CN111047128A - 企业财务曝险管理系统 - Google Patents
企业财务曝险管理系统 Download PDFInfo
- Publication number
- CN111047128A CN111047128A CN201910155234.6A CN201910155234A CN111047128A CN 111047128 A CN111047128 A CN 111047128A CN 201910155234 A CN201910155234 A CN 201910155234A CN 111047128 A CN111047128 A CN 111047128A
- Authority
- CN
- China
- Prior art keywords
- financial
- risk
- module
- information
- management system
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000010801 machine learning Methods 0.000 claims abstract description 36
- 230000000694 effects Effects 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 claims description 6
- 238000003058 natural language processing Methods 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 4
- 239000002994 raw material Substances 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 claims description 2
- 238000012946 outsourcing Methods 0.000 claims description 2
- 238000004801 process automation Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 1
- 238000000605 extraction Methods 0.000 claims 1
- 230000007787 long-term memory Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 9
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 229910052802 copper Inorganic materials 0.000 description 6
- 239000010949 copper Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013210 evaluation model Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- BGRDGMRNKXEXQD-UHFFFAOYSA-N Maleic hydrazide Chemical compound OC1=CC=C(O)N=N1 BGRDGMRNKXEXQD-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000011889 copper foil Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种企业财务曝险管理系统，包含至少一数据库、一输入模块、一信息撷取模块、一机器学习模块、一分析模块以及一输出模块。输入模块用以输入一企业活动信息。信息撷取模块撷取多个金融市场信息以及至少一事件信息。机器学习模块以历史的金融市场信息以及事件信息进行机器学习并建立一预测模型。分析模块依据企业活动信息计算出一估计现金流，依据预测模型预测金融市场信息的一未来走势，以及依据估计现金流以及未来走势计算出一避险标的的一损益分析结果并以输出模块输出。上述的企业财务曝险管理系统能够协助使用者作出较佳的避险操作。
Description
技术领域
本发明是有关一种曝险管理系统，特别是一种企业财务曝险管理系统。
背景技术
汇率变动对于企业经营的影响包含经济风险(economic risk)、交易风险(transaction risk)与换算风险(translation risk)。经济风险起因于汇率的升贬导致企业竞争地位的改变，进而改变未来的现金流量。交易风险是由于外币交易完成与付款两时点结算汇率的不同，使实际收到的现金流量与预期产生落差。换算风险则是企业海外营运单位的资产负债取得与结算时点汇率的不一致，导致公司外币财务报表的评价上有所变动。因此，对于企业而言，汇率波动为跨国企业必须面对的问题之一。
然而，汇率波动除了经济问题外，还有复杂的政治问题，导致金融市场瞬息万变，因此即使经验丰富的金融相关从业人员亦难以准确预测汇率的走势，以作出适当的避险操作。有鉴于此，如何较为准确地预测金融市场的未来走势以作为避险操作的依据便是目前极需努力的目标。
发明内容
本发明提供一种企业财务曝险管理系统，其是以一机器学习模块以历史的金融市场信息以及至少一事件信息进行机器学习并建立一预测模型，分析模块即可依据预测模型预测金融市场的一未来走势，并据以计算出一避险标的于一特定期间的损益分析结果，以作为调整避险操作的参考。
本发明一实施例的企业财务曝险管理系统包含至少一数据库、一输入模块、一信息撷取模块、一机器学习模块、一分析模块以及一输出模块。输入模块与数据库通信连接，用以输入一使用者的一企业活动信息，并储存于数据库。信息撷取模块与数据库通信连接，用以撷取多个金融市场信息以及至少一事件信息，并储存于数据库。机器学习模块与数据库通信连接，并以历史的金融市场信息以及事件信息进行机器学习并建立一预测模型。分析模块与数据库以及机器学习模块通信连接。分析模块依据企业活动信息计算出多种币别的一估计现金流，依据预测模型预测金融市场信息的一未来走势，以及依据估计现金流以及未来走势计算出使用者所持有或欲模拟的一避险标的于一特定期间的一损益分析结果。输出模块与分析模块通信连接，用以输出损益分析结果，以供使用者作为调整避险标的的参考。
以下藉由具体实施例配合所附的图式详加说明，当更容易了解本发明的目的、技术内容、特点及其所达成的功效。
附图说明
图1为一示意图，显示本发明一实施例的企业财务曝险管理系统。
图2为一示意图，显示本发明另一实施例的企业财务曝险管理系统。
附图标号：
10 数据库
20 输入模块
30 信息撷取模块
40 机器学习模块
50 分析模块
60 输出模块
70 监控模块
CI 企业活动信息
EI 事件信息
FI 金融市场信息
PM 预测模型
PL 损益分析结果
具体实施方式
以下将详述本发明的各实施例，并配合图式作为例示。除了这些详细说明之外，本发明亦可广泛地施行于其它的实施例中，任何所述实施例的轻易替代、修改、等效变化都包含在本发明的范围内，并以申请专利范围为准。在说明书的描述中，为了使读者对本发明有较完整的了解，提供了许多特定细节；然而，本发明可能在省略部分或全部特定细节的前提下，仍可实施。此外，众所周知的步骤或元件并未描述于细节中，以避免对本发明形成不必要之限制。图式中相同或类似的元件将以相同或类似符号来表示。特别注意的是，图式仅为示意之用，并非代表元件实际的尺寸或数量，有些细节可能未完全绘出，以求图式的简洁。
请参照图1，本发明的一实施例的企业财务曝险管理系统包含一数据库10、一输入模块20、一信息撷取模块30、一机器学习模块40、一分析模块50以及一输出模块60。需说明的是，本发明的企业财务曝险管理系统可设置于单一伺服器、丛集伺服器或者是云端平台。伺服器的基本架构为本领域技术人员所熟知。举例而言，伺服器包含输入/输出单元、运算单元、储存单元以及电性连接上述构件的汇流排等。运算单元透过执行适当的指令以实现本发明的企业财务曝险管理系统。可以理解的是，为了弹性应用以及扩充运算资源，于一较佳的实施例中，本发明的企业财务曝险管理系统是设置于云端平台。
接续上述说明，输入模块20与数据库10通信连接。一使用者可透过输入模块20输入一企业活动信息CI，并储存于数据库10。举例而言，输入模块20可产生一网页接口或应用程式接口(Application Programming Interface，API)，以供使用者输入企业活动信息CI。于一实施例中，企业活动信息CI可为一企业财报以及一营运信息至少其中之一。举例而言，企业财报可为销货收入、销货成本、应收帐款天期、应付帐款天期、在外流通股数、每股盈余、约当现金、短期借款、短期投资、存货、管销比、汇兑损益以及营业净利至少其中之一；营运信息可为财报货币(reporting currency)及功能性货币(functional currency)、外购比例、外销比例、应收帐款天期以及应付帐款天期的帐龄天期、历史持有各外汇币别以及会计科目的比例与帐龄天期、一次性现金变动、未来财务预估数据(销货收入、销货成本)、未来各外汇币别及会计科目的比例预估与帐龄天期、原物料成本结构、原物料付款天期以及预计避险会计科目至少其中之一。
信息撷取模块30与数据库10通信连接。信息撷取模块30可撷取多个金融市场信息FI以及至少一事件信息EI，并储存于数据库10。于一实施例中，金融市场信息FI包含一金融商品的买价、卖价以及选择权的履约价及天期至少其中之一，其中金融商品可为外汇、利率、股票、商品、信用市场或以上的组合。举例而言，金融商品可为即期汇率、远期汇率、汇率选择权、汇率交换、即期利率、远期利率、利率选择权、利率交换、基差交换(Basis swap)、交叉货币互换(Cross currency swap)、即期商品价格、远期商品价格、商品选择权、即期股价、远期股价、股票选择权、信用违约交换或以上的组合。事件信息EI可为重大新闻信息，例如天然灾害、重大工安事件、罢工事件或各国央行的新闻稿等。于一实施例中，信息撷取模块30可为一网络爬虫或一机器人流程自动化(Robotic Process Automation，RPA)，因此，上述金融市场信息FI或事件信息EI可透过网络爬虫或机器人流程自动化(RPA)自动从网际网络(Internet)或企业内部数据库自动撷取，但不限于此。于一实施例中，信息撷取模块30可为一使用者接口，使用者即可透过此使用者接口输入上述金融市场信息FI或事件信息EI。可以理解的是，数据库10可为多个。举例而言，企业活动信息CI包含较为敏感的信息，其可储存于存取限制较为严格的一第一数据库，而金融市场信息FI以及事件信息EI可储存于与第一数据库逻辑上或实体上相异的一第二数据库。
机器学习模块40与数据库10通信连接。机器学习模块40能够以历史的金融市场信息FI以及事件信息EI进行机器学习并建立一预测模型PM。于一实施例中，机器学习模块40能够以自然语言处理法(Natural Language Processing，NLP)分析事件信息EI以获得至少一特征词汇以及特征词汇的一出现频率。机器学习模块40再利用每日金融市场信息的历史价格走势，例如高低价位、收盘、开盘价、成交量的历史信息等，以长短期记忆网络(Longshort Term Memory Network，LSTM)进行机器学习即可建立每一金融市场信息相对于特征词汇以及出现频率的一相关性以及预测模型PM。长短期记忆网络(LSTM)是一种时间递归神经网络，由于其独特的设计结构，LSTM适合于处理和预测时间序列中间隔和延迟非常长的重要事件。举例而言，信息撷取模块30可搜集各国央行的新闻稿、会议纪录以及央行总裁的发言等，再以机器学习模块40利用自然语言处理法(NLP)分析各时期的特征词汇，例如升息、降息、通膨、宽松、失业率、就业人数等，以量化判断对各市场的语气的强烈程度并对应发生日期。接着，配合所累积的金融市场信息FI以长短期记忆网络(LSTM)进行机器学习以建立预测模型PM。
于一实施例中，信息撷取模块30可撷取至少一总体经济领先指标，例如采购经理人指数(Purchasing Managers'Index，PMI)、通膨指数等，而机器学习模块40则以历史的金融市场信息FI、总体经济领先指标以及事件信息EI进行机器学习并建立预测模型PM。于一实施例中，机器学习模块40除了采用长短期记忆网络(LSTM)外，还可利用回归分析以及决策树等分析方法以建立预测模型PM。举例而言，回归分析可为贝氏岭回归(Bayesian ridgeregression)、套索回归(Lasso regression)或支持向量机回归(Support vector machineregression)等；决策树可为决策树回归(decision tree regressor)。
分析模块50与数据库10以及机器学习模块40通信连接。分析模块50可依据使用者输入的企业活动信息CI计算出多种币别的一估计现金流，并依据预测模型PM预测金融市场信息FI的一未来走势，如此，分析模块50即可依据估计现金流以及金融市场信息FI的未来走势计算出使用者所持有或欲模拟的一避险标的于一特定期间的一损益分析结果PL，例如未来一年的每季的损益分析。于一实施例中，避险标的可为外汇、利率、商品、股票、信用市场或以上的组合的结构型商品(其包含复杂性高风险衍生性金融商品)等。举例而言，避险标的可为即期汇率、远期汇率、汇率选择权、汇率交换、即期利率、远期利率、利率选择权、利率交换、基差交换、交叉货币互换、即期商品价格、远期商品价格、商品选择权、即期股价、远期股价、股票选择权以及信用违约交换其中之一的金融商品，或上述多个金融商品组成的结构型商品。可以理解的是，结构型商品可为线性组合、非线性组合、路径相关、多期结算或跨市场标的等不同特性的结构型商品。于一实施例中，除了预测模型PM外，分析模块50可进一步依据至少一专家调整参数预测金融市场信息FI的未来走势。举例而言，分析模块50可依据交易员的交易经验所撰写的演算法调整预测模型PM，或者先以预测模型PM预测金融市场信息FI的未来走势，再由适当的演算法或参数调整金融市场信息FI的未来走势。
另需说明的是，使用者所持有的避险标的可能包含公开市场的金融商品(例如汇率、利率、公开发行的股票)以及非公开市场的金融商品(例如汇率选择权、利率选择权、结构型商品等)。公开市场的金融商品的交易价格可透过信息撷取模块30从公开市场上取得，避险标的的损益即能够以公开市场的交易价格作为分析的基础。然而，非公开市场的金融商品缺少可信赖的公开交易价格作为损益分析基础，因此，分析模块50需进一步对非公开市场的金融商品估算市场价格。于一实施例中，分析模块50可选择符合金融商品与市场特性的评价模型，并将评价模型比对市场流动性较佳的金融商品进行校准。接着，透过适当的数值方法估算非公开市场的金融商品的市场价格，如此一来，分析模块50即可依据估算的市场价格分析非公开市场的金融商品于一特定期间的损益。举例而言，评价模型可为布莱克休斯模型(Black-Scholes Model)、Bachelier Model、局部波动模型(Local volatilityModel)、Libor市场模型(Libor Market Model)、国际交换交易暨衍生性商品协会(International Swap and Derivatives Association，ISDA)所发布的ISDA信用违约交换(Credit Default Swap)模型(ISDA CDS Model)；数值方法可为蒙地卡罗模拟法或封闭解法等。
输出模块60与分析模块50通信连接。分析模块50所分析的损益分析结果PL可透过输出模块60输出，以供使用者作为调整其避险标的的参考，进而作出较适当的避险操作。需说明的是，相较于历史以指标波动而建议买进或卖出特定金融商品的操作方式，本发明的企业财务曝险管理系统是以避险标的于特定期间的损益分析结果(例如一年内每季的损益分析)作为调整避险标的的参考，因此，本发明不仅能够具体呈现长期的损益结果供使用者参考，且能避免短期内频繁调整避险标的。于一实施例中，输出模块60可为一显示装置。可以理解的是，在云端平台架构下，输出模块60则可为一通信接口，例如有线或无线网络接口、行动通信网络接口等，以将损益分析结果PL传送至远端的使用者装置。
于一实施例中，分析模块50可依据估计现金流以及金融市场信息FI的未来走势计算出至少一推荐避险标的于特定期间的损益分析结果PL，并以输出模块60输出推荐避险标的的损益分析结果PL，以供使用者作为调整避险标的的参考，亦即分析模块50提出避险操作的建议，如此有助于使用者作出避险操作的决策。
请参照图2，于一实施例中，本发明的企业财务曝险管理系统更包含一监控模块70，其与分析模块50通信连接。监控模块70可监控事件信息EI对使用者所持有的避险标的的影响，并事先提出预警。举例而言，监控模块70监控当前或近期的特征词汇以及出现频率，且在特征词汇的出现频率大于或等于一监控预计值时，即要求分析模块50重新计算使用者所持有的避险标的于特定期间的损益分析结果PL。当重新计算的损益分析结果PL的波动过大，可通知使用者以提示使用者调整避险标的。举例而言，重新计算的避险标的的一日报酬波动度大于或等于一预设倍数的一历史波动度时，即通知使用者。于一实施例中，预设倍数可为1.5倍或1.96倍。可以理解的是，预设倍数可由使用者依需求自行设定。另需注意的是，监控预计值可为一变动值。举例而言，当重大事件发生时，相对应的特征词汇的出现频率较少，此时监控预计值可相对较小。随着此重大事件发生的时间延长，相对应的特征词汇的出现频率可能逐渐增加，且金融市场相对于此重大事件的反应可能钝化，此时监控预计值可相对较大。
可以理解的是，单一事件信息EI的特征词汇以及其出现频率不一定影响所有避险标的的损益，因此，若发生单一重大事件信息即重新计算所有避险标的的损益分析结果PL可能占用较多的运算资源。为了减少所需的运算资源，于一实施例中，机器学习模块40可利用特征词汇、出现频率以及历史的金融市场信息FI进行机器学习，以建立特定的避险标的相对于特定特征词汇以及其出现频率的一敏感度。此时，当特定特征词汇的出现频率大于或等于监控预计值时，只需重新计算相对于特定特征词汇的敏感度大于或等于一敏感度预计值的避险标的的损益分析结果PL即可。
以下举例说明本发明的企业财务曝险管理系统的实作方式。以外汇市场为例，英国于2016年6月30日意外通过脱欧公投，导致英镑兑美元大幅下跌。本发明的企业财务曝险管理系统即分析历史的金融市场信息来判断英镑重贬后金融市场的可能反应，并检讨各交互相关币别的汇率以及利率的历史走势以确认可能的走势。举例而言，依据历史经验，英镑重贬会造成日元大幅升值。因此，本发明的企业财务曝险管理系统不仅检讨上下游客户与英镑有关的避险标的，同时检讨与英镑重贬产生交互作用的各币别相关的避险标的。若造成避险标的之波动较大，即通知使用者采取适当的避险操作。举例而言，本发明的企业财务曝险管理系统通知从日本进货的厂商，未来1个月内成本走高的风险，并建议客户进行相关避险。此外，本发明的企业财务曝险管理系统持续即时监控英国脱欧对后续金融市场的可能反应以及影响的时间。
以商品市场为例，大型铜矿场生产全球8％的产铜矿石。当铜矿场进行罢工时，铜商品市场即立即反应。本发明的企业财务曝险管理系统检讨铜价大幅涨价对上下游厂商的成本的影响。当损益分析结果PL较大时，即通知相关厂商(例如铜箔基板厂商、铜线材厂等)作较佳的避险操作。同样的，本发明的企业财务曝险管理系统监控罢工的持续时间，对后续铜商品市场的可能反应以及影响的时间。
综合上述，本发明的企业财务曝险管理系统是以一机器学习模块利用历史的金融市场信息以及至少一事件信息进行机器学习并建立一预测模型，分析模块即可依据预测模型预测金融市场的一未来走势，并据以计算出一避险标的于一特定期间的损益分析结果，以作为调整避险操作的参考并作出适当的避险操作。
以上所述的实施例仅是为说明本发明的技术思想及特点，其目的在使本领域技术人员能够了解本发明的内容并据以实施，当不能以之限定本发明的专利范围，即大凡依本发明所揭示的精神所作的均等变化或修饰，仍应涵盖在本发明的专利范围内。
Claims (23)
1.一种企业财务曝险管理系统，其特征在于，包含：
至少一数据库；
一输入模块，其与所述数据库通信连接，用以输入一使用者的一企业活动信息，并储存于所述数据库；
一信息撷取模块，其与所述数据库通信连接，用以撷取多个金融市场信息以及至少一事件信息，并储存于所述数据库；
一机器学习模块，其与所述数据库通信连接，并以历史的所述金融市场信息以及所述事件信息进行机器学习并建立一预测模型；
一分析模块，其与所述数据库以及所述机器学习模块通信连接，并依据所述企业活动信息计算出多种币别的一估计现金流，依据所述预测模型预测所述金融市场信息的一未来走势，以及依据所述估计现金流以及所述未来走势计算出所述使用者所持有或欲模拟的一避险标的于一特定期间的一损益分析结果；以及
一输出模块，其与所述分析模块通信连接，用以输出所述损益分析结果，以供所述使用者作为调整所述避险标的的参考。
2.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述分析模块依据所述估计现金流以及所述未来走势计算出至少一推荐避险标的于所述特定期间的所述损益分析结果，并以所述输出模块输出所述推荐避险标的的所述损益分析结果，以供所述使用者作为调整所述避险标的的参考。
3.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述分析模块更估算所述避险标的中的一非公开市场的金融商品的一市场价格，并依据所述估计现金流、所述未来走势以及所述市场价格计算出所述避险标的于所述特定期间的所述损益分析结果。
4.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述机器学习模块以自然语言处理法分析所述事件信息以获得至少一特征词汇以及所述特征词汇的一出现频率。
5.根据权利要求4所述的企业财务曝险管理系统，其特征在于，所述机器学习模块以所述特征词汇、所述出现频率以及历史的所述金融市场信息学习并建立每一所述金融市场信息相对于所述特征词汇以及所述出现频率的一相关性。
6.根据权利要求4所述的企业财务曝险管理系统，其特征在于，所述机器学习模块以所述特征词汇、所述出现频率以及历史的所述金融市场信息学习并建立所述避险标的相对于所述特征词汇以及所述出现频率的一敏感度。
7.根据权利要求4所述的企业财务曝险管理系统，其特征在于，更包含：
一监控模块，其与所述分析模块通信连接，并监控当前的所述特征词汇以及所述出现频率，且在所述出现频率大于或等于一监控预计值时，要求所述分析模块重新计算所述避险标的于所述特定期间的所述损益分析结果。
8.根据权利要求7所述的企业财务曝险管理系统，其特征在于，重新计算的所述避险标的的一日报酬波动度大于或等于一预设倍数的一历史波动度时，即通知所述使用者。
9.根据权利要求7所述的企业财务曝险管理系统，其特征在于，相对于所述特征词汇的一敏感度大于或等于一敏感度预计值的所述避险标的进行重新计算。
10.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述信息撷取模块更撷取至少一总体经济领先指标，且所述机器学习模块以历史的所述金融市场信息、所述总体经济领先指标以及所述事件信息进行机器学习并建立所述预测模型。
11.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述机器学习模块以长短期记忆网络进行机器学习并建立所述预测模型。
12.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述机器学习模块以长短期记忆网络、回归分析以及决策树进行机器学习并建立所述预测模型。
13.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述分析模块依据所述预测模型以及至少一专家调整参数预测所述金融市场信息的一未来走势。
14.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述企业活动信息包含一企业财报以及一营运信息至少其中之一。
15.根据权利要求14所述的企业财务曝险管理系统，其特征在于，所述企业财报至少包含应收帐款天期以及应付帐款天期。
16.根据权利要求14所述的企业财务曝险管理系统，其特征在于，所述企业财报包含销货收入、销货成本、应收帐款天期、应付帐款天期、在外流通股数、每股盈余、约当现金、短期借款、短期投资、存货、管销比、汇兑损益以及营业净利至少其中之一。
17.根据权利要求14所述的企业财务曝险管理系统，其特征在于，所述营运信息至少包含应收帐款天期以及应付帐款天期的帐龄天期。
18.根据权利要求14所述的企业财务曝险管理系统，其特征在于，所述营运信息包含财报货币及功能性货币、外购比例、外销比例、应收帐款天期以及应付帐款天期的帐龄天期、历史持有各外汇币别以及会计科目的比例与帐龄天期、一次性现金变动、未来财务预估数据、未来各外汇币别及会计科目的比例预估与帐龄天期、原物料成本结构、原物料付款天期以及预计避险会计科目至少其中之一。
19.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述信息撷取模块包含一网络爬虫、一机器人流程自动化或一使用者接口。
20.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述金融市场信息包含一金融商品的买价、卖价以及选择权的履约价及天期至少其中之一。
21.根据权利要求20所述的企业财务曝险管理系统，其特征在于，所述金融商品包含外汇、利率、股票、商品、信用市场或以上的组合。
22.根据权利要求20所述的企业财务曝险管理系统，其特征在于，所述金融商品包含即期汇率、远期汇率、汇率选择权、汇率交换、即期利率、远期利率、利率选择权、利率交换、基差交换、交叉货币互换、即期商品价格、远期商品价格、商品选择权、即期股价、远期股价、股票选择权、信用违约交换或以上的组合。
23.根据权利要求1所述的企业财务曝险管理系统，其特征在于，所述避险标的包含即期汇率、远期汇率、汇率选择权、汇率交换、即期利率、远期利率、利率选择权、利率交换、基差交换、交叉货币互换、即期商品价格、远期商品价格、商品选择权、即期股价、远期股价、股票选择权、信用违约交换或以上的组合的结构型商品。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862744882P | 2018-10-12 | 2018-10-12 | |
| US62/744,882 | 2018-10-12 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111047128A true CN111047128A (zh) | 2020-04-21 |
Family
ID=68051241
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910155234.6A Pending CN111047128A (zh) | 2018-10-12 | 2019-02-27 | 企业财务曝险管理系统 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111047128A (zh) |
| TW (2) | TWM581246U (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111047128A (zh) * | 2018-10-12 | 2020-04-21 | 台北富邦商业银行股份有限公司 | 企业财务曝险管理系统 |
| CN110827032B (zh) * | 2019-09-26 | 2021-08-03 | 支付宝(杭州)信息技术有限公司 | 智能风控决策方法及系统、业务处理方法及系统 |
| US20220066794A1 (en) * | 2020-08-28 | 2022-03-03 | UiPath, Inc. | Robotic process automation data connector |
| TWI785419B (zh) * | 2020-11-19 | 2022-12-01 | 台北富邦商業銀行股份有限公司 | 資產負債模擬分析系統及方法 |
| TWI781492B (zh) * | 2020-12-08 | 2022-10-21 | 國泰人壽保險股份有限公司 | 流程機器人管理系統及流程機器人管理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101025818A (zh) * | 2006-02-21 | 2007-08-29 | 高新生 | 计算机自动处理会计分录的算法 |
| US20120059771A1 (en) * | 2005-06-13 | 2012-03-08 | Von Groll Goetz | Financial methodology to valuate and predict the news impact of major events on financial instruments |
| CN102968741A (zh) * | 2012-11-23 | 2013-03-13 | 上海睿云信息技术有限公司 | 一种基于宏观因子的压力测试系统及方法 |
| US20160196610A1 (en) * | 2015-01-07 | 2016-07-07 | GovBrain Inc. | Global financial crisis prediction and geopolitical risk analyzer |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7672889B2 (en) * | 2004-07-15 | 2010-03-02 | Brooks Kent F | System and method for providing customizable investment tools |
| TW201301187A (zh) * | 2011-06-28 | 2013-01-01 | Chia-Chia Chang | 一種最佳財報分析暨選股之資訊系統及方法 |
| CN106022522A (zh) * | 2016-05-20 | 2016-10-12 | 南京大学 | 一种基于互联网公开的大数据预测股票的方法及系统 |
| CN107679680A (zh) * | 2017-11-21 | 2018-02-09 | 北京锐安科技有限公司 | 一种金融走势预测方法、装置、设备及存储介质 |
| CN111047128A (zh) * | 2018-10-12 | 2020-04-21 | 台北富邦商业银行股份有限公司 | 企业财务曝险管理系统 |
-
2019
- 2019-02-27 CN CN201910155234.6A patent/CN111047128A/zh active Pending
- 2019-02-27 TW TW108202482U patent/TWM581246U/zh unknown
- 2019-02-27 TW TW108106790A patent/TWI692735B/zh active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120059771A1 (en) * | 2005-06-13 | 2012-03-08 | Von Groll Goetz | Financial methodology to valuate and predict the news impact of major events on financial instruments |
| CN101025818A (zh) * | 2006-02-21 | 2007-08-29 | 高新生 | 计算机自动处理会计分录的算法 |
| CN102968741A (zh) * | 2012-11-23 | 2013-03-13 | 上海睿云信息技术有限公司 | 一种基于宏观因子的压力测试系统及方法 |
| US20160196610A1 (en) * | 2015-01-07 | 2016-07-07 | GovBrain Inc. | Global financial crisis prediction and geopolitical risk analyzer |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202014964A (zh) | 2020-04-16 |
| TWM581246U (zh) | 2019-07-21 |
| TWI692735B (zh) | 2020-05-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11195232B2 (en) | Methods and apparatus employing hierarchical conditional value at risk to minimize downside risk of a multi-asset class portfolio and improved graphical user interface | |
| US8156035B2 (en) | Modeling financial instruments using bid and ask prices | |
| CN111047128A (zh) | 企业财务曝险管理系统 | |
| Chortareas et al. | Forecasting exchange rate volatility using high-frequency data: Is the euro different? | |
| Kouwenberg et al. | Stochastic programming models for asset liability management | |
| Brümmer et al. | The impact of market and policy instability on price transmission between wheat and flour in Ukraine | |
| US20130006843A1 (en) | Quantative dividends method and system | |
| US20140258175A1 (en) | Generating Personalized Investment Recommendations | |
| CN102496126B (zh) | 一种托管资产交易数据监控设备 | |
| Buncic et al. | Heterogeneous agents, the financial crisis and exchange rate predictability | |
| Boguslauskas et al. | The selection of financial ratios as independent variables for credit risk assessment | |
| Abreu et al. | Applying singular spectrum analysis and ARIMA-GARCH for forecasting EUR/USD exchange rate | |
| JP2004252967A (ja) | 電力取引リスク管理システム及び電力取引リスク管理方法 | |
| US20170372420A1 (en) | Computer based system and methodology for identifying trading opportunities associated with optionable instruments | |
| US20090240557A1 (en) | Method, apparatus and computer program product for valuing a technological innovation | |
| US20130159161A1 (en) | System and method for creating and supplying particular data constructs in evaluating whether to buy or sell a traded security | |
| CN115221212A (zh) | 基金投资数据管理系统及方法 | |
| US20190279301A1 (en) | Systems and Methods Using an Algorithmic Solution for Analyzing a Portfolio of Stocks, Commodities and/or Other Financial Assets Based on Individual User Data to Achieve Desired Risk Based Financial Goals | |
| Huynh | Modelling and forecasting implied volatility using neural network | |
| Wanniarachchi et al. | Macroeconomic event base expert advisor for forex trades: through algo trading | |
| Kim | Currency carry trades: The role of macroeconomic news and futures market speculation | |
| TWI776370B (zh) | 對於基金商品的投資風險評分方法及系統 | |
| KR102243647B1 (ko) | 증권 거래 자산정보 제공시스템 및 증권 거래 자산정보 제공방법 | |
| US20220398663A1 (en) | Investment advice providing method and system | |
| WO2024000152A1 (en) | A system and a method for analysing a market of exchangeable assets |
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 |