置
CN112365352A (zh) 一种基于图神经网络的反套现方法及装置
CN114064902A (zh) 一种基于bert模型的金融创新专利分类方法
Li [Retracted] Parallel Bookkeeping Path of Accounting in Government Accounting System Based on Deep Neural Network
Begicheva et al. Bank transactions embeddings help to uncover current macroeconomics
CN112508665A (zh) 一种基于信息共用的分布式企业信用评估方法
CN117291740B (zh) 一种基于大数据的应收账款资料真实性智能识别审核系统
Shetty A Hybrid Feature Selection and Hybrid Prediction Model for Credit Risk Prediction
Katterbauer et al. A Robo-Islamic Advisory Framework For Islamic Compliance Assurance
Hattache [SUBJECT TO CHANGE] Optimisation of the tender publication process: how timing can influence the number of registrations.

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171215