CN114764714A - 贵金属租赁交易的风险评级方法及装置 - Google Patents
贵金属租赁交易的风险评级方法及装置 Download PDFInfo
- Publication number
- CN114764714A CN114764714A CN202210475741.XA CN202210475741A CN114764714A CN 114764714 A CN114764714 A CN 114764714A CN 202210475741 A CN202210475741 A CN 202210475741A CN 114764714 A CN114764714 A CN 114764714A
- Authority
- CN
- China
- Prior art keywords
- risk
- precious metal
- transaction
- default
- leasing
- 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
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Computer Security & Cryptography (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种贵金属租赁交易的风险评级方法及装置,可用于金融领域或其他领域,该方法包括:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据风险评级请求从数据库服务器中获得目标贵金属租赁交易的业务数据;根据目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定目标贵金属租赁交易的违约损失率和风险敞口;根据风险敞口、违约损失率和预设的风险评级标准,确定目标贵金属租赁交易的风险等级并返回至业务系统,预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。本申请能够提高贵金属租赁交易的风险评级的准确性和效率,进而能够提高贵金属租赁交易的安全性。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种贵金属租赁交易的风险评级方法及装置。
背景技术
随着社会经济的发展,金融企业面临的市场风险也越来越大,容易造成企业损失。目前,金融企业对贵金属租赁交易进行风险评级,通常是业务人员人工评估贵金属租赁交易的风险,依赖于业务人员的个人能力,然而受不同业务人员的影响,风险评级工作存在准确性低和花费时间多等问题。
发明内容
针对现有技术中贵金属租赁交易的风险评级准确性和效率低的问题,本申请提出了一种贵金属租赁交易的风险评级方法及装置。
为了解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种贵金属租赁交易的风险评级方法,包括:
接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;
根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;
根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
进一步地,在所述根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口之后,还包括:
根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果,所述预设的违约预测模型是根据多个历史贵金属租赁交易的业务数据、实际违约结果和第一分类模型预先训练得到的;
根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级模型是根据多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果、风险等级和第二分类模型预先训练得到的。
进一步地,在所述根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果之前,还包括:
获取多个历史贵金属租赁交易的业务数据和实际违约结果;
根据各个历史贵金属租赁交易的业务数据和实际违约结果对第一分类模型进行训练,得到所述违约预测模型。
进一步地,在所述根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统之前,还包括:
获取多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级;
根据各个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级对第二分类模型进行训练,得到所述风险评级模型。
进一步地,所述业务数据包括:贵金属租赁合同中的申请金额;
相对应的,所述根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口,包括:
根据所述业务数据和预设的违约损失率模型,确定所述目标贵金属租赁交易的违约损失率;
将所述贵金属租赁合同中的申请金额和预设的信用转换系数两者的乘积,确定为所述风险敞口。
进一步地,在所述确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统之后,还包括:
将所述目标贵金属租赁交易的风险评级结果发送至一终端设备并输出显示。
进一步地,所述接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据,包括:
接收一业务系统发送的目标贵金属租赁交易的风险评级请求;
将所述风险评级请求发送至数据库服务器,接收该数据库服务器发送的所述风险评级请求对应的打包后的业务数据;
解压缩所述业务数据。
第二方面,本申请提供一种贵金属租赁交易的风险评级装置,包括:
获取模块,用于接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;
确定模块,用于根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;
评级模块,用于根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
进一步地,所述的贵金属租赁交易的风险评级装置,还包括:
预测违约结果确定模块,用于根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果,所述预设的违约预测模型是根据多个历史贵金属租赁交易的业务数据、实际违约结果和第一分类模型预先训练得到的;
输出模块,用于根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级模型是根据多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果、风险等级和第二分类模型预先训练得到的。
进一步地,所述的贵金属租赁交易的风险评级装置,还包括:
第一获取历史数据模块,用于获取多个历史贵金属租赁交易的业务数据和实际违约结果;
第一训练模块,用于根据各个历史贵金属租赁交易的业务数据和实际违约结果对第一分类模型进行训练,得到所述违约预测模型。
进一步地,所述的贵金属租赁交易的风险评级装置,还包括:
第二获取历史数据模块,用于获取多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级;
第二训练模块,用于根据各个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级对第二分类模型进行训练,得到所述风险评级模型。
进一步地,所述业务数据包括:贵金属租赁合同中的申请金额;
相对应的,所述确定模块,包括:
第一确定单元,用于根据所述业务数据和预设的违约损失率模型,确定所述目标贵金属租赁交易的违约损失率;
第二确定单元,用于将所述贵金属租赁合同中的申请金额和预设的信用转换系数两者的乘积,确定为所述风险敞口。
进一步地,所述的贵金属租赁交易的风险评级装置,还包括:
显示模块,用于将所述目标贵金属租赁交易的风险评级结果发送至一终端设备并输出显示。
进一步地,所述获取模块,包括:
接收单元,用于接收一业务系统发送的目标贵金属租赁交易的风险评级请求;
打包单元,用于将所述风险评级请求发送至数据库服务器,接收该数据库服务器发送的所述风险评级请求对应的打包后的业务数据;
解压缩单元,用于解压缩所述业务数据。
第三方面,本申请提供一种电子设备,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所述的贵金属租赁交易的风险评级方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机指令,所述指令被执行时实现所述的贵金属租赁交易的风险评级方法。
由上述技术方案可知,本申请提供一种贵金属租赁交易的风险评级方法及装置。其中,该方法包括:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系,能够提高贵金属租赁交易的风险评级的准确性和效率,进而能够提高贵金属租赁业务(即贵金属租赁交易)的安全性;具体地,能够提高金属租赁业务的风险评级的自动化程度,减少人工成本,维护金融企业利益,为信贷决策提供支持。
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,下面描述中的附图仅仅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。
图1是本申请实施例中贵金属租赁交易的风险评级方法的流程示意图;
图2是本申请另一实施例中贵金属租赁交易的风险评级方法的流程示意图;
图3是本申请又一实施例中贵金属租赁交易的风险评级方法的流程示意图;
图4是本申请实施例中贵金属租赁交易的风险评级装置的结构示意图;
图5是本申请实施例中贵金属租赁交易的风险评级装置的结构示意图;
图6为本申请实施例的电子设备的系统构成示意框图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,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,都属于本申请保护的范围。
针对现有技术中人工评估贵金属租赁风险中存在的问题,本申请提供一种贵金属租赁交易的风险评级方法及装置,通过对清洗后的历史违约数据和损失数据进行挖掘、分析,研究融资业务品种、抵质押物类型、贷款剩余期限、借款人地区和借款人行业等影响债项违约损失率的关键风险因素,创建了符合新资本协议要求、切合风险管理实践的初步债项评级体系,科学估算债项的交易风险,能够通过金属租赁违约损失率(LGD)和风险敞口等确定贵金属租赁交易的风险等级,能够减少人工成本,为信贷决策提供支持。
为了提高贵金属租赁交易风险评级的准确性和效率,本申请实施例提供一种贵金属租赁交易的风险评级装置,该装置可以是一服务器或客户端设备,所述客户端设备可以包括智能手机、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)、车载设备和智能穿戴设备等。其中,所述智能穿戴设备可以包括智能眼镜、智能手表和智能手环等。
在实际应用中,进行贵金属租赁交易的风险评级的部分可以在如上述内容所述的服务器侧执行,也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成,所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通信模块(即通信单元),可以与远程的服务器进行通信连接,实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器,其他的实施场景中也可以包括中间平台的服务器,例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备,也可以包括多个服务器组成的服务器集群,或者分布式装置的服务器结构。
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。
需要说明的是,本申请公开的贵金属租赁交易的风险评级方法及装置可用于金融技术领域,也可用于除金融技术领域之外的任意领域,本申请公开的贵金属租赁交易的风险评级方法及装置的应用领域不做限定。本申请中技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
具体通过下述各个实施例进行说明。
为了提高贵金属租赁交易风险评级的准确性和效率,本实施例提供一种执行主体是贵金属租赁交易的风险评级装置的贵金属租赁交易的风险评级方法,该贵金属租赁交易的风险评级装置包括但不限于服务器,如图1所示,该方法具体包含有如下内容:
步骤100:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据。
具体地,所述业务系统包括但不限于服务器;可以在所述数据库服务器中预先存储目标贵金属租赁交易的业务数据;所述风险评级请求可以包含有目标贵金属租赁交易的唯一标识,可以根据该唯一标识从数据库服务器中获得所述目标贵金属租赁交易的业务数据,所述唯一标识用于区分不同的贵金属租赁交易,可以是由数字和字母组成的字符串;所述目标贵金属租赁交易的业务数据可以包含有:目标贵金属租赁交易的贵金属租赁合同信息、贵金属租赁借据信息、贵金属租赁担保信息和贵金属租赁债项信息;其中,贵金属租赁合同信息可以包含有:租赁合同中的申请金额、币种、还款日、放款日、利率信息和担保方式等信息;贵金属租赁借据信息可以包含有:贵金属租赁借据中的余额、币种、发放日、到期日、12级分类和执行利率等信息;所述贵金属租赁担保信息可以包含有:目标贵金属租赁交易的保证合同和抵质押合同中的担保金额和币种等信息;所述贵金属租赁债项信息可以包含有:手续费、信用转换系数ccf和定性打分等信息。
步骤200:根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口。
具体地,所述风险敞口规则可以为:1)合同申请时(即在执行目标贵金属租赁交易之前的风险评级时):风险敞口=贵金属租赁合同中的申请金额×信用转换系数;或者,2)合同发放时(即在执行目标贵金属租赁交易之后的定期风险评级时):风险敞口=贵金属租赁借据中的余额;所述预设的违约损失率模型可以如下:
LGD=BETAINV(X,Alpha,Beta,0,1)
X=NORMDIST(常数项+系数01*W01+……+系数10*W10)
其中,LGD表示违约损失率;Alpha和Beta分别为系数01至系数10为各项LGD影响因子的权重系数;W01至W10为各项LGD影响因子的WOE值;可以根据上述贵金属租赁交易数据进行对应关系转换得到LGD影响因子,LGD影响因子包括:客户隶属关系、经济性质、行业子类、贷款形式、担保形式、业务品种、客户风险暴露、有形资产/总负债、VTL和缓释种类;可以根据实际需要预先设定业务数据与LGD影响因子之间的对应关系,本申请对此不作限制;BETAINV(probability,alpha,beta,0,1)表示返回指定的beta分布累积分布函数的反函数值;NORMSDIST(Z)表示返回标准正态累积分布函数值。
步骤300:根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
具体地,风险评级可以在目标贵金属租赁交易之前,便于及时预测交易风险;也可以在目标贵金属租赁交易之后定时执行,便于实时监测交易风险;所述预设的风险评级标准可以根据实际情况进行设置,本申请对此不作限制;可以根据所述风险敞口所属的风险敞口区间和违约损失率所属的违约损失率区间,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统;例如,若所述风险敞口属于风险敞口区间1,违约损失率属于违约损失率区间1,则将风险敞口区间1和违约损失率区间1对应的风险等级确定为所述目标贵金属租赁交易的风险等级。
为了进一步提高风险评级的准确性和智能化程度,参见图2,在本申请一个实施例中,在步骤200之后还包括:
步骤400:根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果,所述预设的违约预测模型是根据多个历史贵金属租赁交易的业务数据、实际违约结果和第一分类模型预先训练得到的。
具体地,可以将所述业务数据输入预设的违约预测模型,将该预设的违约预测模型的输出结果确定为所述目标贵金属租赁交易的预测违约结果,所述预测违约结果可以是违约或者守约。
步骤500:根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级模型是根据多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果、风险等级和第二分类模型预先训练得到的。
具体地,可以将所述风险敞口、违约损失率和预测违约结果输入预设的风险评级模型,将所述预设的风险评级模型的输出结果确定为所述目标贵金属租赁交易的风险等级;通过确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,可以在预测违约结果的基础上,进一步评估风险对金融企业造成的损失以及评估贵金属租赁交易的潜在风险,提高贵金属租赁交易评级的准确性。
为了提高违约预测模型的可靠性,进而应用可靠的违约预测模型获得准确的预测违约结果,在本申请一个实施例中,在步骤400之前还包括:
步骤041:获取多个历史贵金属租赁交易的业务数据和实际违约结果。
具体地,所述实际违约结果可以为历史贵金属租赁交易的真实的违约结果,所述实际违约结果为违约或者守约。
步骤042:根据各个历史贵金属租赁交易的业务数据和实际违约结果对第一分类模型进行训练,得到所述违约预测模型。
具体地,所述第一分类模型可以为最邻近结点模型、决策树模型、贝叶斯分类模型和支持向量机模型等中的一种。
为了提高风险评级模型的可靠性,进而应用可靠的风险评级模型获得准确的风险评级结果,在本申请一个实施例中,在步骤500之前还包括:
步骤051:获取多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级。
可以理解的是,可以应用历史贵金属租赁交易的业务数据和预设的违约损失率模型,确定历史贵金属租赁交易的违约损失率;可以应用历史贵金属租赁交易的业务数据和风险敞口,确定历史贵金属租赁交易的风险敞口;各个历史贵金属租赁交易的风险等级可以根据实际情况进行设置,本申请对此不作限制。
步骤052:根据各个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级对第二分类模型进行训练,得到所述风险评级模型。
具体地,所述第二分类模型可以为最邻近结点模型、决策树模型、贝叶斯分类模型和支持向量机模型等中的一种;所述第一分类模型和第二分类模型可以相同,也可以不同。
为了提高获得风险敞口的准确性,参见图3,在本申请一个实施例中,所述业务数据包括:贵金属租赁合同中的申请金额;相对应的,步骤200包括:
步骤201:根据所述业务数据和预设的违约损失率模型,确定所述目标贵金属租赁交易的违约损失率;
步骤202:将所述贵金属租赁合同中的申请金额和预设的信用转换系数两者的乘积,确定为所述风险敞口。
具体地,所述风险敞口规则可以为:风险敞口=贵金属租赁合同中的申请金额×信用转换系数;所述预设的信用转换系数可以根据实际情况进行设置,本申请对此不作限制,作为优选,信用转换系数为1。所述业务数据还可以包含有:贵金属租赁借据中的余额。
为了在提高贵金属租赁交易的风险评级的准确性和效率的基础上,提高风险评级结果的可视化程度,在本申请一个实施例中,在步骤300或步骤500之后还包括:
步骤600:将所述目标贵金属租赁交易的风险评级结果发送至一终端设备并输出显示。
具体地,所述终端设备可以是业务人员的台式机或者笔记本电脑等。
为了在提高贵金属租赁交易的风险评级的准确性和效率的基础上,提高业务数据存储的可靠性以及数据交互的安全性和效率,在本申请一个实施例中,步骤100包括:
步骤101:接收一业务系统发送的目标贵金属租赁交易的风险评级请求。
步骤102:将所述风险评级请求发送至数据库服务器,接收该数据库服务器发送的所述风险评级请求对应的打包后的业务数据。
步骤103:解压缩所述业务数据。
为了进一步说明本方案,本申请提供一种贵金属租赁交易的风险评级方法的应用实例,具体描述如下:
步骤1:汇总计算时间点的贵金属租赁交易数据;步骤1包含有:
步骤11:抽取贵金属租赁合同信息。获取合同上申请金额,币种,还款日,放款日、利率信息、担保方式等信息,汇总至债项评级合同信息表中,为后续计算业务风险提供数据支撑。
步骤12:抽取贵金属租赁借据信息。获取借据上余额,币种,发放日,到期日,12级分类,执行利率等信息,汇总至债项评级借据信息表中,并根据余额和未发放金额*信用转换系数计算贵金属租赁风险敞口。其中未发放金额为合同申请金额减去已发放金额,信用转换系数由业务部门提供。
步骤13:抽取贵金属租赁担保信息。通过贵金属业务上的保证合同、抵质押合同,获取合同上的担保金额和币种等信息;获取保证金的金额和币种等信息,汇总至债项评级保证合同信息表、债项评级抵质押合同信息表、债项评级保证金信息表中,为后续统计担保覆盖风险敞口情况提供数据支撑。
步骤14:抽取贵金属租赁债项信息。获取贵金属租赁交易设置的手续费、信用转换系数ccf(目前为1)、定性打分卡等信息,汇总至存量债项基本信息最新表中。在一种举例中,定性打分卡如表1所示,按照不同的指标计算定性得分,并将总分根据对照表转换得到风险调整系数。
表1
步骤2:应用支持灵活配置的贵金属租赁交易风险评级模型,根据之前贵金属租赁交易的建立的数据模型,通过违约损失率模型,得到贵金属租赁违约损失率(LGD)。
进一步地,可以根据风险调整系数上浮或下浮违约损失率(LGD)档次,并将以上中间计算信息和LGD结果汇总至债项评级快照表中。
从软件层面来说,为了提高贵金属租赁交易风险评级的准确性和效率,本申请提供一种用于实现所述贵金属租赁交易的风险评级方法中全部或部分内容的贵金属租赁交易的风险评级装置的实施例,参见图4,所述贵金属租赁交易的风险评级装置具体包含有如下内容:
获取模块10,用于接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;
确定模块20,用于根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;
评级模块30,用于根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
参见图5,在本申请一个实施例中,所述的贵金属租赁交易的风险评级装置,还包括:
违约预测模块40,用于根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果,所述预设的违约预测模型是根据多个历史贵金属租赁交易的业务数据、实际违约结果和第一分类模型预先训练得到的;
风险评级模块50,用于根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级模型是根据多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果、风险等级和第二分类模型预先训练得到的。
在本申请一个实施例中,所述的贵金属租赁交易的风险评级装置还包括:
第一历史数据获取模块,用于获取多个历史贵金属租赁交易的业务数据和实际违约结果;
第一训练模块,用于根据各个历史贵金属租赁交易的业务数据和实际违约结果对第一分类模型进行训练,得到所述违约预测模型。
在本申请一个实施例中,所述的贵金属租赁交易的风险评级装置还包括:
第二历史数据获取模块,用于获取多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级;
第二训练模块,用于根据各个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级对第二分类模型进行训练,得到所述风险评级模型。
在本申请一个实施例中,所述业务数据包括:贵金属租赁合同中的申请金额;
相对应的,所述确定模块包括:
违约损失率确定单元,用于根据所述业务数据和预设的违约损失率模型,确定所述目标贵金属租赁交易的违约损失率;
风险敞口确定单元,用于将所述贵金属租赁合同中的申请金额和预设的信用转换系数两者的乘积,确定为所述风险敞口。
在本申请一个实施例中,所述的贵金属租赁交易的风险评级装置还包括:
显示模块,用于将所述目标贵金属租赁交易的风险评级结果发送至一终端设备并输出显示。
在本申请一个实施例中,所述获取模块包括:
接收单元,用于接收一业务系统发送的目标贵金属租赁交易的风险评级请求;
发送单元,用于将所述风险评级请求发送至数据库服务器,接收该数据库服务器发送的所述风险评级请求对应的打包后的业务数据;
解压缩单元,用于解压缩所述业务数据。
本说明书提供的贵金属租赁交易的风险评级装置的实施例具体可以用于执行上述贵金属租赁交易的风险评级方法的实施例的处理流程,其功能在此不再赘述,可以参照上述贵金属租赁交易的风险评级方法实施例的详细描述。
由上述描述可知,本申请提供的贵金属租赁交易的风险评级方法及装置,能够提高贵金属租赁交易的风险评级的准确性和效率,进而能够提高贵金属租赁交易的安全性;具体地,能够提高金属租赁业务的风险评级的自动化程度,减少人工成本,维护金融企业利益,为信贷决策提供支持。
图6为本发明一实施例提供的电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储器403中的逻辑指令,以执行如下方法:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
此外,上述的存储器403中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(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方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
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。
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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
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。
Claims (10)
1.一种贵金属租赁交易的风险评级方法,其特征在于,包括:
接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;
根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;
根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
2.根据权利要求1所述的贵金属租赁交易的风险评级方法,其特征在于,在所述根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口之后,还包括:
根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果,所述预设的违约预测模型是根据多个历史贵金属租赁交易的业务数据、实际违约结果和第一分类模型预先训练得到的;
根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级模型是根据多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果、风险等级和第二分类模型预先训练得到的。
3.根据权利要求2所述的贵金属租赁交易的风险评级方法,其特征在于,在所述根据所述业务数据和预设的违约预测模型,确定所述目标贵金属租赁交易的预测违约结果之前,还包括:
获取多个历史贵金属租赁交易的业务数据和实际违约结果;
根据各个历史贵金属租赁交易的业务数据和实际违约结果对第一分类模型进行训练,得到所述违约预测模型。
4.根据权利要求2所述的贵金属租赁交易的风险评级方法,其特征在于,在所述根据所述风险敞口、违约损失率、预测违约结果和预设的风险评级模型,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统之前,还包括:
获取多个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级;
根据各个历史贵金属租赁交易的风险敞口、违约损失率、实际违约结果和风险等级对第二分类模型进行训练,得到所述风险评级模型。
5.根据权利要求1所述的贵金属租赁交易的风险评级方法,其特征在于,所述业务数据包括:贵金属租赁合同中的申请金额;
相对应的,所述根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口,包括:
根据所述业务数据和预设的违约损失率模型,确定所述目标贵金属租赁交易的违约损失率;
将所述贵金属租赁合同中的申请金额和预设的信用转换系数两者的乘积,确定为所述风险敞口。
6.根据权利要求1或2所述的贵金属租赁交易的风险评级方法,其特征在于,在所述确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统之后,还包括:
将所述目标贵金属租赁交易的风险评级结果发送至一终端设备并输出显示。
7.根据权利要求1所述的贵金属租赁交易的风险评级方法,其特征在于,所述接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据,包括:
接收一业务系统发送的目标贵金属租赁交易的风险评级请求;
将所述风险评级请求发送至数据库服务器,接收该数据库服务器发送的所述风险评级请求对应的打包后的业务数据;
解压缩所述业务数据。
8.一种贵金属租赁交易的风险评级装置,其特征在于,包括:
获取模块,用于接收一业务系统发送的目标贵金属租赁交易的风险评级请求,根据所述风险评级请求从数据库服务器中获得所述目标贵金属租赁交易的业务数据;
确定模块,用于根据所述目标贵金属租赁交易的业务数据、预设的违约损失率模型和风险敞口规则,确定所述目标贵金属租赁交易的违约损失率和风险敞口;
评级模块,用于根据所述风险敞口、所述违约损失率和预设的风险评级标准,确定所述目标贵金属租赁交易的风险等级并返回至所述业务系统,所述预设的风险评级标准包括:风险敞口区间、违约损失率区间和风险等级之间的对应关系。
9.一种电子设备,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7任一项所述的贵金属租赁交易的风险评级方法。
10.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述指令被执行时实现权利要求1至7任一项所述的贵金属租赁交易的风险评级方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475741.XA CN114764714A (zh) | 2022-04-29 | 2022-04-29 | 贵金属租赁交易的风险评级方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475741.XA CN114764714A (zh) | 2022-04-29 | 2022-04-29 | 贵金属租赁交易的风险评级方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114764714A true CN114764714A (zh) | 2022-07-19 |
Family
ID=82364584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210475741.XA Pending CN114764714A (zh) | 2022-04-29 | 2022-04-29 | 贵金属租赁交易的风险评级方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114764714A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630050A (zh) * | 2023-06-16 | 2023-08-22 | 深圳市弘裕金联科技有限公司 | 一种线上黄金交易方法、系统、装置及存储介质 |
-
2022
- 2022-04-29 CN CN202210475741.XA patent/CN114764714A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116630050A (zh) * | 2023-06-16 | 2023-08-22 | 深圳市弘裕金联科技有限公司 | 一种线上黄金交易方法、系统、装置及存储介质 |
CN116630050B (zh) * | 2023-06-16 | 2024-02-02 | 深圳市弘裕金联科技有限公司 | 一种线上黄金交易方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101794221B1 (ko) | 온라인 판매자의 정산 서비스를 위한 시스템 및 방법 | |
CN104866484A (zh) | 一种数据处理方法和装置 | |
CN106910129B (zh) | 资产数据的处理方法、客户端及服务器 | |
CN108711104A (zh) | 基于区块链的实物资产信息流转方法、装置和设备 | |
CN110264342A (zh) | 一种基于机器学习的业务审核方法及装置 | |
CN110363642A (zh) | 贷款数据处理方法、装置、可读存储介质和程序产品 | |
KR102092461B1 (ko) | 투자성공률 제공방법 | |
CN109544345A (zh) | 一种期权保证金预清算方法、装置及终端设备 | |
CN114764714A (zh) | 贵金属租赁交易的风险评级方法及装置 | |
US11922477B2 (en) | Object exchange assistant system | |
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 | |
US20200234372A1 (en) | System and Method For Automated Investment | |
JP6771513B2 (ja) | 債務不履行確率を算出する装置、方法及びそのためのプログラム | |
CN112330355A (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
CN109857492A (zh) | 贷款业务处理方法、装置、计算机设备及可读存储介质 | |
CN115983902A (zh) | 基于用户实时事件的信息推送方法及系统 | |
CN108932615A (zh) | 一种数字资产交易方法、系统及计算机可读存储介质 | |
CN112632197A (zh) | 基于知识图谱的业务关系处理方法及装置 | |
CN112418670A (zh) | 一种案件分配方法、装置、设备及介质 | |
CN112116356B (zh) | 资产特征信息处理方法及装置 | |
CN117422576B (zh) | 基于云计算的商品销售的业务财务一体化管理系统及方法 | |
CN115439174A (zh) | 一种确定推荐信息的方法及装置 | |
CN114418428A (zh) | 一种确定合作项目评价数据的方法及装置 | |
CN113011986A (zh) | 一种保险计算的抽象方法及系统 | |
CN118134629A (zh) | 确定信贷产品的违约损失的方法及装置、程序产品 |
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 |