CN115860958A - 一种债券资产规模配置的系统及方法 - Google Patents

Abstract

本发明涉及金融资产配置技术领域，具体为一种债券资产规模配置的系统及方法。所述方法基于所述系统，所述系统包括数据处理模块，用于采集数据、清洗数据、分析数据并最终形成可交易债券组合清单；模型配置模块，用于设置约束条件，并利用整数线性规划算法建立服从所有约束条件的模型；债券配置模块，用于根据可交易债券组合清单和模型进行债券的实际配置。本技术方案能够得出满足约束条件下的最高加权利率组合。

Description

一种债券资产规模配置的系统及方法

技术领域

本发明涉及金融资产配置技术领域，具体为一种债券资产规模配置的系统及方法。

背景技术

债券因其投资风险低、收益波动小等特点，一直是广大金融业机构固收类资产配置中必不可少的组成部分，特别是在利率较低、贷款投放困难时，债券配置比例会进一步增加。

金融机构在配置债券时，由于安全性和收益性要求，一般会受到债券规模、单债上限、加权久期及收益率等约束，目前配置组合的常用方法是先形成可购买的债券清单，然后根据利率从高到低满额配置，配置完成后计算加权久期和持有收益率，如果满足要求则完成配置，如不满足要求则重复挑选计算过程。

利用此种方法得出的配置组合不一定是在满足久期下的最高收益率组合，并且十分依赖专家的经验，且过程中需要较复杂的手工计算，容易出错。

发明内容

本发明的目的在于：提出一种债券资产规模配置的系统及方法，该技术方案能够得出满足约束条件下的最高加权利率组合。

为解决上述问题，本发明提供的基础方案：一种债券资产规模配置的系统，包括：

数据处理模块，用于采集数据、清洗数据、分析数据并最终形成可交易债券组合清单；

模型配置模块，用于设置约束条件，并利用整数线性规划算法建立服从所有约束条件的模型；

债券配置模块，用于根据可交易债券组合清单和模型进行债券的实际配置。

基础方案的有益效果：数据处理模块采集数据与清洗数据保证了数据的时效性与准确性，同时也为后续数据应用奠定了基础；模型配置模块通过设置约束条件使得最终配置的债券满足各方的要求，并利用整数线性规划算法使得债券配置的组合收益率最高。

作为优选方案，所述数据处理模块还包括风控子模块，用于根据风控要求进行风控设置，风控设置的内容包括可交易债券的门槛条件，所述门槛条件根据实际需求设置为部分满足或全部满足。

通过风控子模块满足监管风控的要求，增加债券配置的安全性。

作为优选方案，所述可交易债券组合清单的数据类型包括证券代码、证券简称、剩余期限、中债估值、持有期收益、债/主评级、规模上限。

可交易债券组合清单中多维度的数据进一步提高了最终资产配置组合的准确性，也能够更好地进行约束以便满足客户需求。

作为优选方案，还包括客户分析模块，用于采集数据得出客户的投资偏好。

分析客户的投资偏好，使得之阿全组合更符合用户的预期，进一步提升客户满意度。

作为优选方案，所述模型配置模块还包括约束优化子模块，当组合中某些债券无法配置时，所述约束优化子模块将分析无法配置的原因，并将分析结果设置为新的约束条件；所述约束优化子模块还用于把客户的投资偏好设置为约束条件。

通过将无法配置的原因分析后设置为新的约束条件，能够避免后续因为相同原因而导致债券配置失败，使得后续债券配置更顺利；将用户的投资偏好设为约束条件使得债券满足客户偏好的基础上达到最高。

一种债券资产规模配置的方法，所述方法运用了权利要求1-5任一项所述的一种债券资产规模配置的系统，具体包括：

S1：采集数据，进行数据处理，形成可交易债券组合清单；

S2：建立约束条件，多个条件之间采用“与”的关系；

S3：利用整数线性规划算法，建立服从于S2所有约束条件的模型，寻找满足约束条件下的最高加权利率组合。

本方法通过形成可交易债券组合清单，建立约束条件并进一步形成服从约束条件的模型，将可交易债券组合清单输入前述模型得到满足约束条件下的最高加权利率组合；可交易债券组合清单满足了时效性，约束条件及模型满足了准确性，利用整数线性规划算法满足了组合收益率最高。

作为优选方案，所述S1包括：

S11：从数据源实时采集可供交易的债券指标数据；

S12：对采集的债券指标数据进行清洗；

S13：经过S12数据清洗的债券指标数据最终形成可交易债券组合清单。

S11进一步满足了时效性，S12方便后续应用采集的数据，S13为后续输入模型做好准备。

作为优选方案，所述S12包括指标名称统一、单位统一、数值范围整数化处理以及对不同数据源的冗余信息进行交叉验证、合并。

通过对数据进行多方面的处理使得数据形式趋于统一，方便后续应用，对冗余信息的验证、合并也使得数据更加精简，优化了本方法的处理速度。

作为优选方案，所述S3具体包括：

S31：根据约束条件对所述债券组合原始清单进行特征处理，并最终形成配置组合的建模；

S32：根据模型产生的组合结果进行债券配置。

S31建立服从约束条件的模型，使得债券配置符合要求，S32通过模型进行配置，由于模型建立时利用了整数线性规划算法，因此能够寻找到满足约束条件下的最高加权利率组合。

附图说明

图1是一种债券资产规模配置的方法的逻辑图。

具体实施方式

下面通过具体实施方式对本申请技术方案进行进一步详细说明：

如图1所示，一种债券资产规模配置的系统，包括数据处理模块、模型配置模块、债券配置模块。

数据处理模块，将根据数据采集策略，首先通过接口或爬虫从数据源实时采集可供交易债券信息，采集信息至少包括债券名称、债券代码、收益率、评级信息、久期及规模等。

数据处理模块还包括风控子模块，用于根据风控要求进行风控设置采集整合完毕后，根据相关监管政策以及机构内部风控要求，设置可供债券交易门槛，门槛条件灵活组合，可设置为部分满足或全部满足，最终形成可交易债券组合清单。本模块由于实时采集可供交易债券信息，因此其数据具有很高的时效性，进而保证最终结果的准确性。

模型配置模块，设置有组合约束条件，所述约束条件包括但不限于加权久期、规模组合、单债上限、持有期收益率等，多个条件之间采用“与”的关系。系统根据约束条件对所述债券组合原始清单进行特征处理，形成模型原始输入数据，然后根据组合约束条件建立与约束特征的一对一映射，最终形成配置组合的建模。

于一种实施例中，模型配置模块还包括约束优化子模块，当组合中某些债券无法配置时，所述约束优化子模块将分析无法配置的原因，并将分析结果设置为新的约束条件。约束优化子模块还将分析无法配置的原因为暂时性还是永久性原因，若为暂时性原因，新加入的约束条件将在本次债券配置结束后移除，若为永久性原因，将会把新加入的约束条件进行保存，避免后续处理时重复分析。约束子模块还将分析无法配置的原因是否为普遍性原因，若不为普遍性原因将会把新加入的约束条件与当前客户绑定，使得该客户后续的债券配置流程更顺利，所述约束优化子模块还用于把客户的投资偏好设置为约束条件。

债券配置模块，根据模型产生的组合结果进行债券配置，如果组合中某些债券由于各种原因无法配置，会将相关信息反馈给约束优化子模块，而后再重新进行模型配置，产生新的配置组合重新购买。重复这个过程，直到组合中所有债券都配置完毕。

于一种实施例中，还包括客户分析模块，用于采集数据得出客户的投资偏好，采集数据的方式包括但不限于问卷调查，调取历史投资数据，所述客户投资偏好内容包括但不限于客户投资行业偏好，客户投资债券类型偏好等，上述内容将作为新的条件通过模型配置模块对得出的债券组合原始清单进行约束。

如图1所示，一种债券资产规模配置的方法，具体步骤如下：

S1：进行数据处理，形成可交易债券组合清单，包括：

S11：采集数据，从数据源实时采集可供交易的债券指标数据，采集信息至少包括债券名称、债券代码、收益率、评级信息、久期及规模等。

S12：数据清洗，由于债券指标数据来源于多个数据源，指标名称、指标单位或指标值都有可能不同，数据清洗就是将这些采集的指标数据进行清洗，包括但不限于指标名称统一、单位统一、数值范围整数化处理以及对不同数据源的冗余信息进行交叉验证、合并等。

S13：S11采集的债券指标数据经过S12数据清洗后，最终汇总形成可交易债券组合清单，清单中的单位根据实际情况进行选择，可交易债券组合清单将被输入到模型中进行计算。

S2：建立约束条件，本实施例的主要目的为在满足一定条件的前提下(例如整体债券规模、加权久期不超上限)，获取一种债券组合，使得其组合收益率最高。收益率、加权久期及规模均取决于组合中各支债券的收益率、久期和单债上限，有其自身限制条件。如果将债券设置为变量，可对每个限制条件建立包含变量限制条件的函数，称为约束条件。

所述约束条件包括但不限于加权久期、规模组合、单债上限、持有期收益率等，多个条件之间采用“与”的关系，例如：加权久期设置为不超过T，规模组合设置为不超过S，加权利率设置为不低于R。后续模型在选取组合的具体值时，均会在满足约束条件的前提下，使得加权利率最大。

S3：利用整数线性规划算法，建立服从于S2所有约束条件的模型，寻找满足约束条件下的最高加权利率组合，具体包括：

S31：模型配置，根据约束条件对所述债券组合原始清单进行特征处理，形成模型原始输入数据，然后根据组合约束条件建立与约束特征的一对一映射，最终形成配置组合的建模。

S32：债券配置，根据模型产生的组合结果进行债券配置，如果组合中某些债券由于各种原因无法配置，可重新进行模型设置，产生新的配置组合重新购买。重复这个过程，直到组合中所有债券都配置完毕。

具体实施时，S1中经过数据清洗后形成的可交易债券组合清单如下表所示：

S2建立的约束条件如下，可交易债券组合清单中每只债券配置规模为(单位万元)，剩余期限为

(单位年)，持有期收益为/>

需配置的组合规模为M，加权久期不能超过D，单债配置上限为总规模的1/20。

目标函数为：

MAX SUM(x_i*r_i)

约束条件为：

SUM(x_i*d_i)≤D(加权久期限制)

SUM(x_i)≤M(规模限制)

编程建模求解，本实施例中使用python语言的Pulp库来建立整数模型，并计算出组合。在建立模型时要注意，因为S1形成的可交易债券组合清单中债券的交易利率和久期是2位小数，所以在建立模型时需将这两项值乘以100进行整数化处理，以便利用整数线性规划算法进行计算。

以上内容仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未做过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以做出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.一种债券资产规模配置的系统，其特征在于：包括：

数据处理模块，用于采集数据、清洗数据、分析数据并最终形成可交易债券组合清单；

模型配置模块，用于设置约束条件，并利用整数线性规划算法建立服从所有约束条件的模型；

债券配置模块，用于根据可交易债券组合清单和模型进行债券的实际配置。

2.根据权利要求1所述的一种债券资产规模配置的系统，其特征在于：所述数据处理模块还包括风控子模块，用于根据风控要求进行风控设置，风控设置的内容包括可交易债券的门槛条件，所述门槛条件根据实际需求设置为部分满足或全部满足。

3.根据权利要求1所述的一种债券资产规模配置的系统，其特征在于：所述可交易债券组合清单的数据类型包括证券代码、证券简称、剩余期限、中债估值、持有期收益、债/主评级、规模上限。

4.根据权利要求1所述的一种债券资产规模配置的系统，其特征在于：还包括客户分析模块，用于采集数据得出客户的投资偏好。

5.根据权利要求4所述的一种债券资产规模配置的系统，其特征在于：所述模型配置模块还包括约束优化子模块，当组合中存在无法配置的债券时，所述约束优化子模块将分析无法配置的原因，并将分析结果设置为新的约束条件；所述约束优化子模块还用于把客户的投资偏好设置为约束条件。

6.一种债券资产规模配置的方法，其特征在于：所述方法使用了权利要求1-5任一项所述的一种债券资产规模配置的系统，具体包括：

S1：采集数据，进行数据处理，形成可交易债券组合清单；

S2：建立约束条件，多个条件之间采用“与”的关系；

S3：利用整数线性规划算法，建立服从于S2所有约束条件的模型，寻找满足约束条件下的最高加权利率组合。

7.根据权利要求6所述的一种债券资产规模配置的方法，其特征在于：所述S1包括：

S11：从数据源实时采集可供交易的债券指标数据；

S12：对采集的债券指标数据进行清洗；

S13：经过S12数据清洗的债券指标数据最终形成可交易债券组合清单。

8.根据权利要求7所述的一种债券资产规模配置的方法，其特征在于：所述S12包括指标名称统一、单位统一、数值范围整数化处理以及对不同数据源的冗余信息进行交叉验证、合并。

9.根据权利要求6所述的一种债券资产规模配置的方法，其特征在于：所述S3具体包括：

S31：根据约束条件对所述债券组合原始清单进行特征处理，并最终形成配置组合的建模；

S32：根据模型产生的组合结果进行债券配置。

Images