CN109272218A - 债券批量评级方法、装置、计算机设备及存储介质 - Google Patents

债券批量评级方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN109272218A
CN109272218A CN201811025528.9A CN201811025528A CN109272218A CN 109272218 A CN109272218 A CN 109272218A CN 201811025528 A CN201811025528 A CN 201811025528A CN 109272218 A CN109272218 A CN 109272218A
Authority
CN
China
Prior art keywords
bond
grading
information
rating
rating model
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.)
Granted
Application number
CN201811025528.9A
Other languages
English (en)
Other versions
CN109272218B (zh
Inventor
李树勋
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China 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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN201811025528.9A priority Critical patent/CN109272218B/zh
Publication of CN109272218A publication Critical patent/CN109272218A/zh
Application granted granted Critical
Publication of CN109272218B publication Critical patent/CN109272218B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了债券批量评级方法、装置、计算机设备及存储介质。该方法包括：根据第一用户终端所发送的评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；将多个债券的基本信息发送至第一用户终端以供用户选择多个目标债券作为待评级债券；接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，对待评级债券是否适用于同一评级模型进行判断；若待评级债券适用于同一评级模型，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。通过上述批量评级方法，在对债券进行评级的过程中能够大幅减少所需进行的重复操作，提高了对债券进行评级的效率。

Description

债券批量评级方法、装置、计算机设备及存储介质
技术领域
本发明涉及债券管理技术领域，尤其涉及一种债券批量评级方法、装置、计算机设备及存储介质。
背景技术
金融企业需对所持有的债券进行评级，以根据评级结果对债券的风险状态进行评估。在传统的债券评级方法中，均是针对同一公司的债券进行评级，由于待评级债券中包含多个公司的债券，因此审核人员需逐一对评级结果进行审核。而在面对大量待评级债券时，由于传统方法所具有的限制性，对所持有债券中同一公司的多个债券进行评级，并逐一对债券进行审核，这一过程中操作人员需对待评级债券进行重复性的评级操作，这一评级过程需耗费大量的时间，降低了对债券进行评级的效率。
发明内容
本发明实施例提供了一种债券批量评级方法、装置、计算机设备及存储介质，旨在解决现有技术中的债券评级方法存在无法高效地对债券进行批量评级的问题。
第一方面，本发明实施例提供了一种债券批量评级方法，其包括：
获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；
将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；
接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；
若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
第二方面，本发明实施例提供了一种债券批量评级装置，其包括：
评级模型信息配置单元，用于获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；
待评级债券获取单元，用于将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；
评级模型判断单元，用于接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；
批量评级单元，用于若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的债券批量评级方法。
第四方面，本发明实施例还提供了一种存储介质，其中所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面所述的债券批量评级方法。
本发明实施例提供了一种债券批量评级方法、装置、计算机设备及存储介质。通过对待评级债券的评级模型信息是否适用于同一评级模型进行判断，若待评级债券适用于同一评级模型则通过同一评级模型对不同公司的多个债券进行批量评级，能够大幅减少所需进行的重复操作，提高了对债券进行评级的效率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的债券批量评级方法的流程示意图；
图2为本发明实施例提供的债券批量评级方法的应用场景示意图；
图3为本发明实施例提供的债券批量评级方法的子流程示意图；
图4为本发明实施例提供的债券批量评级方法的另一子流程示意图；
图5为本发明实施例提供的债券批量评级方法的另一流程示意图；
图6为本发明实施例提供的债券批量评级装置的示意性框图；
图7为本发明实施例提供的债券批量评级装置的子单元示意性框图；
图8为本发明实施例提供的债券批量评级装置的另一子单元示意性框图；
图9为本发明实施例提供的债券批量评级装置的另一示意性框图；
图10为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1是本发明实施例提供的债券批量评级方法的流程示意图。图2为本发明实施例提供的债券批量评级方法的应用场景示意图，该债券批量评级方法应用于管理服务器10中，该方法通过安装于管理服务器10中的应用软件进行执行，第一用户终端20和第二用户终端30通过与管理服务器10建立网络连接以进行信息传输。其中，第一用户终端20和第二用户终端30均是具有接入互联网功能的终端设备，例如台式电脑、笔记本电脑、平板电脑或手机等；管理服务器10是用于对债券批量评级方法进行执行的企业终端，第一用户终端20的使用者是对债券进行批量评级操作的企业员工，例如企业的债券评级人员；第二用户终端30的使用者是债券的批量评级结果进行审核的企业员工，例如企业的债券管理经理。如图1所示，该方法包括步骤S101～S104。
S101、获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置。
获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置。在对债券进行批量评级之前，需先对债券的基本信息中的评级模型信息进行配置。具体的，获取第一用户终端所发送的评级模型选择参数，每一份债券可对应使用多个候选评级模型进行评级，第一用户可从该债券对应的多个候选评级模型中选择一个作为该债券的评级模型信息，以得到评级模型选择参数；管理服务器中预先存储了企业当前所持有的所有债券，根据评级模型选择参数对预先存储在管理服务器中的多个债券的评级模型信息进行配置。
其中，债券的基本信息为债券所包含的基础信息。具体的，债券的基本信息包括但不限于：债券代码、债券名称、公司代码、公司名称、所属行业、评级模型信息。债券代码即是债券的数字化代码信息，通过债券代码可对债券进行查询和管理；公司代码即是债券中债务企业的数字化代码信息，通过公司代码可对该公司所有的债券进行查询和管理；所属行业即是债券中债务企业所属的行业信息；评级模型信息即是对债券进行评级时所使用的评级模型名称。
S102、将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券。
将所述多个债券的基本信息发送至第一用户终端，第一用户通过第一用户终端接收管理服务器所发送的多个债券的基本信息，从所述多个债券中选择多个目标债券作为需进行批量评级的待评级债券，管理服务器接收第一用户所反馈的待评级债券，并对所接收到的待评级债券进行下一步处理。
所有的债券可定期进行评级得到债券的评级信息以及债券的评级时间，债券的评级信息即是对债券进行评级的结果，债券的评级时间即是对债券进行评级的时间信息。
S103、接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断。
接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据所选择的待评级债券的评级模型信息对待评级债券是否适用于同一评级模型进行判断。若待评级债券的评级模型信息均相同，则所有待评级债券适用于同一评级模型；若待评级债券的评级模型不相同，则所有待评级债券不适用于同一评级模型。其中，所述待评级债券中的债券数量大于一个。
在一实施例中，如图3所示，步骤S103包括子步骤S1031、S1032和S1033。
S1031、获取待评级债券中的第一个债券的评级模型信息。
具体的步骤为，获取待评级债券中的第一个债券，获取并记录第一个债券的评级模型信息。
例如，获取得到的待评级债券的基本信息如表1所示。
表1
如表1中的信息所示，获取得到第一个债券的评级模型信息为“工业企业评级模型(重工业)”。
S1032、依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比。
依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比。具体的步骤为，获取第二个债券的评级模型信息，将第二个债券的评级模型信息与所记录的第一个债券的评级模型信息进行对比，若相同则继续获取下一个债券的评级模型信息与所记录的第一个债券的评级模型信息进行对比；若不相同则终止对比流程，得到待评级债券不适用于同一评级模型的判断结果。
若剩余债券中某一债券的评级模型信息与第一个债券的评级模型信息不相同则终止对比流程，得到待评级债券不适用于同一评级模型的判断结果。若待评级债券不适用于同一评级模型，也即是待评级债券的评级模型不完全相同，此时管理服务器无法对所所有待评级债券进行批量评级，此时管理服务器还可向第一用户终端发出无法进行批量评级的提示信息，第一用户可根据所接收到的提示信息，重新选择待评级债券后可再次进行批量评级。
例如，获取得到第二个债券的评级模型信息为“工业企业评级模型(重工业)”，第二个债券的评级模型信息与第一个债券的评级模型信息相同，则继续获取下一个债券的评级模型信息与所记录的第一个债券的评级模型信息进行对比。
S1033、若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
依照上述方法，获取所有的债券的评级模型信息并进行对比，若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，则表明所选择的待评级债券适用于同一评级模型，即得到待评级债券适用于同一评级模型的判断结果。
例如，表1中第二个债券的评级模型信息、第三个债券的评级模型信息及第四个债券的评级模型信息均为“工业企业评级模型(重工业)”，与第一个债券的评级模型信息均相同，则表明所有待评级债券均适用于“工业企业评级模型(重工业)”这一评级模型。
S104、若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
若待评级债券适用于同一评级模型，也即是所选择的待评级债券的评级模型信息相同，则获取该评级模型以及所选择的待评级债券的评级基础信息。根据待评级债券的评级基础信息及评级模型对所待评级债券进行批量评级，以得到批量评级结果，具体的步骤为将待评级债券的评级基础信息输入评级模型进行批量评级并得到待评级债券的批量评级结果。
其中，待评级债券的评级基础信息包括财务信息和非财务信息，财务信息即是债券中债务企业的公司年报，其中债务企业的公司年报可预先存储于管理服务器中，非财务信息即是债券中债务企业经营状况的非财务数据信息，非财务信息可由第一用户进行预先设置，也即是非财务信息中包含用户预先配置的非财务项目的得分信息。同一评级模型中对财务信息和非财务信息进行考核的维度相同，因此，若所待评级债券适用于同一评级模型，即可根据同一评级模型进行批量评级，因此可选择不同公司的多个债券进行批量评级，以达到提高对债券进行评级的效率，同时避免第二用户重复性执行对债券进行审核的操作。
在一实施例中，如图4所示，步骤S104包括子步骤S1041、S1042、S1043和S1044。
S1041、根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果。
具体的，对待评级债券中某一债券的财务信息进行评分并得到该债券的财务评分结果的步骤包括，根据评级模型中所预设的财务指标项对该债券财务信息中的财务项目进行匹配，以得到财务信息中与财务指标项相匹配的财务项目数值，例如，通过债券评级模型中所预先配置的财务指标项对债务企业的公司年报进行匹配，即可获取公司年报中与财务指标项相匹配的财务项目数值。根据评级模型中所预设的财务指标项计算规则对匹配得到的各财务项目数值进行计算以得到各财务项目数值的得分；将各财务项目数值的得分相加得到财务项目得分总和，根据评级模型中所预设的财务得分转换规则对财务项目得分总和进行转换以得到待评级债券的财务得分。
S1042、根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果。
具体的，对待评级债券中某一债券的非财务信息进行评分并得到该债券的非财务评分结果的步骤包括，根据评级模型中的非财务指标项对该债券非财务信息中所包含的非财务项目进行匹配，以得到非财务信息中与非财务指标项相匹配的非财务项目得分，将匹配得到的各非财务项目得分相加得到非财务项目得分总和，根据评级模型中所预设的非财务得分转换规则对非财务项目得分总和进行转换得到非财务得分。
S1043、根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分。
根据评级模型中所预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得到待评级债券的批量评级结果，具体的，获取待评级债券中某一债券的财务评分结果和非财务评分结果，通过汇总评分公式对该债券的财务评分结果和非财务评分结果进行汇总计算，以得到该债券的汇总得分。具体的汇总评分公式包含三种：第一汇总公式、第二汇总公式和第三汇总公式，用户可在对评级模型进行配置时从上述三种汇总公式中选择一种作为该评级模型所使用的汇总评分公式。其中，第一汇总公式为F＝S1×t1+S2×t2，其中，S1为财务得分，S2为非财务得分，t1为预设的财务得分的加权值，t2为预设的非财务得分的加权值；第二汇总公式为F＝exp(o1+o2×(S1×t1+S2×t2))，其中，S1为财务得分，S2为非财务得分，t1为预设的财务得分的加权值，t2为预设的非财务得分的加权值，o1和o2为第二汇总公式中预设的参数；第三汇总公式F＝S1×(1-(S2/U2)×V)，其中，S1为财务得分，S2为非财务得分，U2为非财务项最大评分，V为预设的最大调整比率，F为待评级债券的汇总得分。
例如，预设的汇总评分公式为F＝S1×(1-(S2/U2)×V)，其中，非财务项最大评分U2＝100，预设的最大调整比率V＝0.3，所得到的财务得分S1＝92，非财务得分S2＝50，则根据预设的汇总评分公式计算得到该债券的得分F＝92×(1-(50/100)×0.6)＝78.2。
S1044、根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
根据评级模型中预设的评级映射关系对汇总得分进行映射，即可得到待评级债券的批量评级结果。其中，评级映射关系即是用于对待评级债券的得分进行映射以得到待评级债券的评级结果的映射关系。
评级映射关系中包含多个映射区间，一个映射区间包含一个相应的得分区段和相应的评级信息，得分区段与评级信息一一对应，因此可根据待评级债券的汇总得分与映射区间进行匹配以得到待评级债券所处的映射区间，获取该映射区间所映射的评级信息作为待评级债券的评级结果。通过上述方法可获取待评级债券中所有债券的评级结果，以得到待评级债券的批量评级结果。
例如预设的评级映射关系如表2所示。
得分区段 评级信息
0≤F≤10 E
10<F≤20 D
20<F≤30 D+
30<F≤40 C
40<F≤50 C+
50<F≤60 B
60<F≤70 B+
70<F≤80 A
80<F≤90 A+
90<F≤100 AA
表2
例如，某一待评级债券的汇总得分为F＝78.2，根据表4中所示，则78.2分对应在债券评级模型中处于70<F≤80的映射区间，该映射区间所映射的评级信息为A，则该待评级债券的评级结果为A。
在一实施例中，如图5所示，步骤S104之后还包括步骤S105和S106。
S105、根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围并发送至第一用户终端。
在获取得到待评级债券的批量评级结果之后，管理服务器将所得到的批量评级结果发送至第一用户终端，第一用户可对债券的批量评级结果进行微调。具体的，根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围，并将待评级债券的评级微调范围发送至第一用户终端，第一用户可在评级微调范围之内对批量评级结果中债券的评级结果进行微调。例如，所得到的批量评级结果中某一债券的评级结果为A，预设的评级微调规则为根据债券的评级结果上下浮动一个级别，则根据预设的评级微调规则进行调整后得到该债券的评级微调范围为B+至A+。根据上述方法，即可得到待评级债券的评级微调范围，并发送至第一用户终端。
S106、获取第一用户终端所反馈的评级微调结果将评级微调结果作为待评级债券进行微调后的批量评级结果。
第一用户根据待评级债券的评级微调范围，对所得到的债券的评级结果进行微调，第一用户终端将第一用户进行微调后所得到的评级微调结果发送至管理服务器，管理服务器获取第一用户终端所反馈的评级微调结果，并将所得到的评级微调结果作为待评级债券进行微调后的批量评级结果。
在一实施例中，如图5所示，步骤S106之后还包括步骤S107和S108。
S107、将进行微调后所得到的批量评级结果发送至第二用户终端进行审核。
得到进行微调后的批量评级结果之后，将微调后的批量评级结果发送至第二用户终端进行审核。其中，若接收到第二用户终端所反馈的审核不通过的信息，将审核不通过的信息发送至第一用户终端。若接收到第二用户终端所反馈的审核不通过的信息，则表明进行批量评级之后所得到的批量评级结果未通过审核，批量评级结果不生效，此时管理服务器将审核不通过的信息发送至第一用户终端，第一用户可根据所接收到的信息重新向管理服务器提交对待评级债券进行批量评级的请求信息，根据以上流程对待评级债券再次进行批量评级并将最新得到的批量评级结果重新提交审核。
S108、若接收到第二用户终端所反馈的审核通过的信息，将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
若接收到第二用户终端所反馈的审核通过的信息，则表明对待评级债券进行批量评级得到的批量评级结果通过审核，批量评级结果生效。此时管理服务器将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
根据批量评级结果中的债券评级结果，对待评级债券中相应债券的评级信息进行更新，获取当前时间，将待评级债券的评级时间替换为当前时间。若待评级债券中包含评级信息，则将该债券中旧的评级信息删除，并为该债券添加新的评级信息；若待评级债券中不包含评级信息，则直接为该债券添加新的评级信息，在后续过程中通过获取债券的评级信息即可对债券的风险状态进行评估。其中，债券的评级信息中还包括历史评级结果，通过债券的评级信息中保存的不同时间所得到的评级结果可对债券的风险走势进行分析。
例如，对债券代码为B050217进行批量评级后的债券评级结果为A+，则在债券代码为B050217的债券中的评级信息中添加A+的债券评级结果，将当前时间作为债券新的评级时间对该债券的评级时间进行更新。
通过对待评级债券的评级模型信息是否适用于同一评级模型进行判断，若待评级债券适用于同一评级模型则通过同一评级模型对不同公司的多个债券进行批量评级，并根据所得到的批量评级结果对债券的评级信息和评级时间进行更新，能够大幅减少所需进行的重复操作，提高了对债券进行评级的效率。
本发明实施例还提供一种债券批量评级装置，该债券批量评级装置用于执行前述债券批量评级方法的任一实施例。具体地，请参阅图6，图6是本发明实施例提供的债券批量评级装置的示意性框图。债券批量评级装置100可以配置于管理服务器10中。
如图6所示，债券批量评级装置100包括评级模型信息配置单元101、待评级债券获取单元102、评级模型判断单元103、批量评级单元104。
评级模型信息配置单元101，用于获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置。
获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置。在对债券进行批量评级之前，需先对债券的基本信息中的评级模型信息进行配置。具体的，获取第一用户终端所发送的评级模型选择参数，每一份债券可对应使用多个候选评级模型进行评级，第一用户可从该债券对应的多个候选评级模型中选择一个作为该债券的评级模型信息，以得到评级模型选择参数；管理服务器中预先存储了企业当前所持有的所有债券，根据评级模型选择参数对预先存储在管理服务器中的多个债券的评级模型信息进行配置。
其中，债券的基本信息为债券所包含的基础信息。具体的，债券的基本信息包括但不限于：债券代码、债券名称、公司代码、公司名称、所属行业、评级模型信息。债券代码即是债券的数字化代码信息，通过债券代码可对债券进行查询和管理；公司代码即是债券中债务企业的数字化代码信息，通过公司代码可对该公司所有的债券进行查询和管理；所属行业即是债券中债务企业所属的行业信息；评级模型信息即是对债券进行评级时所使用的评级模型名称。
待评级债券获取单元102，用于将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券。
将所述多个债券的基本信息发送至第一用户终端，第一用户通过第一用户终端接收管理服务器所发送的多个债券的基本信息，从所述多个债券中选择多个目标债券作为需进行批量评级的待评级债券，管理服务器接收第一用户所反馈的待评级债券，并对所接收到的待评级债券进行下一步处理。
所有的债券可定期进行评级得到债券的评级信息以及债券的评级时间，债券的评级信息即是对债券进行评级的结果，债券的评级时间即是对债券进行评级的时间信息。
评级模型判断单元103，用于接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断。
接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据所选择的待评级债券的评级模型信息对待评级债券是否适用于同一评级模型进行判断。若待评级债券的评级模型信息均相同，则所有待评级债券适用于同一评级模型；若待评级债券的评级模型不相同，则所有待评级债券不适用于同一评级模型。其中，所述待评级债券中的债券数量大于一个。
其他发明实施例中，如图7所示，所述评级模型判断单元103包括子单元：模型获取单元1031、对比单元1032、第一判断结果获取单元1033。
模型获取单元1031，用于获取待评级债券中的第一个债券的评级模型信息。
具体的步骤为，获取待评级债券中的第一个债券，获取并记录第一个债券的评级模型信息。
对比单元1032，用于依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比。
依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比。具体的步骤为，获取第二个债券的评级模型信息，将第二个债券的评级模型信息与所记录的第一个债券的评级模型信息进行对比，若相同则继续获取下一个债券的评级模型信息与所记录的第一个债券的评级模型信息进行对比；若不相同则终止对比流程，得到待评级债券不适用于同一评级模型的判断结果。
若剩余债券中某一债券的评级模型信息与第一个债券的评级模型信息不相同则终止对比流程，得到待评级债券不适用于同一评级模型的判断结果。若待评级债券不适用于同一评级模型，也即是待评级债券的评级模型不完全相同，此时管理服务器无法对所所有待评级债券进行批量评级，此时管理服务器还可向第一用户终端发出无法进行批量评级的提示信息，第一用户可根据所接收到的提示信息，重新选择待评级债券后可再次进行批量评级。
第一判断结果获取单元1033，用于若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
依照上述方法，获取所有的债券的评级模型信息并进行对比，若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，则表明所选择的待评级债券适用于同一评级模型，即得到待评级债券适用于同一评级模型的判断结果。
批量评级单元104，用于若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
若待评级债券适用于同一评级模型，也即是所选择的待评级债券的评级模型信息相同，则获取该评级模型以及所选择的待评级债券的评级基础信息。根据待评级债券的评级基础信息及评级模型对所待评级债券进行批量评级，以得到批量评级结果，具体的步骤为将待评级债券的评级基础信息输入评级模型进行批量评级并得到待评级债券的批量评级结果。
其中，待评级债券的评级基础信息包括财务信息和非财务信息，财务信息即是债券中债务企业的公司年报，其中债务企业的公司年报可预先存储于管理服务器中，非财务信息即是债券中债务企业经营状况的非财务数据信息，非财务信息可由第一用户进行预先设置，也即是非财务信息中包含用户预先配置的非财务项目的得分信息。同一评级模型中对财务信息和非财务信息进行考核的维度相同，因此，若所待评级债券适用于同一评级模型，即可根据同一评级模型进行批量评级，因此可选择不同公司的多个债券进行批量评级，以达到提高对债券进行评级的效率，同时避免第二用户重复性执行对债券进行审核的操作。
其他发明实施例中，如图8所示，所述批量评级单元104包括子单元：财务评分单元1041、非财务评分单元1042、得分汇总单元1043和批量评级结果获取单元1044。
财务评分单元1041，用于根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果。
具体的，对待评级债券中某一债券的财务信息进行评分并得到该债券的财务评分结果的步骤包括，根据评级模型中所预设的财务指标项对该债券财务信息中的财务项目进行匹配，以得到财务信息中与财务指标项相匹配的财务项目数值，例如，通过债券评级模型中所预先配置的财务指标项对债务企业的公司年报进行匹配，即可获取公司年报中与财务指标项相匹配的财务项目数值。根据评级模型中所预设的财务指标项计算规则对匹配得到的各财务项目数值进行计算以得到各财务项目数值的得分；将各财务项目数值的得分相加得到财务项目得分总和，根据评级模型中所预设的财务得分转换规则对财务项目得分总和进行转换以得到待评级债券的财务得分。
非财务评分单元1042，用于根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果。
具体的，对待评级债券中某一债券的非财务信息进行评分并得到该债券的非财务评分结果的步骤包括，根据评级模型中的非财务指标项对该债券非财务信息中所包含的非财务项目进行匹配，以得到非财务信息中与非财务指标项相匹配的非财务项目得分，将匹配得到的各非财务项目得分相加得到非财务项目得分总和，根据评级模型中所预设的非财务得分转换规则对非财务项目得分总和进行转换得到非财务得分。
得分汇总单元1043，用于根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分。
根据评级模型中所预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得到待评级债券的批量评级结果，具体的，获取待评级债券中某一债券的财务评分结果和非财务评分结果，通过汇总评分公式对该债券的财务评分结果和非财务评分结果进行汇总计算，以得到该债券的汇总得分。具体的汇总评分公式包含三种：第一汇总公式、第二汇总公式和第三汇总公式，用户可在对评级模型进行配置时从上述三种汇总公式中选择一种作为该评级模型所使用的汇总评分公式。其中，第一汇总公式为F＝S1×t1+S2×t2，其中，S1为财务得分，S2为非财务得分，t1为预设的财务得分的加权值，t2为预设的非财务得分的加权值；第二汇总公式为F＝exp(o1+o2×(S1×t1+S2×t2))，其中，S1为财务得分，S2为非财务得分，t1为预设的财务得分的加权值，t2为预设的非财务得分的加权值，o1和o2为第二汇总公式中预设的参数；第三汇总公式F＝S1×(1-(S2/U2)×V)，其中，S1为财务得分，S2为非财务得分，U2为非财务项最大评分，V为预设的最大调整比率，F为待评级债券的汇总得分。
批量评级结果获取单元1044，用于根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
根据评级模型中预设的评级映射关系对汇总得分进行映射，即可得到待评级债券的批量评级结果。其中，评级映射关系即是用于对待评级债券的得分进行映射以得到待评级债券的评级结果的映射关系。
评级映射关系中包含多个映射区间，一个映射区间包含一个相应的得分区段和相应的评级信息，得分区段与评级信息一一对应，因此可根据待评级债券的汇总得分与映射区间进行匹配以得到待评级债券所处的映射区间，获取该映射区间所映射的评级信息作为待评级债券的评级结果。通过上述方法可获取待评级债券中所有债券的评级结果，以得到待评级债券的批量评级结果。
其他发明实施例中，如图9所示，所述债券批量评级装置100还包括：评级微调范围发送单元105和微调单元106。
评级微调范围发送单元105，用于根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围并发送至第一用户终端。
在获取得到待评级债券的批量评级结果之后，管理服务器将所得到的批量评级结果发送至第一用户终端，第一用户可对债券的批量评级结果进行微调。具体的，根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围，并将待评级债券的评级微调范围发送至第一用户终端，第一用户可在评级微调范围之内对批量评级结果中债券的评级结果进行微调。根据上述方法，即可得到待评级债券的评级微调范围，并发送至第一用户终端。
微调单元106，用于获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果。
第一用户根据待评级债券的评级微调范围，对所得到的债券的评级结果进行微调，第一用户终端将第一用户进行微调后所得到的评级微调结果发送至管理服务器，管理服务器获取第一用户终端所反馈的评级微调结果，并将所得到的评级微调结果作为待评级债券进行微调后的批量评级结果。
其他发明实施例中，如图9所示，所述债券批量评级装置100还包括：提交审核单元107和评级结果保存单元108。
提交审核单元107，用于将进行微调后所得到的批量评级结果发送至第二用户终端进行审核。
得到进行微调后的批量评级结果之后，将微调后的批量评级结果发送至第二用户终端进行审核。其中，若接收到第二用户终端所反馈的审核不通过的信息，将审核不通过的信息发送至第一用户终端。若接收到第二用户终端所反馈的审核不通过的信息，则表明进行批量评级之后所得到的批量评级结果未通过审核，批量评级结果不生效，此时管理服务器将审核不通过的信息发送至第一用户终端，第一用户可根据所接收到的信息重新向管理服务器提交对待评级债券进行批量评级的请求信息，根据以上流程对待评级债券再次进行批量评级并将最新得到的批量评级结果重新提交审核。
评级结果保存单元108，用于若接收到第二用户终端所反馈的审核通过的信息，将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
若接收到第二用户终端所反馈的审核通过的信息，则表明对待评级债券进行批量评级得到的批量评级结果通过审核，批量评级结果生效。此时管理服务器将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
根据批量评级结果中的债券评级结果，对待评级债券中相应债券的评级信息进行更新，获取当前时间，将待评级债券的评级时间替换为当前时间。若待评级债券中包含评级信息，则将该债券中旧的评级信息删除，并为该债券添加新的评级信息；若待评级债券中不包含评级信息，则直接为该债券添加新的评级信息，在后续过程中通过获取债券的评级信息即可对债券的风险状态进行评估。其中，债券的评级信息中还包括历史评级结果，通过债券的评级信息中保存的不同时间所得到的评级结果可对债券的风险走势进行分析。
通过对待评级债券的评级模型信息是否适用于同一评级模型进行判断，若待评级债券适用于同一评级模型则通过同一评级模型对不同公司的多个债券进行批量评级，并根据所得到的批量评级结果对债券的评级信息和评级时间进行更新，能够大幅减少所需进行的重复操作，提高了对债券进行评级的效率。
上述债券批量评级装置可以实现为计算机程序的形式，该计算机程序可以在如图10所示的计算机设备上运行。
请参阅图10，图10是本发明实施例提供的计算机设备的示意性框图。
参阅图10，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器504。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032包括程序指令，该程序指令被执行时，可使得处理器502执行债券批量评级方法。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器504为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行债券批量评级方法。
该网络接口505用于进行网络通信，如为数据信息提供的传输等。本领域技术人员可以理解，图10中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，所述处理器502用于运行存储在存储器中的计算机程序5032，以实现如下功能：获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
在一实施例中，处理器502在执行接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断的步骤时，执行如下操作：获取待评级债券中的第一个债券的评级模型信息；依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比；若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
在一实施例中，处理器502在执行若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果的步骤时，执行如下操作：根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果；根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果；根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分；根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
在一实施例中，处理器502在执行若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果的步骤之后，还执行如下操作：根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围并发送至第一用户终端；获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果。
在一实施例中，处理器502在执行获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果的步骤之后，还执行如下操作：将进行微调后所得到的批量评级结果发送至第二用户终端进行审核；若接收到第二用户终端所反馈的审核通过的信息，将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
本领域技术人员可以理解，图10中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图10所示实施例一致，在此不再赘述。
应当理解，在本发明实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本发明的另一实施例中提供存储介质。该存储介质可以为非易失性的计算机可读存储介质。该存储介质存储有计算机程序，其中计算机程序包括程序指令。该程序指令被处理器执行时实现以下步骤：获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
在一实施例中，所述接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断的步骤，包括：获取待评级债券中的第一个债券的评级模型信息；依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比；若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
在一实施例中，所述若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果的步骤，包括：根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果；根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果；根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分；根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
在一实施例中，所述若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果的步骤之后，还包括：根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围并发送至第一用户终端；获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果。
在一实施例中，所述若获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果的步骤之后，还包括：将进行微调后所得到的批量评级结果发送至第二用户终端进行审核；若接收到第二用户终端所反馈的审核通过的信息，将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。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，或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种债券批量评级方法，其特征在于，包括：
获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；
将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；
接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；
若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
2.根据权利要求1所述的债券批量评级方法，其特征在于，所述根据评级模型信息对待评级债券是否适用于同一评级模型进行判断，包括：
获取待评级债券中的第一个债券的评级模型信息；
依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比；
若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
3.根据权利要求1所述的债券批量评级方法，其特征在于，所述待评级债券的评级基础信息包括财务信息和非财务信息；
所述根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果，包括：
根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果；
根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果；
根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分；
根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
4.根据权利要求1所述的债券批量评级方法，其特征在于，所述根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果之后，还包括：
根据预设的评级微调规则对所得到的批量评级结果进行调整以得到待评级债券的评级微调范围并发送至第一用户终端；
获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果。
5.根据权利要求4所述的债券批量评级方法，其特征在于，所述获取第一用户终端所反馈的评级微调结果，将评级微调结果作为待评级债券进行微调后的批量评级结果的步骤之后，还包括：
将进行微调后所得到的批量评级结果发送至第二用户终端进行审核；
若接收到第二用户终端所反馈的审核通过的信息，将审核通过的通知信息发送至第一用户终端，并根据审核通过的批量评级结果对待评级债券的评级信息和评级时间进行更新。
6.一种债券批量评级装置，其特征在于，包括：
评级模型信息配置单元，用于获取第一用户终端所发送的评级模型选择参数，根据所述评级模型选择参数对预先存储的多个债券的基本信息中的评级模型信息进行配置；
待评级债券获取单元，用于将所述多个债券的基本信息发送至第一用户终端以供用户从所述多个债券中选择多个目标债券作为待评级债券；
评级模型判断单元，用于接收第一用户终端所反馈的待评级债券，获取所接收到的待评级债券基本信息中的评级模型信息，根据评级模型信息对待评级债券是否适用于同一评级模型进行判断；
批量评级单元，用于若待评级债券适用于同一评级模型，获取该评级模型及待评级债券的评级基础信息，根据待评级债券的评级基础信息及评级模型对待评级债券进行批量评级以得到批量评级结果。
7.根据权利要求6所述的债券批量评级装置，其特征在于，所述评级模型判断单元，包括：
模型获取单元，用于获取待评级债券中的第一个债券的评级模型信息；
对比单元，用于依次获取待评级债券中剩余债券的评级模型信息与第一个债券的评级模型信息是否相同进行对比；
第一判断结果获取单元，用于若剩余债券的评级模型信息与第一个债券的评级模型信息均相同，得到待评级债券适用于同一评级模型的判断结果。
8.根据权利要求6所述的债券批量评级装置，其特征在于，所述批量评级单元单元，包括：
财务评分单元，用于根据评级模型对待评级债券的财务信息进行评分以得到财务评分结果；
非财务评分单元，用于根据评级模型对待评级债券的非财务信息进行评分以得到非财务评分结果；
得分汇总单元，用于根据评级模型中预设的汇总评分公式对所得到的财务评分结果和非财务评分结果进行汇总以得汇总得分；
批量评级结果获取单元，用于根据评级模型中预设的评级映射关系对汇总得分进行映射以得到待评级债券的批量评级结果。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5中任一项所述的债券批量评级方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至5任一项所述的债券批量评级方法。
CN201811025528.9A 2018-09-04 2018-09-04 债券批量评级方法、装置、计算机设备及存储介质 Active CN109272218B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811025528.9A CN109272218B (zh) 2018-09-04 2018-09-04 债券批量评级方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811025528.9A CN109272218B (zh) 2018-09-04 2018-09-04 债券批量评级方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN109272218A true CN109272218A (zh) 2019-01-25
CN109272218B CN109272218B (zh) 2023-12-01

Family

ID=65187467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811025528.9A Active CN109272218B (zh) 2018-09-04 2018-09-04 债券批量评级方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN109272218B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013080A (zh) * 2010-11-17 2011-04-13 苏州德融嘉信信用管理技术有限公司 基于信用评级工作系统的信用分析及评分方法
CN102013077A (zh) * 2010-11-17 2011-04-13 苏州德融嘉信信用管理技术有限公司 信用评级系统
US20110131065A1 (en) * 2009-11-30 2011-06-02 Butcher Iii George H Method, software program, and system for structuring risk in a financial transaction
US20130198109A1 (en) * 2011-10-17 2013-08-01 Bjorn Johan Rosenberg Municipal bond tracking and evaluation system
CN107248030A (zh) * 2017-05-26 2017-10-13 谢首鹏 一种基于机器学习算法的债券风险预测方法及系统
CN107424070A (zh) * 2017-03-29 2017-12-01 广州汇融易互联网金融信息服务有限公司 一种基于机器学习的贷款用户信用评级方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110131065A1 (en) * 2009-11-30 2011-06-02 Butcher Iii George H Method, software program, and system for structuring risk in a financial transaction
CN102013080A (zh) * 2010-11-17 2011-04-13 苏州德融嘉信信用管理技术有限公司 基于信用评级工作系统的信用分析及评分方法
CN102013077A (zh) * 2010-11-17 2011-04-13 苏州德融嘉信信用管理技术有限公司 信用评级系统
US20130198109A1 (en) * 2011-10-17 2013-08-01 Bjorn Johan Rosenberg Municipal bond tracking and evaluation system
CN107424070A (zh) * 2017-03-29 2017-12-01 广州汇融易互联网金融信息服务有限公司 一种基于机器学习的贷款用户信用评级方法及系统
CN107248030A (zh) * 2017-05-26 2017-10-13 谢首鹏 一种基于机器学习算法的债券风险预测方法及系统

Also Published As

Publication number Publication date
CN109272218B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN109408535A (zh) 大数据量匹配方法、装置、计算机设备及存储介质
US20130226852A1 (en) Smart survey with progressive discovery
CN110060143A (zh) 业务对接方法、装置、计算机设备及存储介质
US20140025647A1 (en) Normalization Engine to Manage Configuration Management Database Integrity
CN110807085B (zh) 故障信息的查询方法及装置、存储介质、电子装置
CN108563584A (zh) 测试数据生成方法、装置、计算机设备及存储介质
US20060229959A1 (en) Customized automation of financial asset trading
CN109272219A (zh) 绩效考核方法、装置、计算机设备及存储介质
CN109146193A (zh) 产品智能推荐方法、装置、计算机设备及存储介质
US20200334603A1 (en) Systems and methods for automated provider rationalization using machine learning-assisted and advanced analytics techniques
CN109597974A (zh) 报表生成方法及装置
CN110493806A (zh) 移动网络投诉溯源方法及装置
CN112583644B (zh) 告警处理方法、装置、设备及可读存储介质
CN110147930A (zh) 基于大数据分析的数据统计方法、装置及存储介质
CN109670993A (zh) 矛盾纠纷处理方法及装置
CN109284975A (zh) 保单信息批量修改方法、装置、计算机设备及存储介质
CN109189790A (zh) 数据管理方法、装置、计算机设备及存储介质
CN108694672A (zh) 订单处理方法、装置、计算机设备及存储介质
CN109272218A (zh) 债券批量评级方法、装置、计算机设备及存储介质
CN109255716A (zh) 债券评级方法、装置、计算机设备及存储介质
CN108520422A (zh) 一种信息处理方法、信息处理装置及电子设备
Ubah et al. Effects of technological diffusion and access to electricity on employment in Nigeria
CN109359799B (zh) 保单调单处理方法、装置、计算机设备及存储介质
CN110490554A (zh) 工作流管理方法、装置、计算机设备及存储介质
CN109597823A (zh) 数据源配置方法、装置、计算机设备及存储介质

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
GR01 Patent grant
GR01 Patent grant