CN112819607A - 股票抵押物贷款回收风险自动预警方法和装置 - Google Patents

股票抵押物贷款回收风险自动预警方法和装置 Download PDF

Info

Publication number
CN112819607A
CN112819607A CN202110142357.3A CN202110142357A CN112819607A CN 112819607 A CN112819607 A CN 112819607A CN 202110142357 A CN202110142357 A CN 202110142357A CN 112819607 A CN112819607 A CN 112819607A
Authority
CN
China
Prior art keywords
mortgage
stock
loan
risk
early warning
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
CN202110142357.3A
Other languages
English (en)
Inventor
李金戈
金冶
高卓
王妍
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.)
Industrial and Commercial Bank of China Ltd ICBC
Original Assignee
Industrial and Commercial Bank of China Ltd ICBC
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 Industrial and Commercial Bank of China Ltd ICBC filed Critical Industrial and Commercial Bank of China Ltd ICBC
Priority to CN202110142357.3A priority Critical patent/CN112819607A/zh
Publication of CN112819607A publication Critical patent/CN112819607A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明提供一种股票抵押物贷款回收风险自动预警方法和装置，适用于金融领域的信贷管理，尤其对于使用股票等作为抵押物的贷款，该方法包括：获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制，提升抵押物价值评估的准确性，尽早识别可能存在回收隐患的贷款。

Description

股票抵押物贷款回收风险自动预警方法和装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种股票抵押物贷款回收风险自动预警方法和装置。
背景技术
目前，银行业各类信贷资产普遍使用抵押物作为借款人的信用增强或还款保证，但贷前、贷后的抵押物价值评估存在较多深层次问题，主要包括:
不少银行基层客户经理迫于自身考核指标的压力，尽职调查报告对信贷抵押物的价值评估明显过于乐观；
常见抵押物(房产、股票等)估值难度大，主观性较强，即使具备较强的行业背景也难以准确评估；
抵押物价值评估均为时点数据，贷款存续期间出于成本效益考虑很少有再评估发生，但抵押物价值却可能因为经济形势、政府政策等发生巨大变化。
上述情形均存在抵押物价值评估的准确性低，导致贷款回收风险增加，为银行贷款资产的安全埋下了隐患。
发明内容
针对现有技术中的问题，本发明提供一种股票抵押物贷款回收风险自动预警方法和装置、电子设备以及计算机可读存储介质，能够至少部分地解决现有技术中存在的问题。
为了实现上述目的，本发明采用如下技术方案：
第一方面，提供一种股票抵押物贷款回收风险自动预警方法，包括：
获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
进一步地，所述根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制，包括：
判断所述抵押股票估值结果是否小于所述贷款总额或贷款余额，或者，判断所述抵押股票估值结果是否小于预设系数倍的所述贷款总额或贷款余额；
若是，向业务人员发送第一回收风险预警消息。
进一步地，所述目标贷款数据还包括：抵押股票原估值；
所述股票抵押物贷款回收风险自动预警方法还包括：
判断所述抵押股票估值结果是否小于所述抵押股票原估值；
若是，继续判断所述抵押股票估值结果相比与所述抵押股票原估值的下降的幅度或金额是否超过预设预警阈值；
若下降的幅度或金额超过预设预警阈值，向业务人员发送第二回收风险预警消息。
进一步地，所述股票估值模型包括：
基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
根据所述单股价值与所述抵押股票数量得到所述抵押股票估值结果。
进一步地，所述股票估值模型包括：
基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
根据所述单股价值与所述抵押股票数量得到抵押股票初步估值；
将所述抵押股票初步估值乘以预设折算系数得到所述抵押股票估值结果。
进一步地，股票抵押物贷款回收风险自动预警方法还包括：
设置预警触发条件。
进一步地，所述预警触发条件为触发周期；
所述股票抵押物贷款回收风险自动预警方法还包括：
利用计时器监控时间；
根据监控的时间数据判断是否满足触发周期；
若是，进行预警流程；
若否，继续监控时间。
进一步地，所述预警触发条件为触发事件；
所述股票抵押物贷款回收风险自动预警方法还包括：
采用网络爬虫技术收集抵押股票的相关消息；
根据收集的消息判断是否满足所述触发事件；
若是，进行预警流程；
若否，继续收集消息。
第二方面，提供一种股票抵押物贷款回收风险自动预警装置，包括：
数据获取模块，获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
估值模块，将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
风险预警控制模块，根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的股票抵押物贷款回收风险自动预警方法的步骤。
第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的股票抵押物贷款回收风险自动预警方法的步骤。
本发明提供的股票抵押物贷款回收风险自动预警方法和装置，适用于金融领域的信贷管理，尤其对于使用股票等作为抵押物的贷款，该方法包括：获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制，提升抵押物价值评估的准确性，尽早识别可能存在回收隐患的贷款。
为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的一些实施例，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。在附图中：
图1为本发明实施例中的服务器S1与客户端设备B1之间的架构示意图；
图2为本发明实施例中的服务器S1、客户端设备B1及数据库服务器S2之间的架构示意图；
图3是本发明实施例中的股票抵押物贷款回收风险自动预警方法的流程示意图一；
图4是本发明实施例中的股票抵押物贷款回收风险自动预警方法的流程示意图二；
图5是本发明实施例中的股票抵押物贷款回收风险自动预警方法的流程示意图三；
图6为银行信贷系统的结构框图；
图7为风险控制模块的结构框图；
图8为本发明实施例中的股票抵押物贷款回收风险自动预警方法的一种示例流程；
图9为本发明实施例中的股票估值模型的一种示例；
图10是本发明实施例中的股票抵押物贷款回收风险自动预警装置的结构框图；
图11为本发明实施例电子设备的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
现有技术存在抵押物价值评估的准确性低，导致贷款回收风险增加，为银行贷款资产的安全埋下了隐患。
为至少部分解决现有技术中的上述技术问题，本发明实施例提供了一种股票抵押物贷款回收风险自动预警方法，提升抵押物价值评估的准确性，尽早识别可能存在回收隐患的贷款。
有鉴于此，本申请提供了一种股票抵押物贷款回收风险自动预警方法装置，该装置可以为一种服务器S1，参见图1，该服务器S1可以与至少一个客户端设备B1通信连接，所述服务器S1可以获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。而后，所述服务器S1可以将风险预警控制信息在线发送至所述客户端设备B1。所述客户端设备B1可以在线接收所述风险预警控制信息。
另外，参见图2，所述服务器S1还可以与至少一个数据库服务器S2通信连接，所述数据库服务器S2用于存储公开市场数据和目标贷款数据。所述数据库服务器S2在线将所述公开市场数据和目标贷款数据发送至所述服务器S1，所述服务器S1可以在线接收所述公开市场数据和目标贷款数据。
基于上述内容，所述客户端设备B1可以具有显示界面，使得用户能够根据界面查看所述服务器S1发送的所述风险预警控制信息。
可以理解的是，所述客户端设备B1可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括TCP/IP协议、UDP/IP协议、HTTP协议、HTTPS协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的RPC协议(Remote Procedure Call Protocol，远程过程调用协议)、REST协议(Representational State Transfer，表述性状态转移协议)等。
图3是本发明实施例中的股票抵押物贷款回收风险自动预警方法的流程示意图一；如图3所示，该股票抵押物贷款回收风险自动预警方法可以包括以下内容：
步骤S100：获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
具体地，公开市场数据可以包括：沪深300指数、其他相关股票市场指数以及各个上市企业的相关新闻动态等。
步骤S200：将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
具体地，该股票估值模型是基于资本资产定价模型实现。
步骤S300：根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
现有技术中，股票抵押物估值难度大，主观性较强，即使具备较强的行业背景也难以准确评估。针对财务制度健全的上市公司或企业集团，本发明提供了一种股票抵押物贷款回收风险自动预警技术，支持利用企业的股息红利或现金流数据进行股票价值评估，降低估值的主观性，提升抵押物价值评估的准确性和贷后管理的及时性，降低客户经理的道德风险，便于金融机构科学管理信贷资产。
在一个可选的实施例中，参见图4，该步骤S300可以包括以下内容：
步骤S310：判断所述抵押股票估值结果是否小于所述贷款总额或贷款余额，或者，判断所述抵押股票估值结果是否小于预设系数倍的所述贷款总额或贷款余额；
若是，执行步骤S320；若否，执行步骤S330。
步骤S320：向业务人员发送第一回收风险预警消息。
步骤S330：结束本次预警。
具体地，将抵押股票估值结果和客户贷款金额或贷款余额进行比较；具体地，在放贷之前，进行贷款业务审核时，将抵押股票估值结果与贷款金额进行比较；在放贷之后，将抵押股票估值结果与贷款余额进行比较。
其中，如果抵押股票估值结果小于客户贷款金额或贷款余额，说明贷款存在回收风险，提醒业务人员及时干预(可以挂接新的抵押物或补录资料后发起新的审批流程)；如果大于贷款余额，则结束本次预警。
在一个可选的实施例中，参见图5，该步骤S300还可以包括：
步骤S340：判断所述抵押股票估值结果是否小于所述抵押股票原估值；
若是，执行步骤S350；若否，执行步骤S330。
步骤S350：判断所述抵押股票估值结果相比与所述抵押股票原估值的下降的幅度或金额是否超过预设预警阈值；
若是，执行步骤S360；若否，执行步骤S330。
步骤S360：向业务人员发送第二回收风险预警消息。
具体地，如果抵押股票估值结果大于等于贷款余额，还可以继续判断抵押股票估值结果是否小于所述抵押股票原估值，即当前估值与原始估值相比是否存在降低，降低的幅度或金额是多少，作为预警的依据，进一步降低贷款回收风险。
在一个可选的实施例中，股票抵押物贷款回收风险自动预警方法还可以包括：设置预警触发条件。
其中，进行风险预警可以是按照预设时间间隔进行触发，也可以按照预设事件，比如企业的经营信息变动较大，当然，也可以同时设置预设时间间隔触发和事件触发，正常时按照预设时间间隔进行触发，当偶遇突发事件，事件满足预设要求时，也可以进行触发。
在一个可选的实施例中，所述预警触发条件为触发周期；所述股票抵押物贷款回收风险自动预警方法还包括：
利用计时器监控时间；
根据监控的时间数据判断是否满足触发周期；
若是，进行预警流程；
若否，继续监控时间。
具体地，在按照时间间隔进行触发时，需要利用计时器进行及时，以便达到预设时间时自动触发，结合成本和风险相结合的考虑，比如可以是按照每周触发一次或者每个月触发一次的频率进行预警，在特定情况下，经济环境变动较大时，也可以适当缩短触发周期，比如一天或两天触发一次，本发明实施例对此不作显示，本领域技术人员可以根据实际需要进行配置。
在一个可选的实施例中，所述预警触发条件为触发事件；所述股票抵押物贷款回收风险自动预警方法还包括：
采用网络爬虫技术收集抵押股票的相关消息；
根据收集的消息判断是否满足所述触发事件；
若是，进行预警流程；
若否，继续收集消息。
具体地，通过网络爬虫技术收集各上市公司或者本银行抵押股票对应的企业的最新动态，比如，当企业进行大规模融资、转让等情况发生时，可能极易导致股票价值变动，或者，政府政策变动等，也可能会导致企业股票价值变动，有额可以触发预警流程。
在一个可选的实施例中，股票估值模型包括：
步骤I：基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
步骤II：根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
步骤III：将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
步骤IV：根据所述单股价值与所述抵押股票数量得到所述抵押股票估值结果。
在另一个可选的实施例中，所述股票估值模型包括：
步骤I：基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
步骤II：根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
步骤III：将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
步骤IV：根据所述单股价值与所述抵押股票数量得到抵押股票初步估值；
步骤V：将所述抵押股票初步估值乘以预设折算系数得到所述抵押股票估值结果。
为了使本领域技术人员更好地理解本申请，下面结合图6至图9，对本发明的具体实现过程进行说明：
图6为银行信贷系统的结构框图；如图6所示，信息录入模块1主要由客户经理使用，用于完成信贷初始信息的录入，包含客户的基本情况、尽职调查等信息，同时如果后续流程中有需要补充资料的情形，也在信息录入模块1进行；流程控制模块2用于发起审核/复核流程，审批、签批、会签流程；授信控制模块3为企业的总体授信和额度控制；风险控制模块4包含图7所示的抵押物估值、风险量计算、债项评级、风险缓释等模块，用于执行本发明实施例提供的股票抵押物贷款回收风险自动预警技术；借据/许可证模块5为所有流程结束后的最后一步，通过借据和许可证模块发放贷款。
图7为风险控制模块提升估值准确性和及时性，系统流程如图8所示，具体描述如下：
步骤1：权限控制模块(模块10)首先判断当前操作人员是否具有估值权限；
步骤2：判断是否是股票抵押物，如果是则使用本发明的估值模型(模块11)进行股票估值，否则使用其他抵押物估值模型；
步骤3：将估值结果(金额)乘以折算系数，以反映流动性风险等潜在风险；
其中，折算系数预先根据业务需求进行设置，可以是0.6～0.9，比如0.8或0.7。
步骤4：将上述折算后的金额和客户贷款余额进行比较，如果小于贷款余额，说明贷款存在回收风险，则使用预警模块(模块12)提醒业务人员及时干预(可以挂接新的抵押物或补录资料后发起新的审批流程)；如果大于贷款余额，则进行下一步；
步骤5：判断折算金额相对于原估值是否有下降，下降的相对幅度或绝对金额是否超过预警阈值；如果超过预警阈值，则使用预警模块(模块12)提醒业务人员及时干预；如果没有超过，则进行下一步；
步骤6：提醒操作人员是否要应用估值结果，如果是，则转步骤8，如果否，则进行下一步；
步骤7：提醒操作人员是否要调整各类参数重新估值，此步可能涉及参数调整的审批流程。如果否，则沿用原有估值(输入的估值或上一次的估值)，进行下一步；如果是，则转到步骤2；
步骤8：设置估值更新的频率(模块13)，主要用于及时反映抵押物的真实价值，避免政策、经济周期、公司诉讼等客观环境的变化引起抵押物价值大幅波动，导致贷款安全回收风险增加；
步骤9：设置预警阈值(模块14)，主要用于预警模块(模块12)，提醒贷后管理人员及时关注抵押物价值变动，尽早发现可能存在坏账风险的贷款；
步骤10：模块13设置好估值更新频率后，系统自动判断条件是否满足，例如1个季度估值一次，则在季度末会自动通过预警模块(模块12)提醒业务人员启动估值更新流程；如果是事件驱动，则会自动监控抵押物所属公司的公告信息，碰到突发事件时提醒业务人员判断影响范围，如有必要可以启动估值更新流程。
通过采用上述技术方案，能够改进股票抵押物估值的及时性，避免过时信息影响贷款的安全回收。同时为了解决估值准确性的问题，模块11使用了图9所示的基于资本资产定价模型的股票估值方法，主要包括如下步骤：
1.基于各类可获取的公开市场数据，选择或估计市场无风险收益率Rrf；
2.使用沪深300指数或其他相关股票市场指数估计市场收益率Rmk；
3.使用上市公司股票价格的波动率和选用的市场指数的波动率估计待估值股票的βst因子；
4.根据证券市场线模型(SML)计算待估值股票的必要(期望)收益率Rrq；
5.将步骤4中的必要收益率应用于现金流量折现模型计算待估值股票的价值Vst(每股价值)；
6.取上一步计算结果乘以股票数量计算股票抵押物价值。
下面基于图9对各步骤进行详细说明：
1.选择或估计市场无风险收益率Rrf
无风险收益率的选择具有多样性，目前市场上可供选择的风险收益率主要包括定期存款利率、债券市场上的国债到期收益率、银行间同业拆借利率、质押式回购利率等。鉴于股票属于无固定到期日的有价证券，因此建议采用估值时市场上流通的5年或10年期(选择成交量最大的品种，可选择近似期限)的国债到期收益率作为无风险利率，资本资产定价模型假设不存在通货膨胀，因此无风险利率针对通货膨胀不作特殊调整。一般使用每日收盘价计算国债到期收益率。
2.选择市场指数估计市场收益率Rmk
现实中包含所有投资品种的市场组合无法建立，因此普遍采用股票指数近似替代市场组合，可选的范围主要包含证券交易所发布的上证指数、深圳成指、恒生指数等，还有部分中证指数公司编制的指数。不建议将行业指数纳入备选范围，主要因为行业指数均包含行业特有风险，不满足市场组合应仅包含系统风险的假设(特有风险已经因为组合内证券充分分散化后相互抵消)。基于同样的原因，也不建议根据待评估股票的特点选择特定的指数，例如对创业板股票估值选择创业板指数。最后建议选择指数时充分了解指数的编制规则，选择覆盖证券范围广的指数，并且指数的编制时间要足够长，至少5年或者以上，充分覆盖牛熊转换的区间，避免时间过短造成市场收益率大幅失真。
根据选择的市场指数，指定起始时间点，根据每日的收盘点位(也可以使用最高和最低点位的算术平均值等其他数值，但需前后一致)计算收益率，使用周或者月数据时，应合理选择起始时间点，以免数据量过少。
3.估计待估值股票的βst因子
βst系数反映特定股票的收益率相对于市场收益率变化的敏感程度，计算时需要首先估计股票与市场(指数)的相关性(协方差Cov(Rst,Rmk)或相关系数ρst,mk)，然后结合股票收益率的标准差σst和市场收益率的标准差σmk，利用如下公式计算βst：
Figure BDA0002929565630000111
标准差和相关系数均可以使用Excel或Python的统计包进行回归分析得到，重要的是数据筛选，注意排除股票停牌没有收盘价格的时间段。股票收益率及相关标准差的计算与市场收益率的计算一致，注意因为国内发行制度的特点，如果上市时间足够长(数据量足够，例如5年以上)则可以排除股票初始上市的前2年，规避发行制度造成的波动率异常。
注意：计算公式中的Rst为股票的实际收益率，与第4步需要计算的必要收益率不同。
4.计算待估值股票的必要(期望)收益率Rrq
基于前3步得到的数据，利用资本资产定价模型推导出的证券市场线(SML)公式可以计算出待估值股票的必要(期望)收益率：
E(Rrq)＝Rrf+βst(Rmk-Rrf)
该公式的计算得出的必要收益率仅为理论值，实际应用时可以根据待估值股票的特点合理调整，例如待估值股票所属的企业在金融机构内部的评级较低，则可以在此必要收益率基础上加上点差，以反映模型假设与实际不符的影响。资本资产定价模型假设没有税收和交易费用，可以无限制的借贷现金等均为理想化的情形，因此建议增加根据金融机构自身的风险管理制度对模型计算结果进行调整的步骤。
5.计算待估值股票的价值Vst
普通股价值评估的2种常用方法为：现金流量折现模型和相对价值评估模型，鉴于相对价值评估模型需要找到相同或相似公司，使用局限性较大，因此选择现金流量折现模型。现金流量折现模型包括股利现金流量折现模型、股权现金流量折现模型和实体现金流量折现模型。股利是否分配给股东，分配多少取决于企业是否盈利、筹资和股利分配政策，鉴于国内上市企业很少分配股利，因此建议采用股权现金流量折现模型或实体现金流量折现模型。同时因为存在如下恒等式，在数据假设相同的情况下，2种模型的评估结果相同。因此股权现金流量折现模型或实体现金流量折现模型二选一即可：
实体现金流量＝股权现金流量+债务现金流量
注意：实体现金流量是企业全部现金流入扣除成本费用和必要的投资后的剩余部分，它是企业一定期间可以提供给所有投资人(包括股权投资人和债券投资人)的税后现金流量。
现金流量折现模型的参数包括预测期的年数、各期的现金流量和资本成本(即第4步得到的必要收益率)，一般采用全面预测的方式取得未来现金流量数据。基本过程为：以上一年度的企业财报数据作为基础，以销售收入的预测作为起点，并假设各项财务数据的增长率和相互间的联系比率保持不变，对之后5～7年(预测期)的现金流量进行详细预测，更远期(后续期)的现金流预测一般采用简化方式，假设现金流增长率与宏观经济名义增长率相同，并长期稳定、可持续的增长(即两阶段增长模型，后续期永续增长)。由此可以得出股权价值的计算公式如下：
股权价值＝详细预测期股权现金流量现值+后续期价值的现值
假设预测期为T年，则：
Figure BDA0002929565630000131
公式中的股权现金流量为估计出来的特定年份的每股股权现金流量，其计算需要根据详细预测进行，通过实体现金流量减去债务现金流量得到，具体计算请参考其他文献。
6.正常情况下步骤5计算得出的每股价值Vst应该小于股票的市价，如果出现大于市价的情况，则需要检查无风险收益率和市场收益率的选择是否合理，同时可以考虑对市价乘以调整因子(反映市场风险和流动性风险)，取二者孰低作为每股价值。对于限售股作为抵押物的情形，则需要重点考虑流动性风险对股票价值的影响。最终将调整后的每股价值乘以股票数量得出股票抵押物的总价值，用于后续的信贷决策。
综上所述，为解决信贷管理过程中股票抵押物价值评估主观性较强导致准确性不高，且估值多为时点数据无法在贷后管理中发挥作用(及时性不足)的问题，本发明提供了一种基于股票抵押物估值技术的贷款回收风险自动预警方法，通过构建定期监控预警模块，选择市场收益率计算待估值股票的必要收益率，利用现金流量折现模型准确计算其参考价值的方法，帮助各类金融机构降低贷款回收风险，最大限度保证信贷决策的科学有效。其优点如下：
1.及时性强：估值系统中包含的定期或事件自动触发预警机制保证了业务人员及时关注到可能引起抵押物价值变动的信息，可以进行重新估值以体现新信息的影响。
2.准确性高：各类金融机构可根据自身情况(规模等)或风险管理要求选择无风险收益率；可根据不同贷款企业的发展阶段选择不同的折现模型。可回溯验证历史上的抵押物价值评估结果，及时更新模型各参数的选择；相似公司的估值结果具有可比性。金融机构建立相关参数筛选和评价(回测等)管理制度后，后续估值的计算不受信贷参与人或决策人的主观影响。
基于同一发明构思，本申请实施例还提供了一种股票抵押物贷款回收风险自动预警装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于股票抵押物贷款回收风险自动预警装置解决问题的原理与上述方法相似，因此股票抵押物贷款回收风险自动预警装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图10是本发明实施例中的股票抵押物贷款回收风险自动预警装置的结构框图一。如图10所示，该股票抵押物贷款回收风险自动预警装置具体包括：
数据获取模块10a获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
估值模块20a将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
风险预警控制模块30a根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
本发明提供了一种股票抵押物贷款回收风险自动预警技术，支持利用企业的股息红利或现金流数据进行股票价值评估，降低估值的主观性，提升抵押物价值评估的准确性和贷后管理的及时性，降低客户经理的道德风险，便于金融机构科学管理信贷资产。
上述实施例阐明的装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为电子设备，具体的，电子设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的股票抵押物贷款回收风险自动预警方法的步骤。
下面参考图11，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。
如图11所示，电子设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的股票抵押物贷款回收风险自动预警方法的步骤。
在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，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、方法、商品或者设备不仅包括那些要素，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、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种股票抵押物贷款回收风险自动预警方法，其特征在于，包括：
获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
2.根据权利要求1所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制，包括：
判断所述抵押股票估值结果是否小于所述贷款总额或贷款余额，或者，判断所述抵押股票估值结果是否小于预设系数倍的所述贷款总额或贷款余额；
若是，向业务人员发送第一回收风险预警消息。
3.根据权利要求2所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述目标贷款数据还包括：抵押股票原估值；
所述股票抵押物贷款回收风险自动预警方法还包括：
判断所述抵押股票估值结果是否小于所述抵押股票原估值；
若是，继续判断所述抵押股票估值结果相比与所述抵押股票原估值的下降的幅度或金额是否超过预设预警阈值；
若下降的幅度或金额超过预设预警阈值，向业务人员发送第二回收风险预警消息。
4.根据权利要求3所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述股票估值模型包括：
基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
根据所述单股价值与所述抵押股票数量得到所述抵押股票估值结果。
5.根据权利要求3所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述股票估值模型包括：
基于所述公开市场数据以及所述抵押股票标识获取市场无风险收益率、市场收益率、抵押股票的βst因子；
根据所述βst因子、所述市场无风险收益率、市场收益率计算抵押股票的必要收益率；
将所述必要收益率应用于现金流量折现模型计算抵押股票的单股价值；
根据所述单股价值与所述抵押股票数量得到抵押股票初步估值；
将所述抵押股票初步估值乘以预设折算系数得到所述抵押股票估值结果。
6.根据权利要求1所述的股票抵押物贷款回收风险自动预警方法，其特征在于，还包括：
设置预警触发条件。
7.根据权利要求6所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述预警触发条件为触发周期；
所述股票抵押物贷款回收风险自动预警方法还包括：
利用计时器监控时间；
根据监控的时间数据判断是否满足触发周期；
若是，进行预警流程；
若否，继续监控时间。
8.根据权利要求6所述的股票抵押物贷款回收风险自动预警方法，其特征在于，所述预警触发条件为触发事件；
所述股票抵押物贷款回收风险自动预警方法还包括：
采用网络爬虫技术收集抵押股票的相关消息；
根据收集的消息判断是否满足所述触发事件；
若是，进行预警流程；
若否，继续收集消息。
9.一种股票抵押物贷款回收风险自动预警装置，其特征在于，包括：
数据获取模块，获取公开市场数据和目标贷款数据，所述目标贷款数据包括：贷款总额、贷款余额、抵押股票标识、抵押股票数量；
估值模块，将所述公开市场数据、所述抵押股票标识以及所述抵押股票数量输入预获取的股票估值模型得到对应的抵押股票估值结果；
风险预警控制模块，根据所述抵押股票估值结果以及所述贷款总额或贷款余额进行目标贷款的回收风险预警控制。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现权利要求1至8任一项所述的股票抵押物贷款回收风险自动预警方法的步骤。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8任一项所述的股票抵押物贷款回收风险自动预警方法的步骤。
CN202110142357.3A 2021-02-02 2021-02-02 股票抵押物贷款回收风险自动预警方法和装置 Pending CN112819607A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110142357.3A CN112819607A (zh) 2021-02-02 2021-02-02 股票抵押物贷款回收风险自动预警方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110142357.3A CN112819607A (zh) 2021-02-02 2021-02-02 股票抵押物贷款回收风险自动预警方法和装置

Publications (1)

Publication Number Publication Date
CN112819607A true CN112819607A (zh) 2021-05-18

Family

ID=75860464

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110142357.3A Pending CN112819607A (zh) 2021-02-02 2021-02-02 股票抵押物贷款回收风险自动预警方法和装置

Country Status (1)

Country Link
CN (1) CN112819607A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450208A (zh) * 2021-06-30 2021-09-28 中国建设银行股份有限公司 贷款风险变动预警、模型训练方法和装置
CN113610574A (zh) * 2021-08-06 2021-11-05 工银科技有限公司 押品价值不定期或动态重估方法、装置、电子设备和介质
CN114998004A (zh) * 2022-08-08 2022-09-02 成都运荔枝科技有限公司 一种基于企业金融贷款风控的方法及系统
CN115170299A (zh) * 2022-09-07 2022-10-11 深圳市明源云科技有限公司 债权风险的控制方法、装置、终端设备及计算机介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113450208A (zh) * 2021-06-30 2021-09-28 中国建设银行股份有限公司 贷款风险变动预警、模型训练方法和装置
CN113610574A (zh) * 2021-08-06 2021-11-05 工银科技有限公司 押品价值不定期或动态重估方法、装置、电子设备和介质
CN114998004A (zh) * 2022-08-08 2022-09-02 成都运荔枝科技有限公司 一种基于企业金融贷款风控的方法及系统
CN115170299A (zh) * 2022-09-07 2022-10-11 深圳市明源云科技有限公司 债权风险的控制方法、装置、终端设备及计算机介质
CN115170299B (zh) * 2022-09-07 2022-12-27 深圳市明源云科技有限公司 债权风险的控制方法、装置、终端设备及计算机介质

Similar Documents

Publication Publication Date Title
Hardin III et al. REIT dividend determinants: excess dividends and capital markets
Lugo et al. Herding behavior and rating convergence among credit rating agencies: Evidence from the subprime crisis
CN112819607A (zh) 股票抵押物贷款回收风险自动预警方法和装置
Li et al. Investor sentiment, limited arbitrage, and the cash holding effect
Gkougkousi Aggregate earnings and corporate bond markets
Sousa Wealth, asset portfolio, money demand and policy rule
Bandyopadhyay Managing portfolio credit risk in banks
Kaur Stock market volatility in India
Soprano Liquidity management: a funding risk handbook
Yan et al. Estimating liquidity risk using the exposure‐based cash‐flow‐at‐risk approach: An application to the UK banking sector
Chong et al. Bank loans, trade credits, and borrower characteristics: Theory and empirical analysis
Lee et al. Is bank risk appetite relevant to bank default in times of Covid-19?
Neagu et al. Sudden stop of capital flows and the consequences for the banking sector and the real economy
Casta et al. Financial reporting and fair value: Where do we stand?
Chang et al. Quantile regression analysis of corporate liquidity: Evidence from the US property–liability insurance industry
KR20070090491A (ko) 주식담보대출시스템
Ajator Financial Engineering and Project Risk Management: Imperatives for Professional Quantity Surveyors
Sahiti et al. Banking activities in Kosovo and the importance of credit risk management
Manasseh et al. Application of generalized autoregressive conditional heteroschedasticity model on inflation and share price movement in Nigeria
Cho FinTech Megatrends: An Assessment of Their Industrial and Welfare Implications
Radojević et al. Presentation of disclosures related to credit risk of a certain bank
JP7277518B2 (ja) 情報処理装置、プログラム、および情報処理方法
Eid et al. Online Financial Inclusion and Its Implications for Borrowers: Evidence From Peer-to-Peer Lending
Mang’era Relationship between mortgage interest rate and financial performance of the mortgage firms in Kenya
KR102661517B1 (ko) 예상 잔액 정보를 이용하는 방법 및 디바이스

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