CN113469818A - 投资风险预警方法、装置、电子设备及计算机可读介质 - Google Patents

Abstract

本发明公开了投资风险预警方法、装置、电子设备及计算机可读介质，涉及自动程序设计技术领域。该方法的一具体实施方式包括：根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。该实施方式能够全面的呈现各类计划投资资产所面临的金融风险，辅助进行投资决策。

Description

投资风险预警方法、装置、电子设备及计算机可读介质

技术领域

本发明涉及自动程序设计技术领域，尤其涉及一种投资风险预警方法、装置、电子设备及计算机可读介质。

背景技术

在金融市场中由于某些具备不确定性的因素发生变化，会导致金融实体的实际收益与预期收益发生背离，存在金融风险。其中，金融实体是指与资产相关的实体，比如基金发行公司、债券发行机构、同业拆借银行等。金融风险是指金融实体在金融市场活动中，由于各种各样的不确定性而面临的风险。

为了监控金融风险，现有技术中通过监控各类资产的投资比例，来确定投资计划管理人的行为是否存在潜在的操作风险。而操作风险是指由于不完善，或有问题的内部操作过程、人员、系统或外部事件而导致的直接或间接损失的风险，其仅仅是金融风险的一小部分，无法全面监控金融风险。

发明内容

有鉴于此，本发明实施例提供投资风险预警方法、装置、电子设备及计算机可读介质，该方法使用为各类计划投资资产所配置的风险指标和风险模型，计算投资组合信息中各类别的计划投资资产对应的风险值，进而确定计划投资资产是否触发风险预警，能够全面的呈现各类计划投资资产所面临的金融风险，辅助投资计划管理人进行投资决策。

为实现上述目的，根据本发明实施例的一个方面，提供了一种投资风险预警方法。

本发明实施例的一种投资风险预警方法，包括：根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。

可选地，所述资产类别包括权益类资产、债券类资产和流动性资产，所述权益类资产的风险指标包括风险价值和/或期望损失，所述债券类资产的风险指标包括久期和/或期望损失，所述流动性资产的风险指标包括久期和/或凸性。

可选地，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述权益类资产的情况下，使用配置的市场风险模型，计算所述权益类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述债券类资产的情况下，使用配置的流动性风险模型，计算所述债券类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述债券类资产的风险指标还包括利空指标；所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述债券类资产的情况下，收集与所述计划投资资产相关联的金融实体的经营信息，从所述经营信息中提取设定的关键词；统计所述关键词的词频，以判定所述金融实体的经营情况，根据所述经营情况确定所述金融实体的信用风险。

可选地，所述判定所述金融实体的经营情况，包括：根据为所述关键词设定的权重，将所述经营信息中包含的关键词的词频进行加权求和，得到求和结果；其中，所述关键词包括正向关键词和负向关键词，所述正向关键词的权重大于0，所述负向关键词的权重小于0；如果所述求和结果大于0，则确定所述金融实体的经营情况为利好；如果所述求和结果等于0，则确定所述金融实体的经营情况为中性；如果所述求和结果小于0，则确定所述金融实体的经营情况为利空。

可选地，所述判定所述金融实体的经营情况，包括：将为候选金融实体统计的词频作为训练集，使用K近邻法，从所述训练集中查找出与所述金融实体的词频距离最近的候选金融实体；其中，所述候选金融实体为已确定经营情况的金融实体；将查找出的候选金融实体的经营情况作为所述金融实体的经营情况。

可选地，所述债券类资产的风险指标还包括风险敞口；所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述债券类资产、且存在信用风险的情况下，根据设定的偿债优先顺序，计算无法清偿的资产金额，将计算出的资产金额作为所述风险敞口的取值。

可选地，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述流动性资产的情况下，使用配置的流动性风险模型，计算所述流动性资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述流动性资产的风险指标还包括净流入流出；所述使用所述风险模型，计算所述风险指标对应的风险值，包括：在所述计划投资资产的资产类别为所述流动性资产的情况下，根据投资委托人的年龄，预测未来兑付资金；将投资委托人的历史存入资金输入预训练的时间序列模型，由所述时间序列模型预测未来存入资金；将所述未来存入资金和所述未来兑付资金的比值作为所述计划投资资产的风险值。

可选地，所述方法还包括：根据多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，计算所述时间段对应的存入资金；将当前时间段的存入资金作为未来存入资金，所述当前时间段之前的时间段的存入资金作为历史存入资金，输入自回归模型进行模型训练，得到所述时间序列模型。

可选地，所述方法还包括：配置预警触发方式；所述根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，包括：在所述预警触发方式为单指标阈值触发的情况下，比较所述风险值与为所述风险指标配置的风险阈值的大小；如果所述风险值大于所述风险阈值，则触发风险预警；如果风险值小于等于所述风险阈值，则不触发风险预警。

可选地，所述根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，包括：在所述预警触发方式为综合指标触发的情况下，根据为所述风险指标配置的权重和所述风险值，计算综合评分；判断所述综合评分是否大于设定的风险阈值，如果所述综合评分大于所述风险阈值，则触发风险预警；如果综合评分小于等于所述风险阈值，则不触发风险预警。

为实现上述目的，根据本发明实施例的另一方面，提供了一种投资风险预警装置。

本发明实施例的一种投资风险预警装置，包括：分类模块，用于根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；计算模块，用于根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；判断模块，用于根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。

可选地，所述资产类别包括权益类资产、债券类资产和流动性资产，所述权益类资产的风险指标包括风险价值和/或期望损失，所述债券类资产的风险指标包括久期和/或期望损失，所述流动性资产的风险指标包括久期和/或凸性。

可选地，所述计算模块，还用于在所述计划投资资产的资产类别为所述权益类资产的情况下，使用配置的市场风险模型，计算所述权益类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述计算模块，还用于在所述计划投资资产的资产类别为所述债券类资产的情况下，使用配置的流动性风险模型，计算所述债券类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述债券类资产的风险指标还包括利空指标；所述计算模块，还用于在所述计划投资资产的资产类别为所述债券类资产的情况下，收集与所述计划投资资产相关联的金融实体的经营信息，从所述经营信息中提取设定的关键词；统计所述关键词的词频，以判定所述金融实体的经营情况，根据所述经营情况确定所述金融实体的信用风险。

可选地，所述计算模块，还用于根据为所述关键词设定的权重，将所述经营信息中包含的关键词的词频进行加权求和，得到求和结果；其中，所述关键词包括正向关键词和负向关键词，所述正向关键词的权重大于0，所述负向关键词的权重小于0；如果所述求和结果大于0，则确定所述金融实体的经营情况为利好；如果所述求和结果等于0，则确定所述金融实体的经营情况为中性；如果所述求和结果小于0，则确定所述金融实体的经营情况为利空。

可选地，所述计算模块，还用于将为候选金融实体统计的词频作为训练集，使用K近邻法，从所述训练集中查找出与所述金融实体的词频距离最近的候选金融实体；其中，所述候选金融实体为已确定经营情况的金融实体；将查找出的候选金融实体的经营情况作为所述金融实体的经营情况。

可选地，所述债券类资产的风险指标还包括风险敞口；所述计算模块，还用于在所述计划投资资产的资产类别为所述债券类资产、且存在信用风险的情况下，根据设定的偿债优先顺序，计算无法清偿的资产金额，将计算出的资产金额作为所述风险敞口的取值。

可选地，所述计算模块，还用于在所述计划投资资产的资产类别为所述流动性资产的情况下，使用配置的流动性风险模型，计算所述流动性资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

可选地，所述流动性资产的风险指标还包括净流入流出；所述计算模块，还用于在所述计划投资资产的资产类别为所述流动性资产的情况下，根据投资委托人的年龄，预测未来兑付资金；将投资委托人的历史存入资金输入预训练的时间序列模型，由所述时间序列模型预测未来存入资金；将所述未来存入资金和所述未来兑付资金的比值作为所述计划投资资产的风险值。

可选地，所述装置还包括：模型训练模块，用于根据多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，计算所述时间段对应的存入资金；将当前时间段的存入资金作为未来存入资金，所述当前时间段之前的时间段的存入资金作为历史存入资金，输入自回归模型进行模型训练，得到所述时间序列模型。

可选地，所述装置还包括：配置模块，用于配置预警触发方式；所述判断模块，还用于在所述预警触发方式为单指标阈值触发的情况下，比较所述风险值与为所述风险指标配置的风险阈值的大小；如果所述风险值大于所述风险阈值，则触发风险预警；如果风险值小于等于所述风险阈值，则不触发风险预警。

可选地，所述判断模块，还用于在所述预警触发方式为综合指标触发的情况下，根据为所述风险指标配置的权重和所述风险值，计算综合评分；判断所述综合评分是否大于设定的风险阈值，如果所述综合评分大于所述风险阈值，则触发风险预警；如果综合评分小于等于所述风险阈值，则不触发风险预警。

为实现上述目的，根据本发明实施例的再一方面，提供了一种电子设备。

本发明实施例的一种电子设备，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本发明实施例的一种投资风险预警方法。

为实现上述目的，根据本发明实施例的再一方面，提供了一种计算机可读介质。

本发明实施例的一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种投资风险预警方法。

上述发明中的一个实施例具有如下优点或有益效果：使用为各类计划投资资产所配置的风险指标和风险模型，计算投资组合信息中各类别的计划投资资产对应的风险值，进而确定计划投资资产是否触发风险预警，能够全面的呈现各类计划投资资产所面临的金融风险，辅助投资计划管理人进行投资决策。

上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。

附图说明

附图用于更好地理解本发明，不构成对本发明的不当限定。其中：

图1是根据本发明实施例的投资风险预警方法的主要步骤的示意图；

图2是根据本发明实施例的投资风险预警方法的主要流程的示意图；

图3是本发明实施例的资产分类以及风险指标配置示意图；

图4是根据本发明实施例的投资风险预警装置的主要模块的示意图；

图5是本发明实施例可以应用于其中的示例性系统架构图；

图6是适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。

具体实施方式

以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

下面对本发明涉及的术语进行解释。

职业年金：指的是机关事业单位及工作人员在参加机关事业单位基本养老保险的基础上，建立的补充养老保险制度。

职业年金基金：指依法建立的职业年金计划筹集的资金及其投资运营收益形成的机关事业单位补充养老保险基金。

职业年金计划：为管理职业年金基金，根据相关法律法规规定由代理人发起的职业年金管理单元。

市场风险：是指由于基础资产市场价格的不利变动或者急剧波动，而导致衍生工具价格或者价值变动的风险。基础资产市场价格的变动包括市场利率、汇率、股票、债券行情的变动。

信用风险：又称违约风险，是指借款人、证券发行人或交易对方因种种原因，不愿或无力履行合同条件而构成违约，致使银行、投资者或交易对方遭受损失的可能性。银行存在的主要风险是信用风险，即交易对手不能完全履行合同的风险。

流动性风险：主要产生于银行无法应对因负债下降或资产增加而导致的流动性困难。

图1是根据本发明实施例的投资风险预警方法的主要步骤的示意图。如图1所示，本发明实施例的投资风险预警方法，主要包括如下步骤：

步骤S101：根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别。在投资计划下，投资管理人投向各个投资资产，以达到资产升值、保值的目的。其中，投资资产可以包括银行存款、央行票据、股票基金、信托产品等。

投资组合信息可以包括计划投向的投资资产(即计划投资资产)的资产名称、资产归属范畴、计划投资资产所占组合资产净值的比例、计划投资资产的当前净值/公允价值、持仓成本、历史净值/公允价值、历史风向事件等。计划投资资产的资产信息可以包括资产名称、资产发行信息(比如发行机构、发行时间)等。

实施例中，资产类别包括权益类资产、债券类资产和流动性资产。将股票、股票基金、混合基金、股票型养老金产品归入权益类资产；将信托产品、债权投资计划，以及信托产品型、债权投资计划型养老金产品归入债券类资产；将银行存款，央行票据、同业存单归入流动性资产。按照该分类方式，将投资组合信息中携带的多个计划投资资产划分到各自的资产类别。

步骤S102：根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值。根据巴塞尔协议对金融风险的划分，金融风险的风险类型除了背景技术部分提到的操作风险之外，还包括市场风险、信用风险和流动性风险。不同类型的投资资产所面临的风险类型也不相同。权益类资产主要面临市场风险，债券类资产主要面临信用风险，流动性资产主要面临流动性风险。

根据不同资产类别的投资资产所面临的风险类型，确定可以评价风险值的风险指标，并基于风险指标预先配置可供选择的风险模型，该风险模型用于提供风险指标对应的风险值的计算逻辑。比如，对于权益类资产，风险类型主要为市场风险，相应风险指标可以是风险价值(Value at Risk，VaR)、期望损失(Expected Shortfall，ES)。风险价值和期望损失的计算方式有多种，比如历史模拟法、正态分布法等，可以在指标库添加不同资产类别对应的风险指标和风险模型，实现灵活配置。

在确定出多个计划投资资产所属的资产类别后，可以在指标库中查找该资产类别对应的风险指标和风险模型，之后按照配置的风险指标和风险模型，分别计算各类计划投资资产对应的风险值。以权益类资产为例，假设配置的风险指标为风险价值，风险模型为历史模拟法，则该步骤是运用历史模拟法对风险价值进行计算，得到对应的风险值。

步骤S103：根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。预先配置预警触发方式，如果预警触发方式为单指标阈值触发，则比较同一风险指标对应的风险值与风险阈值的大小，如果风险值大于风险阈值，则触发风险预警；如果风险值小于等于风险阈值，则不触发风险预警。

如果预警触发方式为综合指标触发，则根据为各风险指标配置的权重和各风险指标的风险值，计算综合评分，判断综合评分是否大于设定的风险阈值，如果综合评分大于风险阈值，则触发风险预警；如果综合评分小于等于风险阈值，则不触发风险预警。

图2是根据本发明实施例的投资风险预警方法的主要流程的示意图。如图2所示，本发明实施例的投资风险预警方法，主要包括如下步骤：

步骤S201：将投资计划的投资组合信息，以及金融市场的相关信息添加到资源池。以管理职业年金基金为例，投资计划中包含根据规定的投资范围，计划投向的投资资产，基于这些投资资产的名称、净值、公允价值等生成投资组合信息。

其中，属于投资范围内的投资资产包括：一年期以内的银行存款、央行票据、同业存单；一年期以上的银行存款，标准化债权类资产，信托产品，债权投资计划，债券基金，固定收益型养老金产品，混合型养老金产品等；股票、股票基金、混合基金、股票型养老金产品(含股票专项型养老金产品)等；信托产品、债权投资计划，以及信托产品型、债权投资计划型养老金产品等。

金融市场的相关信息可以包括：国债收益率，央行基准利率，上证、深证、港股通指数，国内信用评级机构评级数据，国际评级机构评级数据等。将投资组合信息以及金融市场的相关信息添加到资源池，为后续风险指标的计算提供基础数据。

步骤S202：从资源池获取投资组合信息和相关信息，根据投资组合信息中携带的多个计划投资资产的资产信息，对多个计划投资资产进行分类，得到多个计划投资资产所属的资产类别。由于各类资产性质不同，其风险指标也不尽相同。故需要对投资组合信息中的计划投资资产进行类别划分，进而基于不同资产类别进行风险测度。

资产类别包括权益类资产、债券类资产和流动性资产。其中，银行存款、央行票据、同业存单等属于流动性资产；股票、股票基金、混合基金、股票型养老金产品(含股票专项型养老金产品)等属于权益类资产；信托产品、债权投资计划，以及信托产品型、债权投资计划型养老金产品等属于债券类资产。

图3是本发明实施例的资产分类以及风险指标配置示意图。如图3所示，本实施例将投资组合信息中包含的计划投资资产划分为权益类资产、债券类资产和流动性资产三类，每类资产对应配置不同的风险指标。其中，权益类资产配置的风险指标为VaR和ES。债券类资产配置的风险指标为期望损失。流动性资产配置的风险指标为久期和凸性。

步骤S203：分别判断多个计划投资资产的资产类别属于权益类资产、债券类资产、还是流动性资产，如果资产类别为权益类资产，则执行步骤S204；如果资产类别为债券类资产，则执行步骤S205；如果资产类别为流动性资产，则执行步骤S206。

步骤S204：根据为权益类资产配置的风险指标和市场风险模型，计算权益类资产的风险指标对应的风险值，执行步骤S207。权益类资产所面临的风险主要是市场风险，其风险指标可以包括VaR指标和/或ES指标，风险模型为市场风险模型。实施例中，以资产类别为键名，风险指标和风险模型为对应的键值，将不同资产类别对应的风险指标和风险模型存储到指标库。因此，该步骤可以以权益类资产为键名，在指标库中查询对应的键值，即可得到为权益类资产配置的风险指标和市场风险模型。

其中，VaR是指在假定的市场条件下，在一定的时间段内，预期会在一定百分比的时间内以货币单位或占投资组合价值的百分比的最小损失。ES又称条件在险价值，是指当投资组合的损失超过VaR阈值时，所遭受的平均损失程度。

VaR指标的风险值计算方式有多种，比如历史模拟法、极值法等。历史模拟法是根据投资组合在过往历史中的收益率表现，以其损失分布的频率来模拟其损失的概率分布，进而计算VaR。而且通常认为远期数据的权重低于近期数据，因此需要对远期数据加上衰减系数，该衰减系数可以自行配置。极值法中，需要利用门限值划分极值区域，门限值也可以自行配置。

但是根据风险分散化的理论，投资组合的风险应当比单一资产的风险要小，利用VaR来计算风险，在非正态分布情况下会出现组合投资VaR大于单一资产VaR的情况(即不满足次可加性)，因此可以引入ES来满足次可加性，即计算各投资资产的ES，进而计算整体ES。

在一可选的实施例中，可以基于持仓占比加权后的ES，标注哪些计划投资资产存在较大的波动，这些投资资产存在潜在市场风险。

步骤S205：根据为债券类资产配置的风险指标、流动性风险模型和信用风险模型，计算债券类资产的风险指标对应的风险值，执行步骤S207。债券类资产所面临的风险不仅与市场流动性相关，还存在金融实体的信用风险，故风险指标可以包括久期(对应流动性风险)、期望损失、利空指标、风险敞口(后三个对应信用风险)，风险模型包括流动性风险模型和信用风险模型。其中，流动性风险的计算过程见步骤S206。

该步骤可以以债券类资产为键名，在指标库中查询对应的键值，即可得到为债券类资产配置的风险指标、流动性风险模型和信用风险模型。

对于国债类资产、国有行的存款和票据类资产，违约概率极小，可认为不会产生违约。但是对于公司债和商业银行票据存在可能违约的情况。可以通过关注这些金融实体的相关新闻(比如机构评级变化)、信息批量等，关注其是否存在潜在的违约风险(即信用风险)。实施例，基于自然语言处理(Natrue Language Processing，NLP)技术和利空指标实现违约判定。

具体地，首先利用NLP技术，收集与计划投资资产相关联的金融实体的经营信息，从经营信息中提取设定的关键词；之后统计关键词的词频，以判定金融实体的经营情况，根据经营情况确定金融实体的信用风险。此处的关键词可以是公司上市、公司破产、财务指标向好、财务指标恶化等。且关键词包括正向关键词和负向关键词，正向关键性代表利好方向，负向关键词代表利空方向。

在判定金融实体的经营情况时，可以根据为关键词设定的权重，将经营信息中包含的关键词的词频进行加权求和，得到求和结果。其中，正向关键词的权重大于0，负向关键词的权重小于0。之后比较求和结果与0的大小，如果求和结果大于0，则确定金融实体的经营情况为利好；如果求和结果等于0，则确定金融实体的经营情况为中性；如果求和结果小于0，则确定金融实体的经营情况为利空。

实施例中，需收集金融实体的经营信息，使用分词库(比如jieba分词)，对经营信息进行分词，统计各个关键词出现的词频。这些关键词包括正向关键词和负向关键词，比如“破产清算”为负向关键词，“融资成功”为正向关键词。为每个关键词赋予权重，计算整个经营信息对应的加权求和结果，以判断出利好倾向(即金融实体的经营情况出现变好趋势)和利空倾向(即金融实体经营情况出现变坏趋势)，进而判断金融实体是否存在潜在的违约风险。

在一优选的实施例中，可以使用K近邻法，快速确定各金融实体的经营情况。具体地，将为候选金融实体统计的词频作为训练集，使用K近邻法，从训练集中查找出与金融实体的词频距离最近的候选金融实体；之后将查找出的候选金融实体的经营情况作为金融实体的经营情况。其中，候选金融实体为已经确定经营情况的金融实体；词频距离可以使用欧式距离、余弦距离等。

比如，基于A公司(候选金融实体)的经营信息，确定A公司的经营情况为利空，基于K近邻法，对B公司的经营信息进行统计所得的关键词词频与A公司的词频最为接近，则可以确定B公司也同样的面临利空的经营情况。

当投资组合信息中，债券类资产对应的金融实体的经营情况为利空时，可以在该投资组合信息的利空指标上标记1(表示存在潜在的信用风险)；当债券类资产对应的金融实体的经营情况为利好或者中性时，可以在该投资组合信息的利空指标上标记0(表示不存在潜在的信用风险)。统计利空指标的数量，当数量大于阈值时，可以触发风险预警。

另外，基于可能会出现违约的债券类资产的持仓资产价值，可以预先计算风险敞口(即出现违约时，无法得到清偿的资产)，以确定当债券发行机构出现违约后，当初购买的债券有多少损失可以追回，多少损失难以追回，帮助投资决策。其中，风险敞口的计算过程为：根据设定的偿债优先顺序，计算无法清偿的资产金额，将计算出的资产金额作为风险敞口的取值。其中，偿债优先顺序中，普通债卷偿债优先级较高，次级债卷偿债优先级较低。

步骤S206：根据为流动性资产配置的风险指标和流动性风险模型，计算流动性资产的风险指标对应的风险值，执行步骤S207。流动性资产所面临的风险主要是流动性风险，流动性风险的来源主要是兑付，以及收益率变化带来的债券价格变动。该步骤可以以流动性资产为键名，在指标库中查询对应的键值，即可得到为流动性资产配置的风险指标和流动性风险模型。

对于兑付带来的流动性风险，主要是基于投资计划的参与资金流入和职业年金的兑付。风险指标可以是净流入流出。其中，净流入流出是指资金池内新增资金与流出资金的比例。该指标反应了在其他条件不变的情况下，总资金池的增长或减少。

在计算风险值时，可以根据投资委托人的年龄，预测未来兑付资金(即未来时间段内流出资金的金额)。同时，将投资委托人的历史存入资金输入预训练的时间序列模型，由该时间序列模型预测未来存入资金(即未来时间段内新增资金的金额)。之后将未来存入资金和未来兑付资金的比值(即未来存入资金/未来兑付资金)作为计划投资资产的风险值。

其中，预测未来兑付资金的具体实现为：根据投资委托人的年龄，预测未来时间段内的离退休人员数量，再考虑其他异常情况进入支付环节的人员比例，即可确定一定置信水平下的未来兑付资金。

时间序列模型的训练过程如下：根据多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，计算时间段对应的存入资金；将当前时间段的存入资金作为未来存入资金，当前时间段之前的时间段的存入资金作为历史存入资金，输入自回归模型进行模型训练，即可得到时间序列模型。此处的自回归模型可以是ARMA模型。

以计算职业年金基金的流动性风险为例，时间序列模型的训练过程为：收集职业年金计划多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，建立ARMA模型，以t时间资金池净值为被预测变量，t-1、t-2、……、1时期的资金池净值为解释变量，定阶并利用最小二乘法估计模型参数，即可得到时间序列模型。使用该时间序列模型预测未来资金池金额变动，若出现资金池缩减趋势，则会出现明显的兑付压力，可以给予预警提示。

对于债券价格变动带来的流动性风险，风险指标可以包括刻画线性变动的久期(Dualration)，和/或刻画非线性变动的凸性(Convextity)。其中，久期是指加权现金流与未加权现金流之比。凸性是指收益率变化1％所引起的久期的变化，用来衡量债券价格收益率曲线的曲度。

参考金融市场上公允的收益率，当处于收益率下降周期，久期较长的债券有助于锁定收益；当处于收益率上升周期，久期较短的债券有助于减少价差带来影响。凸性具有单面性，凸性越大，债券风险越小，合理的设定凸性阈值能够避免引入更高的风险。久期有修正久期和麦考林久期等变式，计算方式多种多样。因此，同样可以在指标库添加不同的风险模型，实现灵活配置。

以久期为例，可以将债券类资产当作一个0息债，则到期日即是久期；也可以利用债券类资产的现金流做贴现处理，最后计算出久期。无论是哪种计算方法，本实施例均可以通过配置一个可行的计算公式实现。因此可以把对久期这类指标的计算公式保存到指标库之中，待使用者自行选择以哪个公式完成该指标的计算，根据选择从数据库中提取相应公式模版，适应输入数据即可计算出结果。

步骤S207：根据配置的预警触发方式以及各风险指标对应风险值，判断多个计划投资资产是否触发风险预警，如果触发风险预警，则执行步骤S208；如果未触发风险预警，则执行步骤S209。经过步骤S204-步骤S206的处理，计算出了投资组合信息中各风险指标对应的风险值。

实施例中，可以配置预警触发方式为单指标阈值触发或者综合指标触发。单指标阈值触发即满足单一风险指标对应的风险阈值，则触发风险预警。综合指标触发即各风险指标的综合评分满足设定的风险阈值，则触发风险预警。

具体地，单指标阈值触发，即比较同一风险指标的风险值与为该风险指标配置的风险阈值的大小，如果存在一个风险指标的风险值大于风险阈值，则触发风险预警；如果全部风险指标的风险值均小于等于风险阈值，则不触发风险预警。各风险指标的风险阈值可以根据需求自定义设置。

综合指标触发，即根据为各个风险指标配置的权重和各风险指标对应的风险值，计算综合评分，之后判断综合评分是否大于设定的风险阈值，如果综合评分大于风险阈值，则触发风险预警；如果综合评分小于等于风险阈值，则不触发风险预警。各个风险指标的权重、风险阈值可以根据需求自定义设置。权重不同，代表其对综合评分的影响不同。

步骤S208：进行风险预警操作，结束本流程。实施例中，可以发送风险预警信息至指定工作人员。

步骤S209：输出风险校验通过的通知信息，结束本流程。如果未触发风险预警，说明投资组合信息中投资方案可行。

在一可选的实施例中，可以基于金融市场的外部信息，辅助分析是否存在信用风险。此处的外部信息，具体指相关金融实体的信息披露、风险提示事件等，比如政府部门相关政策发行，例如新的职业年金政策文件；发行公司债公司的收购、合并、重组、法人变更、法人失信信息；央行的基准利息调整；国债利率调整；信托机构、公司的评级机构评级变化等。如果外部信息中存在相关的风险提示事件，则触发风险预警。

上述实施例基于巴塞尔协议对金融风险的划分模式，通过引入多风险指标体系，从市场风险、信用风险、流动性风险等多个维度，全局化的监控投资组合所面临的风险因素，为投资计划管理人提供了更多决策信息。同时，通过动态化配置风险指标，可以方便快捷的根据最新的理论优化风险模型或引入新的风险指标，可扩展性强。通过动态化配置权重和风险阈值，灵活性好。通过为关键词赋予利空和利好方向，较为简单的计算出了信用风险，提高了计算效率。

图4是根据本发明实施例的投资风险预警装置的主要模块的示意图。如图4所示，本发明实施例的投资风险预警装置400，主要包括：

分类模块401，用于根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别。

投资组合信息可以包括计划投向的投资资产(即计划投资资产)的资产名称、资产归属范畴、计划投资资产所占组合资产净值的比例、计划投资资产的当前净值/公允价值、持仓成本、历史净值/公允价值、历史风向事件等。计划投资资产的资产信息可以包括资产名称、资产发行信息(比如发行机构、发行时间)等。

实施例中，资产类别包括权益类资产、债券类资产和流动性资产。将股票、股票基金、混合基金、股票型养老金产品归入权益类资产；将信托产品、债权投资计划，以及信托产品型、债权投资计划型养老金产品归入债券类资产；将银行存款，央行票据、同业存单归入流动性资产。按照该分类方式，将投资组合信息中携带的多个计划投资资产划分到各自的资产类别。

计算模块402，用于根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值。根据巴塞尔协议对金融风险的划分，金融风险的风险类型除了背景技术部分提到的操作风险之外，还包括市场风险、信用风险和流动性风险。不同类型的投资资产所面临的风险类型也不相同。权益类资产主要面临市场风险，债券类资产主要面临信用风险，流动性资产主要面临流动性风险。

根据不同资产类别的投资资产所面临的风险类型，确定可以评价风险值的风险指标，并基于风险指标预先配置可供选择的风险模型，并将不同资产类别对应的风险指标和风险模型存储到指标库。在确定出多个计划投资资产所属的资产类别后，可以在指标库中查找该资产类别对应的风险指标和风险模型，之后按照配置的风险指标和风险模型，分别计算各类计划投资资产对应的风险值。

判断模块403，用于根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。预先配置预警触发方式，如果预警触发方式为单指标阈值触发，则比较同一风险指标对应的风险值与风险阈值的大小，如果风险值大于风险阈值，则触发风险预警；如果风险值小于等于风险阈值，则不触发风险预警。

如果预警触发方式为综合指标触发，则根据为各风险指标配置的权重和各风险指标的风险值，计算综合评分，判断综合评分是否大于设定的风险阈值，如果综合评分大于风险阈值，则触发风险预警；如果综合评分小于等于风险阈值，则不触发风险预警。

另外，本发明实施例的投资风险预警400还可以包括：模型训练模块和配置模块(图4中未示出)。其中，模型训练模块，用于根据多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，计算所述时间段对应的存入资金；将当前时间段的存入资金作为未来存入资金，所述当前时间段之前的时间段的存入资金作为历史存入资金，输入自回归模型进行模型训练，得到所述时间序列模型。配置模块，用于配置预警触发方式。

从以上描述可以看出，使用为各类计划投资资产所配置的风险指标和风险模型，计算投资组合信息中各类别的计划投资资产对应的风险值，进而确定计划投资资产是否触发风险预警，能够全面的呈现各类计划投资资产所面临的金融风险，辅助投资计划管理人进行投资决策。

图5示出了可以应用本发明实施例的投资风险预警方法或投资风险预警装置的示例性系统架构500。

如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所发送的投资组合信息进行处理的后台管理服务器。后台管理服务器可以其携带的多个计划投资资产进行分类，计算风险值，判断是否触发风险预警等处理，并将处理结果(例如判断结果)反馈给终端设备。

需要说明的是，本发明实施例所提供的投资风险预警方法一般由服务器505执行，相应地，投资风险预警装置一般设置于服务器505中。

应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

根据本发明的实施例，本发明还提供了一种电子设备和一种计算机可读介质。

本发明的电子设备包括：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本发明实施例的一种投资风险预警方法。

本发明的计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例的一种投资风险预警方法。

下面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，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6所示，计算机系统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动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603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入存储部分608。

特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。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。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。

需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括分类模块、计算模块和确定模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，分类模块还可以被描述为“根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别的模块”。

作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。

根据本发明实施例的技术方案，使用为各类计划投资资产所配置的风险指标和风险模型，计算投资组合信息中各类别的计划投资资产对应的风险值，进而确定计划投资资产是否触发风险预警，能够全面的呈现各类计划投资资产所面临的金融风险，辅助投资计划管理人进行投资决策。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (16)

1.一种投资风险预警方法，其特征在于，包括：

根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；

根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；

根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。

2.根据权利要求1所述的方法，其特征在于，所述资产类别包括权益类资产、债券类资产和流动性资产，所述权益类资产的风险指标包括风险价值和/或期望损失，所述债券类资产的风险指标包括久期和/或期望损失，所述流动性资产的风险指标包括久期和/或凸性。

3.根据权利要求2所述的方法，其特征在于，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述权益类资产的情况下，使用配置的市场风险模型，计算所述权益类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

4.根据权利要求2所述的方法，其特征在于，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述债券类资产的情况下，使用配置的流动性风险，计算所述债券类资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

5.根据权利要求2所述的方法，其特征在于，所述债券类资产的风险指标还包括利空指标；

所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述债券类资产的情况下，收集与所述计划投资资产相关联的金融实体的经营信息，从所述经营信息中提取设定的关键词；

统计所述关键词的词频，以判定所述金融实体的经营情况，根据所述经营情况确定所述金融实体的信用风险。

6.根据权利要求5所述的方法，其特征在于，所述判定所述金融实体的经营情况，包括：

根据为所述关键词设定的权重，将所述经营信息中包含的关键词的词频进行加权求和，得到求和结果；其中，所述关键词包括正向关键词和负向关键词，所述正向关键词的权重大于0，所述负向关键词的权重小于0；

如果所述求和结果大于0，则确定所述金融实体的经营情况为利好；如果所述求和结果等于0，则确定所述金融实体的经营情况为中性；如果所述求和结果小于0，则确定所述金融实体的经营情况为利空。

7.根据权利要求5所述的方法，其特征在于，所述判定所述金融实体的经营情况，包括：

将为候选金融实体统计的词频作为训练集，使用K近邻法，从所述训练集中查找出与所述金融实体的词频距离最近的候选金融实体；其中，所述候选金融实体为已确定经营情况的金融实体；

将查找出的候选金融实体的经营情况作为所述金融实体的经营情况。

8.根据权利要求5所述的方法，其特征在于，所述债券类资产的风险指标还包括风险敞口；

所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述债券类资产、且存在信用风险的情况下，根据设定的偿债优先顺序，计算无法清偿的资产金额，将计算出的资产金额作为所述风险敞口的取值。

9.根据权利要求2所述的方法，其特征在于，所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述流动性资产的情况下，使用配置的流动性风险模型，计算所述流动性资产的风险指标的取值，将计算出的取值作为所述计划投资资产的风险值。

10.根据权利要求2所述的方法，其特征在于，所述流动性资产的风险指标还包括净流入流出；

所述使用所述风险模型，计算所述风险指标对应的风险值，包括：

在所述计划投资资产的资产类别为所述流动性资产的情况下，根据投资委托人的年龄，预测未来兑付资金；

将投资委托人的历史存入资金输入预训练的时间序列模型，由所述时间序列模型预测未来存入资金；

将所述未来存入资金和所述未来兑付资金的比值作为所述计划投资资产的风险值。

11.根据权利要求10所述的方法，其特征在于，所述方法还包括：

根据多个连续历史时间段的新增委托人数量、新增缴存金额和支取金额，计算所述时间段对应的存入资金；

将当前时间段的存入资金作为未来存入资金，所述当前时间段之前的时间段的存入资金作为历史存入资金，输入自回归模型进行模型训练，得到所述时间序列模型。

12.根据权利要求1至11的任一项所述的方法，其特征在于，所述方法还包括：配置预警触发方式；

所述根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，包括：

在所述预警触发方式为单指标阈值触发的情况下，比较所述风险值与为所述风险指标配置的风险阈值的大小；

如果所述风险值大于所述风险阈值，则触发风险预警；如果风险值小于等于所述风险阈值，则不触发风险预警。

13.根据权利要求12所述的方法，其特征在于，所述根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，包括：

在所述预警触发方式为综合指标触发的情况下，根据为所述风险指标配置的权重和所述风险值，计算综合评分；

判断所述综合评分是否大于设定的风险阈值，如果所述综合评分大于所述风险阈值，则触发风险预警；如果综合评分小于等于所述风险阈值，则不触发风险预警。

14.一种投资风险预警装置，其特征在于，包括：

分类模块，用于根据投资组合信息中携带的多个计划投资资产的资产信息，对所述多个计划投资资产进行分类，得到所述多个计划投资资产所属的资产类别；

计算模块，用于根据所述资产类别，在指标库中搜索对应的风险指标和风险模型，之后使用所述风险模型，计算所述风险指标对应的风险值；模型；

判断模块，用于根据为所述风险指标配置的风险阈值和所述风险值，判断所述多个计划投资资产是否触发风险预警，输出判断结果。

15.一种电子设备，其特征在于，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。

16.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述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。

Images