CN113065971A - 产品风险预警方法及装置 - Google Patents
产品风险预警方法及装置 Download PDFInfo
- Publication number
- CN113065971A CN113065971A CN202110346653.5A CN202110346653A CN113065971A CN 113065971 A CN113065971 A CN 113065971A CN 202110346653 A CN202110346653 A CN 202110346653A CN 113065971 A CN113065971 A CN 113065971A
- Authority
- CN
- China
- Prior art keywords
- risk
- product
- price
- determining
- proportion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013459 approach Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 239000002699 waste material Substances 0.000 abstract description 8
- 239000000047 product Substances 0.000 description 145
- 239000011159 matrix material Substances 0.000 description 25
- 238000004364 calculation method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010970 precious metal Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000001960 triggered effect 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供一种产品风险预警方法及装置,属于金融技术领域或其他技术领域。该产品风险预警方法包括:根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。本发明可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
Description
技术领域
本发明涉及金融技术领域,具体地,涉及一种产品风险预警方法及装置。
背景技术
金融机构在处理用户持有保证金相关的做空仓位的做法,一般是设定一个风险阈值 (比如强平比例、预警比例等),然后定期(一般一天2-3次)扫描所有的持仓,计算当前占用保证金比例,如果超过阈值,则对产品进行预警。
现有技术存在如下缺陷:1、在产品价格变动较多的场景下(比如外汇、贵金属、期货和股票等等),扫描频率过低会导致风险发现不及时,造成用户损失。2、由于计算占用保证金比例需要扫描所有的持仓,且每次都需要查相关表进行组合计算,因此扫描频率过高将占用大量计算资源。
发明内容
本发明实施例的主要目的在于提供一种产品风险预警方法及装置,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
为了实现上述目的,本发明实施例提供一种产品风险预警方法,包括:
根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;
根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
本发明实施例还提供一种产品风险预警装置,包括:
价格影响因子确定模块,用于根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
风险逼近值确定模块,用于根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;
风险产品预警模块,用于根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序,处理器执行计算机程序时实现所述的产品风险预警方法的步骤。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现所述的产品风险预警方法的步骤。
本发明实施例的产品风险预警方法及装置先根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子,再根据价格影响因子确定风险逼近值以输出风险逼近值对应的风险产品的预警信息,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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,下面描述中的附图仅仅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是本发明一实施例中产品风险预警方法的流程图;
图2是本发明另一实施例中产品风险预警方法的流程图;
图3是本发明实施例中确定价格影响因子的关系图;
图4是本发明实施例中S101的流程图;
图5是本发明实施例中S102的流程图;
图6是本发明实施例中确定风险产品的流程图;
图7是本发明实施例中n*m维度的价格影响因子矩阵示意表;
图8是经过csr格式转换的价格影响因子矩阵示意表;
图9是本发明实施例中产品价格变动量的示意表;
图10是本发明实施例中风险逼近值的示意表;
图11是本发明实施例中产品风险预警装置的结构框图;
图12是本发明实施例中计算机设备的结构框图。
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,所描述的实施例仅仅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。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
需要说明的是,本发明的产品风险预警方法及装置可用于金融领域的风险预警场景中,也可用于除金融领域之外的任意领域。本发明实施例对产品风险预警方法及装置的应用领域不做限定。
鉴于现有技术对风险的发现不及时,占用大量计算资源,本发明实施例提供一种产品风险预警方法,以优化传统的保证金计算模式,避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。以下结合附图对本发明进行详细说明。
图1是本发明一实施例中产品风险预警方法的流程图。图2是本发明另一实施例中产品风险预警方法的流程图。如图1和图2所示,产品风险预警方法包括:
S101:根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子。
一实施例中,还包括:当采用现有的保证金比例计算方法计算得到的历史持仓占用保证金比例(价格变动前的持仓占用保证金比例)大于预设第二比例阈值时,执行S101。其中,价格影响因子为以用户和产品为单位抽取出的该产品的价格变动对于逼近该用户的风险阈值的影响因子值;“价格”可以是经过简单报价处理但无需考虑用户相关的点差、优惠等等因素的原始价格的组成(比如中间价)。一般情况下,各类型保证金账户跟产品的关系为一对多的关系,因此影响因子矩阵以某类型保证金账户来创建,不同的保证金类型对应不同的价格影响因子矩阵。例如,某一类型的保证金账户对应n个用户和m个产品,则价格影响因子为n*m维度的矩阵。
图3是本发明实施例中确定价格影响因子的关系图。图4是本发明实施例中S101的流程图。如图3-图4所示,S101包括:
S201:根据单位持仓占用保证金变动量和保证金可用余额确定单位持仓占用保证金变化比例。
图3中的为第i个用户的第j个产品的持仓占用保证金,为第i个用户的第j个产品的份额,pj为第j个产品的价格,为第i个用户的第j个产品的点差、优惠等因素。在绝大多数场景下,fi j与pj的关系可以线性回归表达为其中,为第i个用户的第j个产品的价格相关性斜率,为第i个用户的第j个产品的用户相关性偏差,服从均值为零的正态分布。
具体实施时,设定第j个产品的价格变动量^pj变动为一个单位Δpj(比如1美元/盎司),则可以用过如下公式确定单位持仓占用保证金变化比例:
S202:根据单位持仓占用保证金变化比例、强平保证金比例和历史持仓占用保证金比例确定价格影响因子。
具体实施时,可以通过如下公式确定价格影响因子:
循环处理n个用户的m个产品,每次抽取价格影响因子完毕后将价格影响因子更新到价格影响因子矩阵中,最终形成n*m维度的价格影响因子矩阵。由于金融产品类型繁多,一个保证金账户可以对应成百上千个不同类型的产品(比如外汇保证金账户在自由兑换的场景下会对应上万种组合的产品),如果扩展到证券期货等投资领域,数量也极为庞大。在这个背景下,如果某用户持有的实际产品远小于产品总数量,则该价格影响因子矩阵为稀疏矩阵。
S102:根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值。
图5是本发明实施例中S102的流程图。如图5所示,S102包括:
S301:根据历史产品价格和实时产品价格确定产品价格变动量。
其中,历史产品价格为采用现有的保证金比例计算方法计算得到历史持仓占用保证金比例后的产品价格(一般记录中间价,即报价源过来的无加工的价格;如果是日终,则由于无报价更新,运算过程中中间价一直是固定的)。记录历史产品价格到基准比较价格向量并更新到Redis高速缓存中。通过日间定时小批量模块中的报价小批量模块可以按照日间定时小批量独立频率生成日间时点产品价格向量(实时产品价格),也可独立于日间定时小批量独立频率,扫描最新的产品价格表获取m个产品的价格。
图9是本发明实施例中产品价格变动量的示意表。如图9所示,将实时产品价格(日间时点产品价格向量)与历史产品价格(日终产品基准比较价格向量)相减,可以得到维度为m*1的产品价格变动量(价格差列向量),即该向量的第j个元素为第j个产品的价格变动量^pj,^pj为第j个产品的价格差。
S302:对价格影响因子进行行切片格式转换或列切片格式转换。
图7是本发明实施例中n*m维度的价格影响因子矩阵示意表。图8是经过csr格式转换的价格影响因子矩阵示意表。如图7-图8所示,可以采用csr(Compressed sparse row)行切片或者csc(Compressed sparse column)列切片格式存储价格影响因子稀疏矩阵,进行对应转换后更新到Redis高速缓存中。
以csr格式转换为例,csr的核心思路是去掉零元素的存储和计算,只存储非零元素,即以三个数组来存储对应信息:Row offsets(行偏移量)、Column indices(非零元素下标) 和Values(数值)。Row offsets表示每一行第一个非零元素的行索引,元素值为values数组的下标,可以理解为第一个非零元素的总体偏移量,最后一个元素值为非零元素的个数。 Column indices用于保存values数组中对应位置的非零元素的列索引。Values用于保存价格影响因子矩阵中的非零元素。
以用户9对应行的影响因子为例(图7和图8的粗斜体下划线部分),Row offsets数组的元素值为某行头一个元素在所有元素中的偏移量,比如0.47在所有元素中为第14个元素,相比于第一个元素的偏移量为13(暂不考虑矩阵n*m中被省略表示的部分);Columnindices数组的元素值为对应value值所在的列数,比如0.54的列数为4。一般来说Columnindices的维度跟values维度一样,在行数远大于列数的情况下,可采用csc格式(即列切片)以缩小Row offset的数组维度,进一步提高存储和计算效率。
图8中的“...”部分均未在上述举例中考虑,即实际会有远超上述举例的用户以及产品,如(0.47,0.68,0.54)在实际中对应的Row offsets值将远大于13;(0.5,0.68)对应的Row offsets 以21+*、23+*表示,*表示省略掉的影响因子的数量。Column indices数组中的m表示第 m个产品对应的列索引。为了方便演示,本发明实施例的稀疏因子并不高。对于稀疏因子较高的矩阵,比如非零元素占比5%,本发明的csr/csc存储压缩率会在85%左右(即节省 8成以上存储空间),并且计算效率可以提速数倍(视元素分布浮动)。稀疏因子越高,则存储和计算效率提升越明显。
S303:根据产品价格变动量和经过格式转换的价格影响因子确定风险逼近值。
S303为新增独立小批量,可设置独立频率,即区别于生成日间时点产品价格向量的传统报价频率。可以通过如下公式确定风险逼近值:
图10是本发明实施例中风险逼近值的示意表。具体实施时,可以将图8中经过csr格式转换的价格影响因子矩阵与图9的价格差列向量相乘。对于csr格式,S*B会比B*S运算速度快一半(B为大矩阵,S为小矩阵),所以可将价格影响因子矩阵和价格差列向量分别转置后再进行运算,即将1*m的行矩阵与m*n的csr矩阵相乘,得到图10所示的n*1 的风险逼近值列向量。
以用户9为例,图8中Row offsets数组的13表示在扫描处理完毕value值0.65(总体偏移量为12)之后,从新的一行(用户9对应的行)开始获取16-13=3个元素,即 (0.47,0.68,0.54),对应的Column indices为(1,2,4)。(1,2,4)对应价格差列向量第一、二和四行,也就是(0.51,1.27,0.47),用户9的风险逼近值为:
S103:根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
当风险逼近值大于预设风险阈值时,表示用户极大概率已触发强平线,该用户的产品具有高风险,需要重新计算风险逼近值对应的当前持仓占用保证金比例以对风险产品进行再次确认,可以通过如下流程证明:
将第i个用户的各产品的持仓占用保证金相加,可以得到第i个用户的持仓占用保证金Yi,Yi/Bi即为第i个用户的历史持仓占用保证金比例Si。当第j个产品的价格pj变动为p'j,变动量为^pj,则每次全量产品报价完毕之后,Si变动^Si为:
以Q-Si为一个标准衡量,当^Si=Q-Si时,可以理解为价格变动导致持仓占用保证金比例达到强平保证金比例Q。
因此,可以设定^Si/(Q-Si)为第i个用户的风险逼近值,当风险逼近值超过预设风险阈值时,代表价格变动导致持仓占用保证金比例达到强平保证金比例Q,应重新计算当前持仓占用保证金比例。
图6是本发明实施例中确定风险产品的流程图。如图6所示,根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品包括:
S401:根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的当前持仓占用保证金比例。
具体实施时,当风险逼近值大于预设风险阈值(存在一定误差,比如价格向量时点、持仓数变化等等,预设风险阈值一般设定为1)时,表示该用户的产品具有高风险,需要确定风险逼近值对应的用户的当前持仓占用保证金比例,即以用户对应的信息号为索引重新计算持仓占用保证金比例。计算方式跟传统保证金计算一样,根据持仓占用保证金计算持仓占用保证金比例。
S402:根据当前持仓占用保证金比例与预设第一比例阈值的比较结果确定风险逼近值对应的风险产品。
具体实施时,当当前持仓占用保证金比例大于预设第一比例阈值时,对风险逼近值对应的风险产品进行预警,系统可以在收到预警后对风险产品进行强平等操作。其中,预设第一比例阈值为传统意义上的风险阈值,系统对大于预设第一比例阈值的当前持仓占用保证金比例对应的产品进行强平等操作。
例如,预设风险阈值为1,强平保证金比例Q为90%,历史持仓占用保证金比例S为80%,Q-S=10%,产品价格为8.4美元/盎司。当产品价格增长一个单位到9.4美元/盎司时,当前持仓占用保证金比例为86.8%,则单位持仓占用保证金变化比例为6.8%,价格影响因子Z为6.8%/10%=0.68。当产品价格增长两个单位到10.4美元/盎司时,该产品的风险值逼近值必然为0.68*2,从而超过预设风险阈值。此时当前持仓占用保证金比例极大概率超过强平保证金比例,需要对对应的用户进行重估及后续强平。
本发明还可以通过极大似然估计评估用户风险及时处理比例在金融机构可以接受的值之上的概率以此调整日间定时小批量独立频率及预设第二比例阈值的大小,比如整体用户风险有8成概率得到及时处理,金融机构可以接受8.5成,则需要调低预设第二比例阈值2 或者调高日间定时小批量独立频率。
图1所示的产品风险预警方法的执行主体可以为计算机。由图1所示的流程可知,本发明实施例的产品风险预警方法先根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子,再根据价格影响因子确定风险逼近值以输出风险逼近值对应的风险产品的预警信息,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
综上所述,本发明实施例提供的产品风险预警方法具有以下有益效果:
1、在传统保证金计算之间加入高频的执行效率极高的定时小批量,以提高风险发现的及时性。由于任何的风险识别机制都会存在效率和识别率的平衡问题,引入极大似然估计以调整频率和预设第二比例阈值等参数。
2、为了提高执行效率,不考虑前后传统保证金计算之间的持仓变动和保证金余额变动(后者变动频率极低,持仓变动对于一般用户而言平均一天也不到一次),只考虑上一次保证金计算的时点价格(历史产品价格,一般指中间价)与增加的扫描时点价格(实时产品价格)两者的差值(价格差)对于持仓占用的影响,并且只针对风险较高用户。
3、为了提高执行效率,将每次传统持仓占用的计算过程中的数据简化为各产品价格变动的逼近风险阈值的价格影响因子,并组成“用户+产品”的价格影响因子矩阵。
4、在产品种类较多的情况下,按照“用户+产品”的维度组成的价格影响因子矩阵为稀疏矩阵,对稀疏矩阵进行格式转换和转置会提高执行效率。
基于同一发明构思,本发明实施例还提供了一种产品风险预警装置,由于该装置解决问题的原理与产品风险预警方法相似,因此该装置的实施可以参见方法的实施,重复之处不再赘述。
图11是本发明实施例中产品风险预警装置的结构框图。如图11所示,产品风险预警装置包括:
价格影响因子确定模块,用于根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
风险逼近值确定模块,用于根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;
风险产品预警模块,用于根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
在其中一种实施例中,风险产品预警模块包括:
当前保证金比例确定单元,用于根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的当前持仓占用保证金比例;
风险产品确定单元,用于根据当前持仓占用保证金比例与预设第一比例阈值的比较结果确定风险逼近值对应的风险产品。
在其中一种实施例中,价格影响因子确定模块包括:
变化比例确定单元,用于根据单位持仓占用保证金变动量和所述保证金可用余额确定单位持仓占用保证金变化比例;
价格影响因子确定单元,用于根据单位持仓占用保证金变化比例、强平保证金比例和历史持仓占用保证金比例确定价格影响因子。
在其中一种实施例中,风险逼近值确定模块包括:
产品价格变动量单元,用于根据历史产品价格和实时产品价格确定产品价格变动量;
格式转换单元,用于对所述价格影响因子进行行切片格式转换或列切片格式转换;
风险逼近值确定单元,用于根据经过格式转换的产品价格变动量和价格影响因子确定风险逼近值。
如图2所示,在实际应用中,产品风险预警装置包括日终处理模块和日间定时小批量模块。日终处理模块包括价格影响因子确定模块;日间定时小批量模块包括风险逼近值确定模块。
综上,本发明实施例的产品风险预警装置先根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子,再根据价格影响因子确定风险逼近值以输出风险逼近值对应的风险产品的预警信息,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
本发明实施例还提供能够实现上述实施例中的产品风险预警方法中全部步骤的一种计算机设备的具体实施方式。图12是本发明实施例中计算机设备的结构框图,参见图12,所述计算机设备具体包括如下内容:
处理器(processor)1201和存储器(memory)1202。
所述处理器1201用于调用所述存储器1202中的计算机程序,所述处理器执行所述计算机程序时实现上述实施例中的产品风险预警方法中的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;
根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
综上,本发明实施例的计算机设备先根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子,再根据价格影响因子确定风险逼近值以输出风险逼近值对应的风险产品的预警信息,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
本发明实施例还提供能够实现上述实施例中的产品风险预警方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的产品风险预警方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
根据历史产品价格、实时产品价格和价格影响因子确定风险逼近值;
根据风险逼近值与预设风险阈值的比较结果确定风险逼近值对应的风险产品,输出包括风险产品的预警信息。
综上,本发明实施例的计算机可读存储介质先根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子,再根据价格影响因子确定风险逼近值以输出风险逼近值对应的风险产品的预警信息,可以避免资源浪费并及时对风险产品进行预警,降低交易风险,避免用户损失。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block),单元,和步骤可以通过电子硬件、电脑软件,或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability),上述的各种说明性部件(illustrative components),单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块,或单元,或装置都可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM 存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于用户终端中。可选地,处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中,本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现,这些功能可以存储与电脑可读的媒介上,或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如,这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置,或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外,任何连接都可以被适当地定义为电脑可读媒介,例如,如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘,磁盘通常以磁性复制数据,而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
Claims (10)
1.一种产品风险预警方法,其特征在于,包括:
根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
根据历史产品价格、实时产品价格和所述价格影响因子确定风险逼近值;
根据所述风险逼近值与预设风险阈值的比较结果确定所述风险逼近值对应的风险产品,输出包括所述风险产品的预警信息。
2.根据权利要求1所述的产品风险预警方法,其特征在于,根据所述风险逼近值与预设风险阈值的比较结果确定所述风险逼近值对应的风险产品包括:
根据所述风险逼近值与预设风险阈值的比较结果确定所述风险逼近值对应的当前持仓占用保证金比例;
根据所述当前持仓占用保证金比例与预设第一比例阈值的比较结果确定所述风险逼近值对应的风险产品。
3.根据权利要求1所述的产品风险预警方法,其特征在于,根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子包括:
根据单位持仓占用保证金变动量和所述保证金可用余额确定单位持仓占用保证金变化比例;
根据所述单位持仓占用保证金变化比例、强平保证金比例和历史持仓占用保证金比例确定价格影响因子。
4.根据权利要求1所述的产品风险预警方法,其特征在于,根据历史产品价格、实时产品价格和所述价格影响因子确定风险逼近值包括:
根据所述历史产品价格和所述实时产品价格确定产品价格变动量;
对所述价格影响因子进行行切片格式转换或列切片格式转换;
根据所述产品价格变动量和经过格式转换的价格影响因子确定风险逼近值。
5.一种产品风险预警装置,其特征在于,包括:
价格影响因子确定模块,用于根据单位持仓占用保证金变动量、保证金可用余额、强平保证金比例和历史持仓占用保证金比例确定价格影响因子;
风险逼近值确定模块,用于根据历史产品价格、实时产品价格和所述价格影响因子确定风险逼近值;
风险产品预警模块,用于根据所述风险逼近值与预设风险阈值的比较结果确定所述风险逼近值对应的风险产品,输出包括所述风险产品的预警信息。
6.根据权利要求5所述的产品风险预警装置,其特征在于,所述风险产品预警模块包括:
当前保证金比例确定单元,用于根据所述风险逼近值与预设风险阈值的比较结果确定所述风险逼近值对应的当前持仓占用保证金比例;
风险产品确定单元,用于根据所述当前持仓占用保证金比例与预设第一比例阈值的比较结果确定所述风险逼近值对应的风险产品。
7.根据权利要求5所述的产品风险预警装置,其特征在于,所述价格影响因子确定模块包括:
变化比例确定单元,用于根据单位持仓占用保证金变动量和所述保证金可用余额确定单位持仓占用保证金变化比例;
价格影响因子确定单元,用于根据所述单位持仓占用保证金变化比例、强平保证金比例和历史持仓占用保证金比例确定价格影响因子。
8.根据权利要求5所述的产品风险预警装置,其特征在于,所述风险逼近值确定模块包括:
产品价格变动量单元,用于根据所述历史产品价格和所述实时产品价格确定产品价格变动量;
格式转换单元,用于对所述价格影响因子进行行切片格式转换或列切片格式转换;
风险逼近值确定单元,用于根据所述产品价格变动量和经过格式转换的所述价格影响因子确定风险逼近值。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并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计算机程序时实现权利要求1至4任一项所述的产品风险预警方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至4任一项所述的产品风险预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346653.5A CN113065971A (zh) | 2021-03-31 | 2021-03-31 | 产品风险预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110346653.5A CN113065971A (zh) | 2021-03-31 | 2021-03-31 | 产品风险预警方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113065971A true CN113065971A (zh) | 2021-07-02 |
Family
ID=76565025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110346653.5A Pending CN113065971A (zh) | 2021-03-31 | 2021-03-31 | 产品风险预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113065971A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090171824A1 (en) * | 2007-12-27 | 2009-07-02 | Dmitriy Glinberg | Margin offsets across portfolios |
CN107464113A (zh) * | 2017-07-27 | 2017-12-12 | 无锡雅座在线科技股份有限公司 | 交易行为的风险确定方法及装置 |
CN107679711A (zh) * | 2017-09-15 | 2018-02-09 | 东莞市盟大塑化科技有限公司 | 一种基于代理交易的风险处理方法 |
CN110009197A (zh) * | 2019-03-14 | 2019-07-12 | 平安信托有限责任公司 | 风险预警方法、装置、计算机设备和存储介质 |
CN110119870A (zh) * | 2019-03-20 | 2019-08-13 | 平安直通咨询有限公司上海分公司 | 宏观风险预警方法、装置、计算机设备和存储介质 |
CN110390463A (zh) * | 2019-06-06 | 2019-10-29 | 深圳市丽海弘金科技有限公司 | 风控数据处理方法、装置及终端设备 |
CN111967802A (zh) * | 2020-09-25 | 2020-11-20 | 杭州安恒信息安全技术有限公司 | 一种企业金融风险定量分析和预警方法、装置及设备 |
-
2021
- 2021-03-31 CN CN202110346653.5A patent/CN113065971A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090171824A1 (en) * | 2007-12-27 | 2009-07-02 | Dmitriy Glinberg | Margin offsets across portfolios |
CN107464113A (zh) * | 2017-07-27 | 2017-12-12 | 无锡雅座在线科技股份有限公司 | 交易行为的风险确定方法及装置 |
CN107679711A (zh) * | 2017-09-15 | 2018-02-09 | 东莞市盟大塑化科技有限公司 | 一种基于代理交易的风险处理方法 |
CN110009197A (zh) * | 2019-03-14 | 2019-07-12 | 平安信托有限责任公司 | 风险预警方法、装置、计算机设备和存储介质 |
CN110119870A (zh) * | 2019-03-20 | 2019-08-13 | 平安直通咨询有限公司上海分公司 | 宏观风险预警方法、装置、计算机设备和存储介质 |
CN110390463A (zh) * | 2019-06-06 | 2019-10-29 | 深圳市丽海弘金科技有限公司 | 风控数据处理方法、装置及终端设备 |
CN111967802A (zh) * | 2020-09-25 | 2020-11-20 | 杭州安恒信息安全技术有限公司 | 一种企业金融风险定量分析和预警方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116506073B (zh) | 一种工业计算机平台数据快速传输方法及系统 | |
Garleanu et al. | Active and passive investing | |
WO2011091054A1 (en) | Computing trading strategies for portfolio management and associated probability distributions for option pricing | |
CN111861743A (zh) | 一种基于逐笔数据重构市场行情的方法、装置及设备 | |
CN114282003A (zh) | 基于知识图谱的金融风险预警方法及装置 | |
EP4113316A2 (en) | Method and apparatus for processing table, device, and storage medium | |
CN114022273A (zh) | 一种用于融资供应链的金融风险管理系统及其方法 | |
CN110796485A (zh) | 一种提高预测模型的预测精度的方法及装置 | |
CN112052385A (zh) | 一种投融资项目推荐方法、装置、电子设备和可读存储介质 | |
CN117333182A (zh) | 一种跨境支付的交易数据分布式存储方法 | |
CN111709825A (zh) | 异常产品识别方法及系统 | |
CN114723481A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN113626527A (zh) | 一种财务数据处理方法及系统 | |
CN113065971A (zh) | 产品风险预警方法及装置 | |
CN113065970A (zh) | 基于融合特征的期权隐含波动率与价格分析系统 | |
CN110544165B (zh) | 一种信用风险评分卡创建方法、装置及电子设备 | |
CN116611915A (zh) | 一种基于统计推理的薪资预测方法及设备 | |
CN114723239A (zh) | 一种多方协同建模方法、装置、设备、介质及程序产品 | |
Ni | Research on the ownership structure and market value of Chinese listed commercial banks | |
CN116205605B (zh) | 一种科技项目文件质量智能评估方法、系统及介质 | |
CN110648208B (zh) | 群组识别方法、装置和电子设备 | |
Hamidieh | Recovering the tail shape parameter of the risk neutral density from option prices | |
EP4187476A1 (en) | Method and apparatus of treating asset, electronic device and storage medium | |
CN115760379A (zh) | 确定贷款的还款信息的方法、装置及终端设备 | |
CN115358869A (zh) | 一种理财产品的推荐方法、装置、存储介质及设备 |
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 |