CN112950361A - 一种基于违约风险暴露的预警方法、装置、电子设备和介质 - Google Patents

一种基于违约风险暴露的预警方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN112950361A
CN112950361A CN202110349171.5A CN202110349171A CN112950361A CN 112950361 A CN112950361 A CN 112950361A CN 202110349171 A CN202110349171 A CN 202110349171A CN 112950361 A CN112950361 A CN 112950361A
Authority
CN
China
Prior art keywords
debt
determining
risk
credit
loan
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
CN202110349171.5A
Other languages
English (en)
Inventor
陈星光
何伟彬
夏成扬
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202110349171.5A priority Critical patent/CN112950361A/zh
Publication of CN112950361A publication Critical patent/CN112950361A/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
    • G06Q40/02—Banking, e.g. interest calculation or account maintenance
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明公开了一种基于违约风险暴露的预警方法、装置、电子设备和存储介质，涉及大数据技术领域，包括：获取债项所对应的源数据信息；根据源数据信息确定债项的业务类型，其中，业务类型包括非贷款承诺或贷款承诺；根据债项的业务类型确定违约风险暴露；基于风险暴露确定报警等级并进行风险预警。通过自动获取债项所对应的源数据信息确定债项所属的业务类型，采用与业务类型所匹配的方式准确确定违约风险暴露，并基于所确定的违约风险暴露确定出的报警等级进行风险预警，从而提高了对债项风险的准确评估，减少银行的债项风险。

Description

一种基于违约风险暴露的预警方法、装置、电子设备和介质
技术领域
本发明实施例涉及大数据技术领域，尤其涉及一种基于违约风险暴露的预警方法、装置、电子设备和介质。
背景技术
违约风险暴露(Exposure at Default，EAD)是指债务人违约时的预期表内和表外项目的风险暴露总额，EAD作为测算银行客户预期损失、经济资本、贷款定价以及风险加权资产的重要参数。目前在EAD计算过程中会基于历史数据以及借助Excel及VBA宏代码等工具进行数据处理以计算EAD。
但是大多数银行通常因缺乏历史数据，并且针对不同债项采用相同的方式确定违约风险暴露，使得所计算的EAD的准确性较低，从而影响对债项风险的准确评估，增加银行的债项风险。
发明内容
本发明实施例提供了一种基于违约风险暴露的预警方法、装置、电子设备和存储介质，以实现对债项风险的准确评估。
第一方面，本发明实施例提供了一种基于违约风险暴露的预警方法，包括：
获取债项所对应的源数据信息；
根据源数据信息确定债项的业务类型，其中，业务类型包括非贷款承诺或贷款承诺；
根据债项的业务类型确定违约风险暴露；
基于风险暴露确定报警等级并进行风险预警。
第二方面，本发明实施例提供了一种基于违约风险暴露的预警装置，包括：
源数据信息获取模块，用于获取债项所对应的源数据信息；
债项的业务类型确定模块，用于根据源数据信息确定债项的业务类型，其中，业务类型包括非贷款承诺或贷款承诺；
违约风险暴露确定模块，用于根据债项的业务类型确定违约风险暴露；
风险预警模块，用于基于风险暴露确定报警等级并进行风险预警。
第三方面，本发明实施例还提供了一种电子设备，电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本发明任意实施例的方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例的方法。
在本发明实施例中，通过自动获取债项所对应的源数据信息确定债项所属的业务类型，采用与业务类型所匹配的方式准确确定违约风险暴露，并基于所确定的违约风险暴露确定出的报警等级进行风险预警，从而提高了对债项风险的准确评估，减少银行的债项风险。
附图说明
图1是本发明实施例一提供的基于违约风险暴露的预警方法的流程图；
图2是本发明实施例二提供的基于违约风险暴露的预警方法的流程图；
图3是本发明实施例三提供的基于违约风险暴露的预警装置的结构示意图；
图4是本发明实施例四提供的一种电子设备的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例提供的基于违约风险暴露的预警方法的流程图，本实施例可适用于基于违约风险暴露对债项风险准确评估的情况，该方法可以由本发明实施例中的基于违约风险暴露的预警装置来执行，该装置可以通过软件和/或硬件的方式实现，本发明实施例的方法具体包括如下步骤：
步骤S101，获取债项所对应的源数据信息。
具体的说，本实施方式中在基于债项违约风险暴露EAD的预警之前，会首先获取债项所对应的源数据信息，在源数据信息中包含债项所对应的一些基本信息。本实施方式中所获取的源数据信息包括：客户信息、债项信息、合同信息、抵质押品信息和授权产品品种。
其中，客户信息包括：行业信息；债项信息包括：债项起始时间和业务类型，其中，业务类型包括贷款承诺或非贷款承诺；合同信息包括：信用余额、贷款余额、承诺可用金额、承诺贷款期限，其中，信用余额和贷款余额相加之和等于信贷余额；抵质押品信息包括：担保价值；授权产品品种包括：银行承兑汇票、融资保函、银行系统内开立信用证或银行系统外开立信用证。
步骤S102,根据源数据信息确定所述债项的业务类型。
其中，在获取到源数据信息之后，具体可以根据源数据信息中所包含的债项信息，进一步确定债项的业务类型。本实施方式中的业务类型包括非贷款承诺或贷款承诺，并且针对一个债项仅对应一种业务类型。
步骤S103，根据债项的业务类型确定违约风险暴露。
其中，步骤S103主要包括如下步骤S1031至步骤S1032：
步骤S1031，根据源数据信息确定债项的业务类型为非贷款承诺，则获取非贷款承诺信用风险转换系数和信贷余额，并根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露。
可选的，非贷款承诺信用风险转换系数包括第一类信用风险转换系数和第二类信用风险转换系数；获取非贷款承诺信用风险转换系数，包括：确定债项为表外业务并且贷款余额大于零，则获取权重参数，并根据权重参数确定第一类信用风险转换系数，其中，权重参数包括：产品权重、行业权重、期限权重和抵质押率权重；确定债项为表外业务并且贷款余额等于零，或者确定债项为表内业务，则确定第二类信用风险转换系数。
其中，在根据源数据信息中的债项信息确定债项的业务类型为非贷款承诺时，则获取非贷款承诺信用风险转换系数和信贷余额。并且非贷款承诺债项对应三种场景：第一种场景—债项为表外业务并且贷款余额大于零、第二种场景—债项为表外业务并且贷款余额等于零、第三种场景—债项为表内业务。并且第一种场景下所对应的非贷款承诺信用风险转换系数具体称为第一类信用风险转换系数，第二种场景和第三种场景下所对应的非贷款承诺信用风险转换系数具体称为第二类信用风险转换系数。表内业务是指在资产负债表上反映的业务，比如银行存款、贷款等，银行每吸纳一笔存款，或放出一笔贷款都会在资产负债表上注明。而表外业务是指商业银行所从事的，按照现行的会计准则不记入资产负债表内，不形成现实资产负债但能够增加银行收益的业务，如担保类业务、金融衍生交易类业务等。
具体的说，在确定第一种场景下所对应的第一类信用风险转换系数时，具体是获取包含产品权重、行业权重、期限权重和抵质押率权重的权重参数，并根据权重参数确定第一类信用风险转换系数。并且获取权重参数包括：根据债项的授权产品品种和产品参数表确定产品权重，其中，产品参数表中包含授权产品品种和产品权重的对应关系；根据债项的客户行业信息和行业参数表确定行业权重，其中，行业参数表中包含行业信息和行业权重的对应关系；获取债项的债项期限，并根据债项期限和期限参数表确定期限权重，其中，期限参数表中包含债项期限和期限权重的对应关系；获取债项的抵质押率，并根据抵质押率和抵质押率参数表确定抵质押率权重，其中，抵质押率为债项的信贷余额与担保价值的比值，并且抵质押率参数表中包含抵质押率和抵质押率权重的对应关系。
可选的，获取债项的债项期限包括：获取当前时间；根据当前时间与债项起始时间的差值确定债项的债项期限。
可选的，根据权重参数确定第一类信用风险转换系数，包括：根据产品权重、行业权重、期限权重、抵质押率权重和第一预设参数确定债项分值；根据债项分值确定违约风险暴露百分分数；根据违约风险暴露百分分数和第一类信用风险参数表确定第一类信用风险转换系数，其中，第一类信用风险参数表中包含违约风险暴露百分分数和第一类信用风险转数系数的对应关系。
在一个具体应用中，在确定债项的授权产品品种为银行承诺汇票时，通过查询产品参数表确定产品权重x＝0.1121；在确定债项的客户行业信息为电力行业时，通过查询行业参数表确定行业权重y＝0.2512；在获取当前时间t1为2021.3.2，债项起始时间为t2为2021.2.2，则债项期限T＝t2-t1＝28天，并通过查询期限参数表确定期限权重z＝0.1563；在获取信贷余额为5万，担保价值为10万时，确定债项的抵质押率＝信贷余额/担保价值＝5/10＝0.5之后，通过查询抵质押率参数表确定抵质押率权重m＝0.1124。在获得权重参数中的具体参数值之后获取第一预设参数，本实施方式中以第一预设参数为0.2526为例进行说明，并计算债项分值XB＝第一预设参数+x(产品权重)+y(行业权重)+z(期限权重)+m(抵质押率权重)＝0.2526+0.1121+0.2512+0.1563+0.1124＝0.8846。并且具体可以采用如下公式(1)计算违约风险暴露百分分数：
PS＝1-(1/(1+Exp(XB))) (1)
其中，PS为违约风险暴露百分分数，XB为债项分值，根据公式(1)可以确定当XB＝0.8846时，PS的值为0.7078。
在获取到违约风险暴露百分分数之后，可以根据第一类信用风险参数表确定第一类信用风险转换系数，如下表1所示为第一类信用风险参数表的示意：
表1
Figure BDA0003001902960000061
Figure BDA0003001902960000071
在确定PS的值为0.7078时，通过查询上述表1可以确定所对应的第一类信用风险转换系数CCF1为44.757％。当然，第一类信用风险参数表中仅是举例说明，而并不对其所包含的具体数值进行限定。
其中，在确定本实施方式中第二预设参数为0.7229，则可以具体采用如下公式(2)确定违约风险暴露：
EAD＝W*0.7229*CCF1 (2)
其中，EAD为违约风险暴露，W为信贷余额，CCF1为第一类信用风险转换系数，当信贷余额W为50000，CCF1为44.757％时，可以确定第一种场景下的违约风险暴露等于16177.4176。
可选的，确定第二类信用风险转换系数，包括：直接确定第二类信用风险转换系数等于1；根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露，包括：根据第二类信用风险转换系数和信贷余额的乘积确定违约风险暴露，其中，违约风险暴露等于信贷余额。
具体的说，在确定债项的业务类型为非贷款承诺，并且具体对应非贷款承诺债项中的第二种场景和第三种场景时，即当确定债项为表外业务并且贷款余额大于零，或者债项为表内业务时，直接确定第二类信用风险转化系数CFF2＝1，在第二种场景和第三种场景下当根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露时，具体是根据如下公式(3)确定违约风险暴露：
EAD＝W*CCF2 (3)
其中，EAD为违约风险暴露，W为信贷余额，CCF2为第二类信用风险转换系数，由于CCF2＝1,当信贷余额W为50000时，可以确定第二种场景和第三种场景下的违约风险暴露为500000。
步骤S1032，根据源数据信息确定债项的业务类型为贷款承诺，则获取贷款承诺信用风险转换系数和承诺可用金额，并根据贷款承诺信用风险转换系数和承诺可用金额确定违约风险暴露。
可选的，贷款承诺信用风险转换系数包括第三类信用风险转换系数和第四类信用风险转换系数；获取贷款承诺信用风险转换系数，包括：判断债项的承诺贷款期限是否小于指定时间，若是，则获取第三类信用风险转换系数；否则，获取第四类信用风险转换系数，其中，第四类信用风险转化系数大于第三类信用风险转换系数。
其中，对贷款承诺业务根据承诺贷款期限设置不用的贷款承诺信用风险转换系数，指定时间可以设置为一年，承诺贷款期限为一年以内的则贷款承诺信用风险转换系数可以设置为0％，即所获取的第三类信用风险转换系数为0％；承诺贷款期限为一年以上的则贷款承诺信用风险转换系数可以设置为50％，即所获取的第四类信用风险转换系数为50％。
可选的，根据贷款承诺风险转换系数和承诺可用金额确定违约风险暴露，包括：根据贷款承诺风险转换系数和承诺可用金额的乘积确定违约风险暴露。
需要说明的是，本实施方式中的承诺可用金额为已签订的贷款合同中所约定的，主要包括：贷款合同中尚未向客户发放贷款的余额，循环信用额度及法人账户透支额度未支用部分。
Figure BDA0003001902960000091
其中，CCF3表示第三类信用风险转换系数，CCF4表示第四类信用风险转换系数。
步骤S104，基于违约风险暴露确定报警等级并进行风险预警。
具体的说，可以提前确定违约风险暴露与报警等级的对应关系，例如，具体设定EAD<2万，所对应的报警等级为一级；2万<EAD<5万，所对应的报警等级为二级，5万<EAD<10万，所对应的报警等级为三级；EAD>10万，所对应的报警等级为四级，并且一级、二级、三级、四级所对应的债项风险是逐渐升高的。因此在确定出债项的违约风险暴露的具体数值之后，可以根据提前所设定的违约风险暴露与报警等级的对应关系，确定出报警等级，并基于所确定的报警等级进行风险预警。
需要说明的是，银行可以根据风险预警提示提前采取相应的措施，例如，停止向客户发放贷款，及时进行贷款催缴等，以尽量减少银行损失，从而尽量减少银行的债项风险。
在本发明实施例中，通过自动获取债项所对应的源数据信息确定债项所属的业务类型，采用与业务类型所匹配的方式准确确定违约风险暴露，并基于所确定的违约风险暴露确定出的报警等级进行风险预警，从而提高了对债项风险的准确评估，减少银行的债项风险。
实施例二
图2是本发明实施例所提供的违约风险暴露的确定方法的流程图，本实施例以上述实施例为基础，对实施例一中的步骤S1031进行具体说明。
如图2所示，本公开实施例的方法具体包括：
步骤S201，根据源数据确定债项的业务类型为非贷款承诺。
其中，在获取到债项所对应的源数据信息之后，对源数据信息中的债项信息进行识别，确定债项的业务类型为非贷款承诺。
步骤S202，判断债项授权产品品种是否属于融资保函或银行系统内开立信用证，若是，则执行步骤S204，否则执行步骤S203。
步骤S203，获取非贷款承诺信用风险转换系数和信贷余额，并根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露。
其中，在确定债项授权产品品种不属于融资保函或银行系统内开立信用证时，则按照上述实施例一中非贷款承诺债项对应的三种场景分别进行违约风险暴露的确定，本实施方式对此不再进行赘述。
步骤S204，判断债项授权产品品种是否属于融资保函，若是，则执行步骤S205，否则执行步骤S206。
步骤S205，直接确定非贷款承诺信用风险转换系数等于1，违约风险暴露等于信贷余额。
其中，本实施方式中的融资保函和银行系统内开立信用证都属于特殊的授权产品品种，在确定债项授权产品品种属于融资保函时，非贷款承诺信用风险转换系数所对应的数值为1，在这种情况下由于违约风险暴露＝非贷款承诺信用风险转换系数*信贷余额＝信贷余额，从而可以确定融资保函情况下所对应的违约风险暴露为信贷余额。
步骤S206，确定违约风险暴露等于零。
其中，在确定债项授权产品品种属于银行系统内开立信用证时，直接确定违约风险暴露等于零。
在本发明实施例中，通过自动获取债项所对应的源数据信息确定债项所属的业务类型，采用与业务类型所匹配的方式准确确定违约风险暴露，并基于所确定的违约风险暴露确定出的报警等级进行风险预警，从而提高了对债项风险的准确评估，减少银行的债项风险。并且对债项特殊授权产品品种融资保函和银行系统内开立信用证时，风险暴露的确定方式进行说明，从而保障了特殊授权产品品种所对应的风险暴露的准确性。
实施例三
图3是本发明实施例提供的一种违约风险暴露的确定装置的结构示意图，具体包括：源数据信息获取模块310、债项的业务类型确定模块320、违约风险暴露确定模块330和风险预警模块340。
其中，源数据信息获取模块310，用于获取债项所对应的源数据信息；
债项的业务类型确定模块320，用于根据所述源数据信息确定所述债项的业务类型，其中，所述业务类型包括非贷款承诺或贷款承诺；
违约风险暴露确定模块330，用于根据所述债项的业务类型确定违约风险暴露；
风险预警模块340，用于基于所述风险暴露确定报警等级并进行风险预警。
可选的，违约风险暴露确定模块包括：
第一违约风险暴露确定模块，用于根据源数据信息确定债项的业务类型为非贷款承诺，则获取非贷款承诺信用风险转换系数和信贷余额，并根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露；
第二违约风险暴露确定模块，用于根据源数据信息确定债项的业务类型为贷款承诺，则获取贷款承诺信用风险转换系数和承诺可用金额，并根据贷款承诺信用风险转换系数和承诺可用金额确定违约风险暴露。
可选的，源数据信息包括：客户信息、债项信息、合同信息、抵质押品信息和授权产品品种；
客户信息包括：行业信息；
债项信息包括：债项起始时间和业务类型，其中，业务类型包括贷款承诺或非贷款承诺；
合同信息包括：信用余额、贷款余额、承诺可用金额、承诺贷款期限，其中，信用余额和贷款余额相加之和等于信贷余额；
抵质押品信息包括：担保价值；
授权产品品种包括：银行承兑汇票、融资保函、银行系统内开立信用证或银行系统外开立信用证。
可选的，非贷款承诺信用风险转换系数包括第一类信用风险转换系数和第二类信用风险转换系数；
第一违约风险暴露确定模块包括：第一类信用风险转换系数确定模块，用于确定债项为表外业务并且贷款余额大于零，则获取权重参数，并根据权重参数确定第一类信用风险转换系数，其中，权重参数包括：产品权重、行业权重、期限权重和抵质押率权重；
第二类信用风险转换系数确定模块，用于确定债项为表外业务并且贷款余额等于零，或者确定债项为表内业务，则确定第二类信用风险转换系数。
可选的，第一违约风险暴露确定模块包括权重参数获取子单元，用于根据债项的授权产品品种和产品参数表确定产品权重，其中，产品参数表中包含授权产品品种和产品权重的对应关系；
根据债项的客户行业信息和行业参数表确定行业权重，其中，行业参数表中包含行业信息和行业权重的对应关系；
获取债项的债项期限，并根据债项期限和期限参数表确定期限权重，其中，期限参数表中包含债项期限和期限权重的对应关系；
获取债项的抵质押率，并根据抵质押率和抵质押率参数表确定抵质押率权重，其中，抵质押率为债项的信贷余额与担保价值的比值，并且抵质押率参数表中包含抵质押率和抵质押率权重的对应关系。
可选的，装置还包括债项期限获取模块，用于获取当前时间；根据当前时间与债项起始时间的差值确定债项的债项期限。
可选的，第一类信用风险转换系数确定模块，用于根据产品权重、行业权重、期限权重、抵质押率权重和第一预设参数确定债项分值；
根据债项分值确定违约风险暴露百分分数；
根据违约风险暴露百分分数和第一类信用风险参数表确定第一类信用风险转换系数，其中，第一类信用风险参数表中包含违约风险暴露百分分数和第一类信用风险转数系数的对应关系。
可选的，第一违约风险暴露确定模块用于：根据第一类信用风险转换系数、信贷余额和第二预设参数的乘积确定违约风险暴露，其中，第一类信用风险转换系数的绝对值小于1。
可选的，第二类信用风险转换系数确定模块，用于直接确定第二类信用风险转换系数等于1；
根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露，包括：
根据第二类信用风险转换系数和信贷余额的乘积确定违约风险暴露，其中，违约风险暴露等于信贷余额。
可选的，装置还包括债项特殊业务类型违约风险暴露模块，用于：在确定债项授权产品品种属于融资保函，则直接确定非贷款承诺信用风险转换系数等于1，违约风险暴露等于信贷余额；
在确定债项授权产品品种属于银行系统内开立信用证，则直接确定违约风险暴露等于零。
可选的，贷款承诺信用风险转换系数包括第三类信用风险转换系数和第四类信用风险转换系数；
第二违约风险暴露确定模块包括贷款承诺信用风险转换系数获取子单元，用于判断债项的承诺贷款期限是否小于指定时间，若是，则获取第三类信用风险转换系数；
否则，获取第四类信用风险转换系数，其中，第四类信用风险转化系数大于第三类信用风险转换系数。
可选的，第二违约风险暴露确定模块包括违约风险暴露获取子单元，用于根据贷款承诺风险转换系数和承诺可用金额的乘积确定违约风险暴露。
上述装置可执行本发明任意实施例所提供的基于违约风险暴露的预警方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的方法。
实施例四
图4是本发明实施例提供的一种电子设备的结构示意图。图4示出了适用于用来实现本发明实施方式的示例性电子设备412的框图。图4显示的电子设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示，电子设备412以通用计算设备的形式出现。电子设备412的组件可以包括但不限于：一个或者多个处理器416，存储器428，连接不同系统组件(包括存储器428和处理器416)的总线418.
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器428用于存储指令。存储器428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、显示器424等)通信，还可与一个或者多个使得用户能与该电子设备412交互的设备通信，和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与电子设备412的其它模块通信。应当明白，尽管图4中未示出，可以结合电子设备412使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储器428中的指令，从而执行各种功能应用以及数据处理，例如执行以下操作：
获取债项所对应的源数据信息；根据源数据信息确定债项的业务类型，其中，业务类型包括非贷款承诺或贷款承诺；根据债项的业务类型确定违约风险暴露；基于违约风险暴露确定报警等级并进行风险预警。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行基于违约风险暴露的预警方法，该方法包括：
获取债项所对应的源数据信息；根据源数据信息确定债项的业务类型，其中，业务类型包括非贷款承诺或贷款承诺；根据债项的业务类型确定违约风险暴露；基于违约风险暴露确定报警等级并进行风险预警。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的基于违约风险暴露的预警方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，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，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台电子设备(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的基于违约风险暴露的预警方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (16)

1.一种基于违约风险暴露的预警方法，其特征在于，包括：
获取债项所对应的源数据信息；
根据所述源数据信息确定所述债项的业务类型，其中，所述业务类型包括非贷款承诺或贷款承诺；
根据所述债项的业务类型确定违约风险暴露；
基于所述违约风险暴露确定报警等级并进行风险预警。
2.根据权利要求1所述的方法，其特征在于，所述根据所述债项的业务类型确定违约风险暴露，包括：
根据所述源数据信息确定所述债项的业务类型为非贷款承诺，则获取非贷款承诺信用风险转换系数和信贷余额，并根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露；
根据所述源数据信息确定所述债项的业务类型为贷款承诺，则获取贷款承诺信用风险转换系数和承诺可用金额，并根据贷款承诺信用风险转换系数和承诺可用金额确定违约风险暴露。
3.根据权利要求2所述的方法，其特征在于，所述源数据信息包括：客户信息、债项信息、合同信息、抵质押品信息和授权产品品种；
所述客户信息包括：行业信息；
所述债项信息包括：债项起始时间和业务类型，其中，所述业务类型包括贷款承诺或非贷款承诺；
所述合同信息包括：信用余额、贷款余额、承诺可用金额、承诺贷款期限，其中，所述信用余额和所述贷款余额相加之和等于所述信贷余额；
所述抵质押品信息包括：担保价值；
所述授权产品品种包括：银行承兑汇票、融资保函、银行系统内开立信用证或银行系统外开立信用证。
4.根据权利要求3所述的方法，其特征在于，所述非贷款承诺信用风险转换系数包括第一类信用风险转换系数和第二类信用风险转换系数；
所述获取非贷款承诺信用风险转换系数，包括：
确定所述债项为表外业务并且贷款余额大于零，则获取权重参数，并根据权重参数确定所述第一类信用风险转换系数，其中，所述权重参数包括：产品权重、行业权重、期限权重和抵质押率权重；
确定所述债项为表外业务并且贷款余额等于零，或者确定所述债项为表内业务，则确定所述第二类信用风险转换系数。
5.根据权利要求4所述的方法，其特征在于，所述获取权重参数，包括：
根据所述债项的授权产品品种和产品参数表确定产品权重，其中，所述产品参数表中包含授权产品品种和产品权重的对应关系；
根据所述债项的客户行业信息和行业参数表确定行业权重，其中，所述行业参数表中包含行业信息和行业权重的对应关系；
获取所述债项的债项期限，并根据所述债项期限和期限参数表确定期限权重，其中，所述期限参数表中包含债项期限和期限权重的对应关系；
获取所述债项的抵质押率，并根据所述抵质押率和抵质押率参数表确定抵质押率权重，其中，所述抵质押率为所述债项的信贷余额与担保价值的比值，并且所述抵质押率参数表中包含抵质押率和抵质押率权重的对应关系。
6.根据权利要求5所述的方法，其特征在于，所述获取所述债项的债项期限包括：
获取当前时间；
根据所述当前时间与所述债项起始时间的差值确定所述债项的债项期限。
7.根据权利要求4所述的方法，其特征在于，所述根据权重参数确定所述第一类信用风险转换系数，包括：
根据所述产品权重、所述行业权重、所述期限权重、所述抵质押率权重和第一预设参数确定债项分值；
根据所述债项分值确定违约风险暴露百分分数；
根据所述违约风险暴露百分分数和第一类信用风险参数表确定所述第一类信用风险转换系数，其中，所述第一类信用风险参数表中包含违约风险暴露百分分数和第一类信用风险转数系数的对应关系。
8.根据权利要求7所述的方法，其特征在于，所述根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露，包括：
根据所述第一类信用风险转换系数、所述信贷余额和第二预设参数的乘积确定所述违约风险暴露，其中，所述第一类信用风险转换系数的绝对值小于1。
9.根据权利要求4所述的方法，其特征在于，所述确定所述第二类信用风险转换系数，包括：
直接确定所述第二类信用风险转换系数等于1；
所述根据非贷款承诺信用风险转换系数和信贷余额确定违约风险暴露，包括：
根据所述第二类信用风险转换系数和所述信贷余额的乘积确定所述违约风险暴露，其中，所述违约风险暴露等于所述信贷余额。
10.根据权利要求2所述的方法，其特征在于，所述获取非贷款承诺信用风险转换系数和信贷余额之前，还包括：
确定所述债项授权产品品种不属于融资保函或银行系统内开立信用证。
11.根据权利要求10所述的方法，其特征在于，所述根据所述源数据信息确定所述债项的业务类型为非贷款承诺之后，还包括：
在确定所述债项授权产品品种属于融资保函，则直接确定所述非贷款承诺信用风险转换系数等于1，所述违约风险暴露等于所述信贷余额；
在确定所述债项授权产品品种属于银行系统内开立信用证，则直接确定所述违约风险暴露等于零。
12.根据权利要求3所述的方法，其特征在于，所述贷款承诺信用风险转换系数包括第三类信用风险转换系数和第四类信用风险转换系数；
所述获取贷款承诺信用风险转换系数，包括：
判断所述债项的承诺贷款期限是否小于指定时间，若是，则获取所述第三类信用风险转换系数；
否则，获取所述第四类信用风险转换系数，其中，所述第四类信用风险转化系数大于所述第三类信用风险转换系数。
13.根据权利要求12所述的方法，其特征在于，所述根据贷款承诺风险转换系数和承诺可用金额确定违约风险暴露，包括：
根据所述贷款承诺风险转换系数和所述承诺可用金额的乘积确定所述违约风险暴露。
14.一种基于违约风险暴露的预警装置，其特征在于，包括：
源数据信息获取模块，用于获取债项所对应的源数据信息；
债项的业务类型确定模块，用于根据所述源数据信息确定所述债项的业务类型，其中，所述业务类型包括非贷款承诺或贷款承诺；
违约风险暴露确定模块，用于根据所述债项的业务类型确定违约风险暴露；
风险预警模块，用于基于所述风险暴露确定报警等级并进行风险预警。
15.一种电子设备，其特征在于，所述设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-13中任一所述的方法。
16.一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，该程序被处理器执行时实现如权利要求1-13中任一所述的方法。
CN202110349171.5A 2021-03-31 2021-03-31 一种基于违约风险暴露的预警方法、装置、电子设备和介质 Pending CN112950361A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110349171.5A CN112950361A (zh) 2021-03-31 2021-03-31 一种基于违约风险暴露的预警方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110349171.5A CN112950361A (zh) 2021-03-31 2021-03-31 一种基于违约风险暴露的预警方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN112950361A true CN112950361A (zh) 2021-06-11

Family

ID=76231536

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110349171.5A Pending CN112950361A (zh) 2021-03-31 2021-03-31 一种基于违约风险暴露的预警方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN112950361A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570450A (zh) * 2021-07-30 2021-10-29 中国工商银行股份有限公司 基于信贷资产批量分类的融资风险监控方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113570450A (zh) * 2021-07-30 2021-10-29 中国工商银行股份有限公司 基于信贷资产批量分类的融资风险监控方法及装置

Similar Documents

Publication Publication Date Title
Roncalli Handbook of financial risk management
US9189789B1 (en) Methods, systems, and articles of manufacture for fulfilling a loan request of a business entity
US8645244B2 (en) Capital allocation and risk management
Chehrazi et al. Dynamic valuation of delinquent credit-card accounts
US20150294280A1 (en) Methods and apparatus for allocating funds based on payment obligations
Pouvelle Bank credit, asset prices and financial stability: Evidence from French banks
Rey et al. Earnings management and debt maturity: Evidence from Italy
Raynes et al. The analysis of structured securities: precise risk measurement and capital allocation
JP2018514889A (ja) 当初証拠金標準モデルに基づいて当初証拠金を計算及び提供する方法及びシステム
CN112950361A (zh) 一种基于违约风险暴露的预警方法、装置、电子设备和介质
Rutledge et al. Elements of structured finance
US20170011369A1 (en) Network-based payment processor
Akhtekhane et al. Measuring exchange rate fluctuations risk using the value-at-risk
CN110992171A (zh) 一种用户的授信策略确定方法、装置及电子设备
Döpp et al. Modeling non-maturing Demand Deposits: a proposed methodology to determining the idiosyncratic confidence level used for separating stable deposit volumes from volatile deposit volumes
Dua et al. Inter-Linkages Between Asian and US Stock Market Returns: A Multivariate GARCH Analysis
Wesselbaum Catastrophe theory and the financial crisis
US7546270B1 (en) Method and system for estimating economic risk associated with a group of loans
Tominac et al. The impact of IFRS 9 on loan impairments in Croatian banks
Handorf CAMEL to CAMELS: The risk of sensitivity
Bag et al. Parsimonious exposure‐at‐default modeling for unfunded loan commitments
TWI726093B (zh) 清算之方法
Sy et al. Impairment modelling for financial assets under IFRS 9
Rahbar et al. The Impact of Macroeconomic and Banking Variables on Non-Performing Loans in Oil Cycles: Evidence from Iran
Lucey et al. Advanced Risk Consulting Expected Loss Model (ARC ELM): For Current Expected Credit Losses (CECL)

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