CN108765163A - 债券etf的构建方法、装置及计算机可读存储介质 - Google Patents
债券etf的构建方法、装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108765163A CN108765163A CN201810469974.2A CN201810469974A CN108765163A CN 108765163 A CN108765163 A CN 108765163A CN 201810469974 A CN201810469974 A CN 201810469974A CN 108765163 A CN108765163 A CN 108765163A
- Authority
- CN
- China
- Prior art keywords
- bonds
- bond
- component
- data
- sampling
- 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
Links
- 238000010276 construction Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000005070 sampling Methods 0.000 claims description 136
- 230000010076 replication Effects 0.000 claims description 31
- 230000007774 longterm Effects 0.000 claims description 9
- 239000004615 ingredient Substances 0.000 abstract 5
- 238000012937 correction Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种单市场债券ETF的构建方法,该方法包括:获取单市场债券指数的成分券的久期数据,将成分券分为多组债券;获取成分券抽样因子对应的数据,并根据抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分;确定各组债券的抽样数量;根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;根据样本债券的交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;按照计算得到的权重组合样本债券,构成单市场债券ETF。本发明还提出一种单市场债券ETF的构建装置以及一种计算机可读存储介质。本发明解决了现有技术中没有适用于信用债的债券ETF的构建方案的技术问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种债券ETF的构建方法、装置及计算机可读存储介质。
背景技术
交易所交易基金(Exchange-Traded Funds),简称ETF,是一种在交易所上市交易的、基金份额可变的开放式基金。ETF按标的资产不同,分为股票ETF,债券ETF等,目前国内市场上,股票ETF较多,债券ETF存在着巨大的空白,而且现有的债券ETF基本是国债为主的债券ETF,信用债ETF非常匮乏,因此,市场上为了推动债券ETF研发,填补市场空白,开发信用债ETF就有了现实的需求。
这就需要一种针对信用债的债券ETF构建方案,实现对该信用债的债券指数的跟踪,但是由于目前的市场上的债券ETF的构建方案主要是针对国债设计的,并不适用于信用债,因此,目前亟需能够适用于信用债的债券ETF构建方案。
发明内容
本发明提供一种债券ETF的构建方法、装置及计算机可读存储介质,其主要目的在于解决现有技术中没有适用于信用债的债券ETF的构建方案的技术问题。
为实现上述目的,本发明还提供一种单市场债券ETF的构建方法,该方法包括:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;
确定各组债券的抽样数量;
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
可选地,所述获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券的步骤包括:
获取单市场债券指数的成分券在目标时间区间内每个交易日的日度久期数据,根据获取的每个交易日的日度久期数据计算平均日度久期数据,将所述平均日度久期数据作为成分券在目标时间区间的久期数据;
按照所述成分券在目标时间区间的久期数据和预设的久期区间将成分券分为多组债券。
可选地,所述确定各组债券的抽样数量的步骤包括:
确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;
根据所述成分券总数量和所述目标复制率计算总抽样数据;
根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
可选地,所述获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分的步骤包括:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
可选地,所述收益偏差二次规划模型的表达式为:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,为样本券i在交易日T的收益率,RT+1为交易日T+1的债券指数。
此外,为实现上述目的,本发明还提供一种单市场债券ETF的构建装置,该装置包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的ETF构建程序,所述ETF构建程序被所述处理器执行时实现如下步骤:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;
确定各组债券的抽样数量;
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
可选地,所述确定各组债券的抽样数量的步骤包括:
确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;
根据所述成分券总数量和所述目标复制率计算总抽样数据;
根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
可选地,所述获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分的步骤包括:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
可选地,所述收益偏差二次规划模型的表达式为:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,为样本券i在交易日T的收益率,RT+1为交易日T+1的债券指数。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有ETF构建程序,所述ETF构建程序可被一个或者多个处理器执行,以实现如上所述的单市场债券ETF的构建方法的步骤。
本发明提出的债券ETF的构建方法、装置及计算机可读存储介质,获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;获取成分券在目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;确定各组债券的抽样数量;根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;获取样本债券在目标时间区间的交易收益数据,根据交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;按照计算得到的权重组合样本债券,构成与目标时间区间对应的单市场债券ETF。本发明的方案一种新的债券复制逻辑,通过对成分券分组评分并抽取一定量的样本券用于跟踪,并且根据交易收益数据,采用收益偏差二次规划模型为样本券分配合适的权重,通过计算的权重组合样本券作为单市场债券ETF,解决了现有技术中没有适用于信用债的债券ETF的构建方案的技术问题。
附图说明
图1为本发明一实施例提供的单市场债券ETF的构建方法的流程示意图;
图2为本发明一实施例提供的单市场债券ETF的构建装置的内部结构示意图;
图3为本发明一实施例提供的单市场债券ETF的构建装置中ETF构建程序的模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提供一种单市场债券ETF的构建方法。参照图1所示,为本发明一实施例提供的单市场债券ETF的构建方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,单市场债券ETF的构建方法包括:
步骤S10,获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券。
本发明实施例中以上海证券交易所的单市场债券指数作为分析对象,从该债券指数的成分券中抽取出一定数量的样本券作为跟踪复制的对象,建立上海证券交易所的单市场债券ETF。
其中,上交所的单市场债券指数的成分券是从其所有的上市债券中筛选出的符合预设筛选条件的债券。例如,统计上交所在截止日期之前上市的所有债券,从中筛选出剩余期限在预设时长以上、主体评级和信用评级均在预设级别以上、发行规模在预设数量以上的债券。上述预设时长、预设级别以及预设数量的选择可以根据交易所的上市债券的实际情况进行合理设置。优选地,在一实施例中,预设时长为1年,预设数量为20亿,预设级别为AA级。关于发行规模,基于债券规模越大,资产配置容量越高的逻辑,指数的标的选在债券发行规模20亿以上,为后期的债券ETF复制提供了现实的操作空间。将按照上述条件中筛选出的债券作为上交所单市场债券的成分券。
从预设数据库中获取这些成分券在目标时间区间内的久期数据,在本实施例中,以一个月作为一个时间单元。获取这些成分券在一个月内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券,其中,预设的久期区间是用户预先设置的、用于对成分券分组的依据。
步骤S10可以包括以下细化步骤:
获取单市场债券指数的成分券在目标时间区间内每个交易日的日度久期数据,根据获取的每个交易日的日度久期数据计算平均日度久期数据,将所述平均日度久期数据作为成分券在目标时间区间的久期数据;按照所述成分券在目标时间区间的久期数据和预设的久期区间将成分券分为多组债券。
以下内容以2016年12月作为目标时间单元,以这个月的数据示例。获取2016年12月1日到2016年12月31日中所有指数成分券在交易日的日度久期数据,该数据为修正久期,来源中证指数公司,采用算术平均计算方法对每只债券计算月度平均久期,根据月度平均久期将所有的成分券分为修正久期分别为0-3年、3-6年、6-9年、9年以上,共四个分组。
步骤S20,获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模。
关于抽样因子的设置,本实施例中将债券久期、月度累计成交量以及债券发行规模作为抽样因子,在其他实施例中也可以增加其他的因素作为抽样因子。从数据库中获取每组债券中成分券的上述抽样因子在2016年12月的数据,即成分券的久期数据、发行规模数据和月度累计成交量数据。接下来根据这些数据和预设的评分规则对各组债券中的成分券进行评分。具体地,在一实施例中,步骤S20可以包括以下细化步骤:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
其中,各抽样因子的预设占比可以根据各抽样因子的重要程度来设置,例如,在一实施例中,月度累计成交量因子的预设占比优选地为50%,债券久期因子和债券发行规模因子的预设占比分别为25%。针对每个债券分组,分别按照上述三个抽样因子对应的评分规则对分组内的成分券进行评分,根据评分结果以及各个抽样因子的占比,对每个债券的三个评分值进行加权求和,作为最终的评分。其中,评分规则可以由用户根据需要设置。以修正久期为例,对于修正久期为0-3年的债券分组来说,若债券的修正久期为0.5-1.1,则评分为10分,若债券的修正久期为1.1-1.7,则评分为8分,若债券的修正久期为1.7-2.3,则评分为6分,若债券的修正久期为2.3-3,则评分为4分。对于修正久期为3-6年的债券分组来说,若债券的修正久期为3-3.7,则评分为10分,若债券的修正久期为3.7-4.4,则评分为8分,若债券的修正久期为4.4-5.1,则评分为6分,若债券的修正久期为5.1-6,则评分为4分。对于修正久期为6-9年的债券分组来说,若债券的修正久期为6-7,则评分为10分,若债券的修正久期为7-7.5,则评分为8分,若债券的修正久期为7.5-8.1,则评分为6分,若债券的修正久期为8.1-9,则评分为4分。关于发行规模和月度累计成交量的评分规则,可以参照上述修正久期的评分规则设置类似的评分规则,在此不再赘述,其中,发行规模越大,分数越高;月度累计成交量越大,分数越高。
对于每组债券来说,按照各个抽样因子的评分规则对成分券进行评分,可以分别得到三个评分,根据月度累计成交量因子的预设占比50%、债券久期因子的预设占比25%、债券发行规模因子的预设占比25%对三个评分进行加权求和,将求和结果作为最终评分。将各组债券中的成分券按照最终评分由高至低的顺序排序。
步骤S30,确定各组债券的抽样数量。
确定各组债券的抽样数量的步骤包括:确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;根据所述成分券总数量和所述目标复制率计算总抽样数据;根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
预先设置好单市场债券ETF的目标复制率以及各组债券的复制比例。假设目标复制率为20%,修正久期为0-3年的债券分组的复制比例为50.94%,修正久期为3-6年的债券分组的复制比例为40.57%,修正久期为6-9年的债券分组的复制比例为7.55%,修正久期为9年以上的债券分组的复制比例为0.94%。上述各组债券的复制比例为各个分组债券中要抽选出的样本券的数量占抽样债券总数的比例。根据目标复制率以及各组债券的复制比例可以计算得到每组债券中要抽选出的样本券的数量在该组债券的成分券总数中所占的比例。根据分组结果可以确定每组债券中成分券的总数量,再结合每组债券中要抽选出的样本券的数量在该组债券的成分券总数中所占的比例,可以计算出各组债券的抽样数量。
步骤S40,根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券。
根据各组债券中成分券的评分,选择每个分组中评分最高的数量等于抽样数量的成分券作为样本券,即用于构建单市场债券ETF的标的券。
步骤S50,获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重。
步骤S60,按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
具体地,采用收益偏差二次规划模型计算样本券的最优权重的过程用函数可以表示为下述表达式1:
其中,Qi为月初建仓时债券i的建仓数量,也是这个二次规划问题的求解对象,通过计算找出每个月初建仓时最优的建仓数量,即债券i在债券组合中的最优权重。假设在2017年1月初建仓,则2016年12月为目标时间区间,根据这一个月的数据选择样本券并计算权重。上述表达式1中,RT+1为T日收盘到T+1日收盘的债券指数,为债券i在T交易日的收盘价,债券i在T+1交易日的收盘价。n为一个月度内交易日的总数量,m为筛选出的样本券的总数量。
其中,债券指数可以根据债券指数的计算规则计算得到。债券指数的计算规则可以为:根据债券指数的全部成分券在当前交易日的总市值、全部成分券在前一个交易日的总市值、前一个交易日的债券指数的数值以及预设的指数计算公式计算当前交易日的债券指数。
其中,RT+1为当前交易日T+1的债券指数,RT为当前交易日的前一个交易日T的债券指数,ST+1为全部成分券在当前交易日的总市值,ST为全部成分券在前一个交易日的总市值。
进一步地,该方案中,为了提高计算机处理数据的效率,同时避免求解绝对数量的参数解,求得更加准确的权重数值,对上述表达式1进行等价变换,变换过程如下:
同理:
上述转换中,为每月初建(调)仓时,债券i的最优权重,即为要求解的对象,对于所有样本券来说,满足条件:
经过上述转换,将原来的二次规划求解问题由求绝对数量的参数变成求解相对数量的参数,可以将上述表达式1转换为如下表达式2:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,为样本券i在交易日T的收益率,为样本券i在交易日T+1的收益率,可以直接从数据库中提取。RT+1为交易日T+1的债券指数。对于上述表达式的求解,本方案采用穷举法计算出各个样本券的最优权重,其中,穷举的单位设置为0.01。
在2017年1月初建仓时,将2016年12月作为目标时间区间,根据这个月的数据筛选出样本券构成2017年1月的持仓篮子,按照上述模型计算篮子中各个标的券的最优权重,按照计算出的最优权重组合持仓篮子中的样本券构成2017年1月度的单市场债券ETF。
进一步地,由于在月度之间可能存在调仓的变动,因此,每个月度的月初可以根据上个月的交易情况进行一次调仓,建立新的持仓篮子,并重新计算篮子中各个样本券的权重,构建该月度新的单市场债券ETF。
本实施例提出的单市场债券ETF的构建方法,获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;获取成分券在目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;确定各组债券的抽样数量;根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;获取样本债券在目标时间区间的交易收益数据,根据交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;按照计算得到的权重组合样本债券,构成与目标时间区间对应的单市场债券ETF。本发明的方案一种新的债券复制逻辑,通过对成分券分组评分并抽取一定量的样本券用于跟踪,并且根据交易收益数据,采用收益偏差二次规划模型为样本券分配合适的权重,通过计算的权重组合样本券作为单市场债券ETF,解决了现有技术中没有适用于信用债的债券ETF的构建方案的技术问题。
本发明还提供一种单市场债券ETF的构建装置。参照图2所示,为本发明一实施例提供的单市场债券ETF的构建装置的内部结构示意图。
在本实施例中,单市场债券ETF的构建装置1可以是PC(PersonalComputer,个人电脑),也可以是智能手机、平板电脑、便携计算机等终端设备。该单市场债券ETF的构建装置1至少包括存储器11、处理器12,通信总线13,以及网络接口14。
其中,存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是单市场债券ETF的构建装置1的内部存储单元,例如该单市场债券ETF的构建装置1的硬盘。存储器11在另一些实施例中也可以是单市场债券ETF的构建装置1的外部存储设备,例如单市场债券ETF的构建装置1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器11还可以既包括单市场债券ETF的构建装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于单市场债券ETF的构建装置1的应用软件及各类数据,例如ETF构建程序01的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行存储器11中存储的程序代码或处理数据,例如执行ETF构建程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该装置1与其他电子设备之间建立通信连接。
可选地,该装置1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在单市场债券ETF的构建装置1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及ETF构建程序01的单市场债券ETF的构建装置1,本领域技术人员可以理解的是,图1示出的结构并不构成对单市场债券ETF的构建装置1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的装置1实施例中,存储器11中存储有ETF构建程序01;处理器12执行存储器11中存储的ETF构建程序01时实现如下步骤:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券。
本发明实施例中以上海证券交易所的单市场债券指数作为分析对象,从该债券指数的成分券中抽取出一定数量的样本券作为跟踪复制的对象,建立上海证券交易所的单市场债券ETF。
其中,上交所的单市场债券指数的成分券是从其所有的上市债券中筛选出的符合预设筛选条件的债券。例如,统计上交所在截止日期之前上市的所有债券,从中筛选出剩余期限在预设时长以上、主体评级和信用评级均在预设级别以上、发行规模在预设数量以上的债券。上述预设时长、预设级别以及预设数量的选择可以根据交易所的上市债券的实际情况进行合理设置。优选地,在一实施例中,预设时长为1年,预设数量为20亿,预设级别为AA级。关于发行规模,基于债券规模越大,资产配置容量越高的逻辑,指数的标的选在债券发行规模20亿以上,为后期的债券ETF复制提供了现实的操作空间。将按照上述条件中筛选出的债券作为上交所单市场债券的成分券。
从预设数据库中获取这些成分券在目标时间区间内的久期数据,在本实施例中,以一个月作为一个时间单元。获取这些成分券在一个月内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券,其中,预设的久期区间是用户预先设置的、用于对成分券分组的依据。
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券的步骤可以包括以下细化步骤:
获取单市场债券指数的成分券在目标时间区间内每个交易日的日度久期数据,根据获取的每个交易日的日度久期数据计算平均日度久期数据,将所述平均日度久期数据作为成分券在目标时间区间的久期数据;按照所述成分券在目标时间区间的久期数据和预设的久期区间将成分券分为多组债券。
以下内容以2016年12月作为目标时间单元,以这个月的数据示例。获取2016年12月1日到2016年12月31日中所有指数成分券在交易日的日度久期数据,该数据为修正久期,来源中证指数公司,采用算术平均计算方法对每只债券计算月度平均久期,根据月度平均久期将所有的成分券分为修正久期分别为0-3年、3-6年、6-9年、9年以上,共四个分组。
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模。
关于抽样因子的设置,本实施例中将债券久期、月度累计成交量以及债券发行规模作为抽样因子,在其他实施例中也可以增加其他的因素作为抽样因子。从数据库中获取每组债券中成分券的上述抽样因子在2016年12月的数据,即成分券的久期数据、发行规模数据和月度累计成交量数据。接下来根据这些数据和预设的评分规则对各组债券中的成分券进行评分。具体地,在一实施例中,获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分的步骤可以包括以下细化步骤:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
其中,各抽样因子的预设占比可以根据各抽样因子的重要程度来设置,例如,在一实施例中,月度累计成交量因子的预设占比优选地为50%,债券久期因子和债券发行规模因子的预设占比分别为25%。针对每个债券分组,分别按照上述三个抽样因子对应的评分规则对分组内的成分券进行评分,根据评分结果以及各个抽样因子的占比,对每个债券的三个评分值进行加权求和,作为最终的评分。其中,评分规则可以由用户根据需要设置。以修正久期为例,对于修正久期为0-3年的债券分组来说,若债券的修正久期为0.5-1.1,则评分为10分,若债券的修正久期为1.1-1.7,则评分为8分,若债券的修正久期为1.7-2.3,则评分为6分,若债券的修正久期为2.3-3,则评分为4分。对于修正久期为3-6年的债券分组来说,若债券的修正久期为3-3.7,则评分为10分,若债券的修正久期为3.7-4.4,则评分为8分,若债券的修正久期为4.4-5.1,则评分为6分,若债券的修正久期为5.1-6,则评分为4分。对于修正久期为6-9年的债券分组来说,若债券的修正久期为6-7,则评分为10分,若债券的修正久期为7-7.5,则评分为8分,若债券的修正久期为7.5-8.1,则评分为6分,若债券的修正久期为8.1-9,则评分为4分。关于发行规模和月度累计成交量的评分规则,可以参照上述修正久期的评分规则设置类似的评分规则,在此不再赘述,其中,发行规模越大,分数越高;月度累计成交量越大,分数越高。
对于每组债券来说,按照各个抽样因子的评分规则对成分券进行评分,可以分别得到三个评分,根据月度累计成交量因子的预设占比50%、债券久期因子的预设占比25%、债券发行规模因子的预设占比25%对三个评分进行加权求和,将求和结果作为最终评分。将各组债券中的成分券按照最终评分由高至低的顺序排序。
确定各组债券的抽样数量。
确定各组债券的抽样数量的步骤包括:确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;根据所述成分券总数量和所述目标复制率计算总抽样数据;根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
预先设置好单市场债券ETF的目标复制率以及各组债券的复制比例。假设目标复制率为20%,修正久期为0-3年的债券分组的复制比例为50.94%,修正久期为3-6年的债券分组的复制比例为40.57%,修正久期为6-9年的债券分组的复制比例为7.55%,修正久期为9年以上的债券分组的复制比例为0.94%。上述各组债券的复制比例为各个分组债券中要抽选出的样本券的数量占抽样债券总数的比例。根据目标复制率以及各组债券的复制比例可以计算得到每组债券中要抽选出的样本券的数量在该组债券的成分券总数中所占的比例。根据分组结果可以确定每组债券中成分券的总数量,再结合每组债券中要抽选出的样本券的数量在该组债券的成分券总数中所占的比例,可以计算出各组债券的抽样数量。
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券。
根据各组债券中成分券的评分,选择每个分组中评分最高的数量等于抽样数量的成分券作为样本券,即用于构建单市场债券ETF的标的券。
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重。
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
具体地,采用收益偏差二次规划模型计算样本券的最优权重的过程用函数可以表示为下述表达式1:
其中,Qi为月初建仓时债券i的建仓数量,也是这个二次规划问题的求解对象,通过计算找出每个月初建仓时最优的建仓数量,即债券i在债券组合中的最优权重。假设在2017年1月初建仓,则2016年12月为目标时间区间,根据这一个月的数据选择样本券并计算权重。上述表达式1中,RT+1为T日收盘到T+1日收盘的债券指数,为债券i在T交易日的收盘价,债券i在T+1交易日的收盘价。n为一个月度内交易日的总数量,m为筛选出的样本券的总数量。
其中,债券指数可以根据债券指数的计算规则计算得到。债券指数的计算规则可以为:根据债券指数的全部成分券在当前交易日的总市值、全部成分券在前一个交易日的总市值、前一个交易日的债券指数的数值以及预设的指数计算公式计算当前交易日的债券指数。
其中,RT+1为当前交易日T+1的债券指数,RT为当前交易日的前一个交易日T的债券指数,ST+1为全部成分券在当前交易日的总市值,ST为全部成分券在前一个交易日的总市值。
进一步地,为了提高计算机处理数据的效率,同时避免求解绝对数量的参数解,求得更加准确的权重数值,对上述表达式1进行等价变换,变换过程如下:
同理:
上述转换中,为每月初建(调)仓时,债券i的最优权重,即为要求解的对象,对于所有样本券来说,满足条件:
经过上述转换,将原来的二次规划求解问题由求绝对数量的参数变成求解相对数量的参数,可以将上述表达式1转换为如下表达式2:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,为样本券i在交易日T的收益率,为样本券i在交易日T+1的收益率,可以直接从数据库中提取。RT+1为交易日T+1的债券指数。对于上述表达式的求解,本方案采用穷举法计算出各个样本券的最优权重,其中,穷举的单位设置为0.01。
在2017年1月初建仓时,将2016年12月作为目标时间区间,根据这个月的数据筛选出样本券构成2017年1月的持仓篮子,按照上述模型计算篮子中各个标的券的最优权重,按照计算出的最优权重组合持仓篮子中的样本券构成2017年1月度的单市场债券ETF。
进一步地,由于在月度之间可能存在调仓的变动,因此,每个月度的月初可以根据上个月的交易情况进行一次调仓,建立新的持仓篮子,并重新计算篮子中各个样本券的权重,构建该月度新的单市场债券ETF。
本实施例提出的单市场债券ETF的构建装置,获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;获取成分券在目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;确定各组债券的抽样数量;根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;获取样本债券在目标时间区间的交易收益数据,根据交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;按照计算得到的权重组合样本债券,构成与目标时间区间对应的单市场债券ETF。本发明的方案一种新的债券复制逻辑,通过对成分券分组评分并抽取一定量的样本券用于跟踪,并且根据交易收益数据,采用收益偏差二次规划模型为样本券分配合适的权重,通过计算的权重组合样本券作为单市场债券ETF,解决了现有技术中没有适用于信用债的债券ETF的构建方案的技术问题。
可选地,在其他的实施例中,ETF构建程序还可以被分割为一个或者多个模块,一个或者多个模块被存储于存储器11中,并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明,本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段,用于描述ETF构建程序在单市场债券ETF的构建装置中的执行过程。
例如,参照图3所示,为本发明单市场债券ETF的构建装置一实施例中的ETF构建程序的程序模块示意图,该实施例中,ETF构建程序可以被分割为数据获取模块10、数量确定模块20、样本抽取模块30、权重分配模块40和债券组合模块50,示例性地:
数据获取模块10用于:获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券。
以及,获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模。
数量确定模块20用于:确定各组债券的抽样数量。
样本抽取模块30用于:根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券。
权重分配模块40用于:获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重。
债券组合模块50用于:按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
上述数据获取模块10、数量确定模块20、样本抽取模块30、权重分配模块40和债券组合模块50等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同,在此不再赘述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有ETF构建程序,所述ETF构建程序可被一个或多个处理器执行,以实现如下操作:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;
确定各组债券的抽样数量;
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
本发明计算机可读存储介质具体实施方式与上述单市场债券ETF的构建装置和方法各实施例基本相同,在此不作累述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种单市场债券ETF的构建方法,其特征在于,所述方法包括:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;
确定各组债券的抽样数量;
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
2.如权利要求1所述的单市场债券ETF的构建方法,其特征在于,所述获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券的步骤包括:
获取单市场债券指数的成分券在目标时间区间内每个交易日的日度久期数据,根据获取的每个交易日的日度久期数据计算平均日度久期数据,将所述平均日度久期数据作为成分券在目标时间区间的久期数据;
按照所述成分券在目标时间区间的久期数据和预设的久期区间将成分券分为多组债券。
3.如权利要求1所述的单市场债券ETF的构建方法,其特征在于,所述确定各组债券的抽样数量的步骤包括:
确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;
根据所述成分券总数量和所述目标复制率计算总抽样数据;
根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
4.如权利要求1所述的单市场债券ETF的构建方法,其特征在于,所述获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分的步骤包括:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
5.如权利要求1至4中任一项所述的单市场债券ETF的构建方法,其特征在于,所述收益偏差二次规划模型的表达式为:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,wi≥1,为样本券i在交易日T的收益率,RT+1为交易日T+1的债券指数。
6.一种单市场债券ETF的构建装置,其特征在于,所述装置包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的ETF构建程序,所述ETF构建程序被所述处理器执行时实现如下步骤:
获取单市场债券指数的成分券在目标时间区间内的久期数据,根据获取的久期数据和预设的久期区间将成分券分为多组债券;
获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分,其中,抽样因子包括久期、累计成交量和发行规模;
确定各组债券的抽样数量;
根据各组债券中成分券的评分和抽样数量从各组债券中抽取样本债券;
获取样本债券在目标时间区间的交易收益数据,根据所述交易收益数据,采用收益偏差二次规划模型计算样本债券的权重;
按照计算得到的权重组合所述样本债券,构成与所述目标时间区间对应的单市场债券ETF。
7.如权利要求6所述的单市场债券ETF的构建装置,其特征在于,所述确定各组债券的抽样数量的步骤包括:
确定单市场债券指数的成分券总数量、目标复制率以及各组债券的复制比例;
根据所述成分券总数量和所述目标复制率计算总抽样数据;
根据所述总抽样数据和所述各组债券的复制比例计算各组债券的抽样数量。
8.如权利要求6所述的单市场债券ETF的构建装置,其特征在于,所述获取成分券在所述目标时间区间内抽样因子对应的数据,并根据获取的抽样因子对应的数据和预设的评分规则对各组债券中的成分券进行评分的步骤包括:
获取成分券在所述目标时间区间内抽样因子对应的数据;
分别按照各抽样因子对应的预设评分规则对各抽样因子对应的数据进行评分,得到各抽样因子对应的评分;
根据各抽样因子对应的评分以及各抽样因子的预设占比,计算第一评分的加权平均分数,将所述加权评分分数作为成分券的评分。
9.如权利要求6所述的单市场债券ETF的构建装置,其特征在于,所述收益偏差二次规划模型的表达式为:
其中,wi为样本券i的最优权重,为所述表达式的求解对象,所有样本券的wi满足条件:其中,wi≥1,为样本券i在交易日T的收益率,RT+1为交易日T+1的债券指数。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有ETF构建程序,所述ETF构建程序可被一个或者多个处理器执行,以实现如权利要求1至5中任一项所述的单市场债券ETF的构建方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810469974.2A CN108765163A (zh) | 2018-05-16 | 2018-05-16 | 债券etf的构建方法、装置及计算机可读存储介质 |
PCT/CN2018/102136 WO2019218518A1 (zh) | 2018-05-16 | 2018-08-24 | 债券etf的构建方法、装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810469974.2A CN108765163A (zh) | 2018-05-16 | 2018-05-16 | 债券etf的构建方法、装置及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108765163A true CN108765163A (zh) | 2018-11-06 |
Family
ID=64008250
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810469974.2A Pending CN108765163A (zh) | 2018-05-16 | 2018-05-16 | 债券etf的构建方法、装置及计算机可读存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108765163A (zh) |
WO (1) | WO2019218518A1 (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090248561A1 (en) * | 2005-09-28 | 2009-10-01 | Extabs Pty Ltd | Exchange traded asset based security |
KR102298049B1 (ko) * | 2013-03-15 | 2021-09-06 | 시카고 보드 옵션스 익스체인지, 인코포레이티드 | 국채 변동성 지수를 생성하고 그에 기초하여 파생 상품들을 거래하기 위한 방법 및 시스템 |
CN105931119A (zh) * | 2016-05-17 | 2016-09-07 | 中国建设银行股份有限公司 | 一种债券报价处理方法及装置 |
CN107103429A (zh) * | 2017-05-03 | 2017-08-29 | 辽宁科技大学 | 债券代持交易数据的管理方法及系统 |
-
2018
- 2018-05-16 CN CN201810469974.2A patent/CN108765163A/zh active Pending
- 2018-08-24 WO PCT/CN2018/102136 patent/WO2019218518A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019218518A1 (zh) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110415119B (zh) | 模型训练、票据交易预测方法、装置、存储介质及设备 | |
US8706599B1 (en) | System and method of generating investment criteria for an investment vehicle that includes a pool of escrow deposits from a plurality of merger and acquisition transactions | |
Garlappi et al. | Financial distress and the cross‐section of equity returns | |
CN109447622B (zh) | 交易类型推荐方法及系统、智能交易终端 | |
Busse et al. | Investing in a global world | |
Huang et al. | VIX term structure and VIX futures pricing with realized volatility | |
Meng et al. | Assessing the economic impact of tourism: A computable general equilibrium modelling approach | |
CN110363642A (zh) | 贷款数据处理方法、装置、可读存储介质和程序产品 | |
CN110414781A (zh) | 基于大数据分析的企业评价方法、装置及存储介质 | |
JP2024009924A (ja) | 暗号通貨トランザクションに関する損益計算 | |
Bulai et al. | A VaR-based methodology for assessing carbon price risk across European Union economic sectors | |
EP3742362A1 (en) | Item management method, blockchain analysis method and computer system using the same | |
JP2023168630A (ja) | 金融商品取引管理装置、金融商品取引管理システム、プログラム | |
CN101645158A (zh) | 一种适应多资产多币种的资产折旧并行计算的方法 | |
CN108765163A (zh) | 债券etf的构建方法、装置及计算机可读存储介质 | |
CN116308826A (zh) | 保险产品上线方法、装置、设备及存储介质 | |
CN109615232A (zh) | 一种信用积分预测的方法、系统及相关装置 | |
CN109785039A (zh) | 信息推荐的装置、方法及存储介质 | |
CN109102398A (zh) | 债券etf的构建方法、装置及计算机可读存储介质 | |
CN107430746B (zh) | 信贷事务管理系统及其方法 | |
Niknya et al. | Financial distress prediction of Tehran Stock Exchange companies using support vector machine | |
Whiteman | The efficiency of developing country public financial management systems | |
CN113870010A (zh) | 基于机器学习的数据处理方法、装置、设备及存储介质 | |
CN112767132A (zh) | 一种数据处理方法及系统 | |
US20160378930A1 (en) | System and method for generating simulated prescription-drug claims |
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: 20181106 |