CN115953227A - 一种资本确定方法、装置、设备、介质及产品 - Google Patents
一种资本确定方法、装置、设备、介质及产品 Download PDFInfo
- Publication number
- CN115953227A CN115953227A CN202211606518.0A CN202211606518A CN115953227A CN 115953227 A CN115953227 A CN 115953227A CN 202211606518 A CN202211606518 A CN 202211606518A CN 115953227 A CN115953227 A CN 115953227A
- Authority
- CN
- China
- Prior art keywords
- risk factor
- capital
- risk
- date
- factor group
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例公开了一种资本确定方法、装置、设备、介质及产品。该资本确定方法可以根据各风险因子组内的观测数,确定各风险因子组的损益值,然后根据各风险因子组的损益值,确定各风险因子组的资本度量值,进而通过聚合各风险因子组的资本度量值,得到各风险因子在预设时间段内的资本聚合值,如此实现了对未通过风险因子合格性检验的风险因子的资本确定,为决策人员提供了数据支持。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种资本确定方法、装置、设备、介质及产品。
背景技术
根据最新的市场风险最低资本要求,对于一些机构,需要基于风险因子合格性检验结果,确定风险因子的资本,以模拟在压力情景下该机构受到的损失,为决策人员提供数据支持。
目前采用的资本确定方案仅适用于通过风险因子合格性检验的风险因子,具有一定的局限性。
申请内容
本申请实施例提供一种资本确定方法、装置、设备、介质及产品,可以确定未通过风险因子合格性检验的风险因子在预定时间段内的资本。
第一方面,本申请实施例提供了一种资本确定方法,包括:
获取至少一个第一风险因子组,第一风险因子组包括至少一个第一风险因子,第一风险因子为未通过风险因子合格性检验的风险因子;
根据各第一风险因子组内的观测数,针对每一个第一风险因子分组,确定第一风险因子组的第一损益值;
根据各第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值;
根据预设的资本聚合方式,聚合各第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
第二方面,本申请实施例提供了一种资本确定装置,包括:获取模块、确定模块和聚合模块;
获取模块,用于获取至少一个第一风险因子组,第一风险因子组包括至少一个第一风险因子,第一风险因子为未通过风险因子合格性检验的风险因子;
确定模块,用于根据各第一风险因子组内的观测数,针对每一个第一风险因子分组,确定第一风险因子组的第一损益值;
确定模块,还用于根据各第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值;
聚合模块,用于根据预设的资本聚合方式,聚合各第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
第三方面,本申请实施例提供了一种电子设备,包括:
处理器;
存储器,用于存储计算机程序指令;
当计算机程序指令被处理器执行时,实现如第一方面的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现如第一方面的方法。
第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如第一方面所述的方法。
本申请实施例提供的资本确定方法、装置、设备、介质及产品,可以根据各风险因子组内的观测数,确定各风险因子组的损益值,然后根据各风险因子组的损益值,确定各风险因子组的资本度量值,进而通过聚合各风险因子组的资本度量值,得到各风险因子在预设时间段内的资本聚合值,如此实现了对未通过风险因子合格性检验的风险因子的资本确定,为决策人员提供了数据支持。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,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为本申请实施例提供的一种资本确定方法的流程图;
图2为本申请实施例提供的一种资本确定装置的结构图;
图3为本申请实施例提供的一种电子设备的结构图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅被配置为解释本申请,并不被配置为限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
还需要说明的是,本申请所有实施方式对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
如上所述,为了满足最新的市场风险最低资本要求,需要确定风险因子在预定时间段内的资本,以模拟在压力情景下机构受到的损失,为决策人员提供数据支持。
但目前采用的方案仅适用于通过风险因子合格性检验的风险因子,暂未发现确定未通过风险因子合格性检验的风险因子的资本的方案,具有一定的局限性。
为此,本申请实施例提供了一种资本确定方法、装置、设备、介质及产品,可以确定未通过风险因子合格性检验的风险因子在预定时间段内的资本。
下面结合具体的实施例对本申请实施例提供的资本确定方法进行说明,图1为本申请实施例提供的一种资本确定方法的流程图。该方法可以应用于电子设备,电子设备可以包括但不限于手机、平板电脑、笔记本电脑、掌上电脑等。
如图1所示,该资本确定方法可以包括如下步骤:
S110、获取至少一个第一风险因子组。
其中,第一风险因子组包括至少一个第一风险因子,第一风险因子为未通过风险因子合格性检验的风险因子。
S120、根据各第一风险因子组内的观测数,针对每一个第一风险因子分组,确定第一风险因子组的第一损益值。
S130、根据各第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值。
S140、根据预设的资本聚合方式,聚合各第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
本申请实施例可以根据各风险因子组内的观测数,确定各风险因子组的损益值,然后根据各风险因子组的损益值,确定各风险因子组的资本度量值,进而通过聚合各风险因子组的资本度量值,得到各风险因子在预设时间段内的资本聚合值,如此实现了对未通过风险因子合格性检验的风险因子的资本确定,为决策人员提供了数据支持。
下面对上述步骤进行详细说明,具体如下所示:
在S110中,各第一风险因子组可以属于同一个风险类别,也可以属于不同的风险类别,同一个风险类别可以对应多个第一风险因子组。示例性地,风险类别可以包括但不限于利率、信用利差、股票、外汇和商品等。
每个第一风险因子组可以包括多个第一风险因子,各第一风险因子分组内的第一风险因子不重叠,即各第一风险因子分组内的第一风险因子不同。示例性地,可以采集各第一风险因子的市场数据,基于市场数据对第一风险因子分组,得到第一风险因子组,本申请实施例对第一风险因子的划分过程不进行限定。
示例性地,各第一风险因子的市场数据可以按照表1的结构存储。其中,Riskfactor1和Riskfactor2为未通过风险因子合格性检验的风险因子,也即第一风险因子,也可以称为不可建模风险因子。
表1第一风险因子的市场数据
表1的第四列为基于各第一风险因子的价格为各第一风险因子设置的价格标签,例如“Y”表示表1中的价格数据为真实的市场价格,“N”表示表1中的价格数据为虚假的市场价格。
示例性地,部分第一风险因子与第一风险因子组的关系可以参见表2。
表2部分第一风险因子与第一风险因子组的关系
风险因子分组 | 曲线 | 风险因子ID |
CURVE1_A | CURVE1 | Riskfactor1 |
CURVE1_A | CURVE1 | Riskfactor2 |
CURVE1_B | CURVE1 | Riskfactor3 |
CURVE2_A | CURVE2 | Riskfactor4 |
一条曲线可以对应一个风险类别,一条曲线可以对应多个第一风险因子分组。例如曲线CURVE1可以对应CURVE1_A和CURVE1_B两个分组。
在S120中,观测数可以是第一风险因子组内第一风险因子的数量与观测日期对的数量的乘积。
示例性地,根据第一风险因子的观测数,可以选择对应的的情景生成方法,进而生成对应的情景,如此可以确定用户持有的头寸在各情景下的损益值,进而得到各第一风险因子组的损益值。
示例性地,在S120之前,可以通过以下方式确定各第一风险因子组的观测数:
针对每一个第一风险因子组,在预设时间段内确定第一风险因子组内各第一风险因子均有真实价格的日期,作为候选日期;
针对每一个候选日期,在大于候选日期且小于当前统计日期的其他候选日期中,选取与候选日期的距离满足第一预设条件的候选日期,作为变动日期,并将与变动日期对应的候选日期作为观测日期,得到观测日期和变动日期形成的观测日期对;
将各第一风险因子组内各第一风险因子的数量与观测日期对的数量的乘积,确定为各第一风险因子组内的观测数。
预设时间段,也可以称为极端压力区间,示例性地,极端压力区间可以是一年,例如当前统计日期为20220818,极端压力区间可以是20210818至20220817。
示例性地,可以根据表1和表2,判断同一组内的各个风险因子是否均有真实价格,并将均有真实价格的日期记为候选日期,作为该分组下的观测日期和变动日期的候选。
例如,对于第一风险因子组CURVE1_A,Riskfactor1和Riskfactor2在20210818和20210831两个日期均有真实价格,因此可以将20210818和20210831作为候选日期,用于后续确定观测日期和变动日期。20210819、20210901被排除。
第一预设条件例如可以是与候选日期的距离+14日距离最近。例如,对于候选日期20210818,可以选取与20210818+14日距离最近的最小日期为变动日期,例如可以对于候选日期20210818,14日后的日期为20210901,但大于20210818不超过20220818且距离20210901最近的最小日期为20210831,因此可以将20210831作为变动日期,并将候选日期20210818作为与变动日期20210831对应的观测日期,形成观测日期对。若无法找到变动日期,则放弃该候选日期,继续遍历下一个候选日期。
示例性地,第一风险因子组和观测日期对按照表3的格式存储。同一个第一风险因子组可以对应多个观测日期对。
表3第一风险因子组和观测日期对
风险因子分组 | 观测日期 | 变动日期 |
CURVE1_A | 20210818 | 20210831 |
针对每一个第一风险因子组,将第一风险因子组内的第一风险因子的数量与观测日期对的数量相乘,即可得到第一风险因子组的观测数。例如第一风险因子组CURVE1_A内包含5个第一风险因子,10个观测日期对,则第一风险因子组CURVE1_A的观测数为5*10=50。
本申请实施例根据同一个分组内的各风险因子是否均具有真实价格,来确定观测日期对,并根据观测日期对的数量和该分组内第一风险因子的数量确定该分组的观测数,为后续选择哪种方法计算各分组的资本度量值提供了依据。
用户持有的各头寸在变动情景的影响下会产生的损益值,基于该损益值可以得到各第一风险因子组的损益值,也即损益值。
示例性地,上述S120可以包括以下步骤:
根据各第一风险因子组内的观测数,选择与第一风险因子组对应的情景生成方法;
根据情景生成方法,生成与第一风险因子组对应的第一情景;
针对每一个第一情景,确定用户当前持有的各头寸在第一情景下的第二损益值;
根据第一情景和第一风险因子组的关联关系,以及第一情景对应的第二损益值,确定第一风险因子组的第一损益值。
在本申请实施例中,不同的观测数可以对应不同的情景生成方法,通过情景生成方法可以生成对应的情景,为后续确定损益值提供基础。
示例性地,当观测数>=200时,可以采用直接法或分步-历史法;当200>观测数>=12时,可以采用分步法中的非对称sigma法;当观测数<12时,可以采用分步法中的Fallback-SBM法。
示例性地,直接法可以是一个观测日期代表一种变动方式,一个分组的一种变动方式对应一种情景。变动方式的数量=该分组的观测日期对数。例如针对第一风险因子组CURVE1_A,可以在当前统计日期的价格上,以对应观测日期对对应的变动量,进行相对或绝对变动,其余的第一风险因子组保持不变,可以得到第一风险因子组CURVE1_A对应的情景。
例如第一风险因子组CURVE1_A包含3个观测日期对,则按照直接法,第一风险因子组CURVE1_A可以生成3个情景。
在每个情景下,可以确定用户持有的各头寸在该情景影响下的损益值,得到第二损益值,由于同一个第一风险因子组可以对应多个情景,根据第一风险因子组和情景的对应关系,可以得到第一风险因子组的损益值,也即第一损益值。
分步法可以包括历史法(观测数N>=200)、非对称sigma方法(200>观测数N>=12)和fallback方法(观测数N<12)。
示例性地,分步法可以包括对第一风险因子进行向上冲击和向下冲击,得到向上的冲击值和向下的冲击值,然后应用到第一风险因子上。
示例性地,可以通过如下方法确定向上的冲击值和向下的冲击值:
Step S.0:获取第一风险因子的10天回报序列Return(rj,t,10),t=1,…,N。
Step S.1:确定向上和向下的冲击:
A、当N>=200时,使用历史法确定向上和向下的冲击。
将Step S.0中的回报序列Return(rj,t,10)代入以下公式,根据第一风险因子j的左尾和右尾的ES值,进一步计算出第一风险因子j的向上和向下的冲击。
CSdown(rj)=ESLeft(Return(j),α)×UCF)
And
CSup(rj)=ESRight(Return(j),α)×UCF)
本申请实施例利用了补偿因子UCF来补偿第一风险因子较低的观察频率。
其中,ESRight(X,α)和ESLeft(X,α)的计算公式如下:
And
ESRight(X,α)=ESLeft(-X,α)
此处,α=2.5%,X为数量为N的样本次序统计,[αN]为αN的整数部分。
B、当N>=12且N<200时,使用非对称sigma法,确定向上和向下的冲击。
非对称sigma法的目的是通过统计分布的方法使用均值和波动率估计左尾和右尾的ES。假定样本10天回报序列Return(rj,t,10),t=1,…,N。以序列的中位数m为边界,将序列分为大于等于m和小于m的两部分,并分别代入公式计算均值,如下:
其中,Ndown=|Ret(rj,t,10)≤m|,Nup=|Ret(rj,t,10)>m|。
将以上计算的均值代入如下公式,计算得到非对称sigma方法的压力情景向上和向下冲击:
其中,CES=3。
经过补偿因子调整后的冲击为:
And
C、当N<12时,使用fallback法确定向上和向下的冲击
示例性地,可以按照如下变动方式生成情景,一种冲击方式对应一种变动方式,变动方式可以为如下6种:
NU1:加载100%向下冲击,NU2:加载80%向下冲击,NU3:加载80%向上冲击,NU4:加载100%向上冲击,NU5;加载120%向下冲击,NU6:加载120%向下冲击。
针对每一个第一风险因子分组,可以按照上述6种方式进行变动,如此可以得到一个第一风险因子分组对应6种情景。各情景可以按照表4的方式存储。
表4第一情景
情景名称 | 统计日期 | 压力区间 |
CURVE1_A-20210818 | 20220818 | 20210818-20220817 |
…… | 20220818 | 20210818-20220817 |
CURVE2_A-NU1 | 20220818 | 20210818-20220817 |
CURVE2_A-NU2 | 20220818 | 20210818-20220817 |
CURVE2_A-NU3 | 20220818 | 20210818-20220817 |
CURVE2_A-NU4 | 20220818 | 20210818-20220817 |
CURVE2_A-NU5 | 20220818 | 20210818-20220817 |
CURVE2_A-NU6 | 20220818 | 20210818-20220817 |
CURVE3_A-FNU1 | 20220818 | 20210818-20220817 |
CURVE3_A-FNU2 | 20220818 | 20210818-20220817 |
CURVE3_A-FNU3 | 20220818 | 20210818-20220817 |
CURVE1_A-FNU4 | 20220818 | 20210818-20220817 |
CURVE1_A-FNU5 | 20220818 | 20210818-20220817 |
CURVE1_A-FNU6 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU1 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU2 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU3 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU4 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU5 | 20220818 | 20210818-20220817 |
CURVE1_A-HNU6 | 20220818 | 20210818-20220817 |
其中,表格的第2-3行为基于直接法得到的情景,第4-21行为基于分步法的情景,分别对应分步法的三种方式。
需要说明的是,各个第一风险因子分组采用哪种方式生成情景与各第一风险因子分组的观测数有关。
示例性地,第一风险因子的向上冲击和向下冲击可以按照表5的结构存储。
表5第一风险因子的向上冲击和向下冲击
针对各个情景,可以确定用户当前持有的各头寸在对应情景的变动下,产生的损益值,得到第二损益值。例如用户持有5个头寸,针对情景1,可以分别确定5个头寸分别在情景1的变动下,产生的损益值,累加5个头寸的损益值之和,即可得到5个头寸在情景1的变动下,产生的损益值和,也即第二损益值。
根据第一情景和第一风险因子组的关联关系,以及第一情景对应的第二损益值,可以确定第一风险因子组的第一损益值。具体确定方法可以与第一情景的生成方法有关,本申请实施例对具体的确定过程不进行限定。
本申请实施例根据第一风险因子组的观测数,可以采用不同的方法生成对应的情景,如此可以更准确地确定用户持有的头寸产生的损益值,为后续更准确地确定各第一风险因子组的资本度量值提供了基础。
第一风险因子j的回报序列{Return(rj,t,10)},也即变动量,可以通过如下方式确定:
绝对变动:
相对变动:
其中,Return(rj,t,10)表示第一风险因子j在观测日期Dt的10天回报,为与观测日期Dt对应的变动日期,表示观测日期Dt和变动日期之间的工作日天数。rj(Dt)表示第一风险因子j在观测日期Dt的观测值,例如可以是价格,表示第一风险因子j在变动日期的观测值。
回报序列Return(rj,t,10)的个数N=M-1,M为预设时间段内总的观测值个数。
各第一风险因子组内的各第一风险因子的变动量可以按照上述变动公式确定。不同风险类别的风险因子可以采用不同的变动方式,例如对于外汇、商品和股票三个风险类别的风险因子,可以采用相对变动方式确定变动量,信用利差类的风险因子可以采用绝对变动方式确定变动量,
同一个风险类别的不同风险因子也可以采用不同的方式确定变动量,例如对于利率类,利率波动率风险因子可以采用相对变动方式确定变动量,除波动率之外的风险因子可以采用绝对变动方式确定变动量。
示例性地,第一风险因子组的变动量(也称为10日变动量)可以按照表6的结构存储。
表6第一风险因子组的变动量
风险因子 | 风险因子分组 | 观测日期 | 变动日期 | 变动量 |
Riskfactor1 | CURVE1_A | 20210818 | 20210831 | 3.16227766 |
在S130中,各第一风险因子组的第一损益值确定之后,即可结合资本度量值的计算公式,确定各第一风险因子组的资本度量值。
示例性地,第一风险因子组的资本度量值可以表示为如下形式:
其中,为流动性期限调整系数,LHadj(j)为第一风险因子j调整后的流动性期限,LHadj(j)=max(20,LH(j)),LH(j)为第一风险因子j调整前的流动性期限,为第一风险因子组对应的第一损益值,
由于分步法是基于假设ES(loss[rj(Dt)])≈loss(ES[rj(Dt)]),此假设在线性条件下成立。当损失为指数型等非线性函数时,ES(loss[rj(Dt)])和loss(ES[rj(Dt)])之间的关系式需要加入非线性调整因子。
此处,
(1)当使用历史法时,
式中α=2.5%,Ret(j)为第一风险因子j的10-business-days回报的时间序列。N为第一风险因子j的可观测值数量。[αN]代表αN的整数部分。
C、当压力情景未来冲击不是发生在对风险因子shock范围的边界上时
对于每一个第一风险因子组,在确定的极端压力区间、当前统计日期下,可以按照表7的结构存储LHadj、SS和UCF或K。
表7第一风险因子组的LHadj、SS和UCF或K
根据第一风险因子组的观测数,可以选择对应的RSS计算公式,并结合对应的RSS计算公式得到各第一风险因子组的资本度量值RSS。
在S140中,各第一风险因子组的资本度量值确定之后,即可通过资本聚合方式聚合各第一风险因子组的资本度量值,得到各第一风险因子组在预设时间段内的资本聚合值。
示例性地,可以通过以下关系,确定各第一风险因子在预设时间段内的资本聚合值:
预设时间段为历史的某个时间区间,也称为极端压力区间,示例性地,可以通过如下方式确定极端压力区间:
获取至少一个历史时间区间,各历史时间区间的间隔相同;
针对每一个历史时间区间,根据第一风险因子所属的风险类别,确定在历史时间区间内,与风险类别对应的各第一风险因子组的资本度量总值;
将各历史时间区间对应的资本度量总值最大的历史时间区间,确定为预设时间段。
示例性地,可以从20070101至当前统计日期20220818之间每一年作为一个历史时间区间,示例性地,历史时间区间可以按照表8的结构存储。一个历史时间区间可以称为一个压力情景区间。
表8历史时间区间
压力情景区间 | 统计日期 |
20070101-20071231 | 20220818 |
20070102-20080101 | 20220818 |
…… | 20220818 |
20210818-20220817 | 20220818 |
每个历史时间区间,可以按照极端压力区间(预设时间段)的情景生成方法生成对应的压力情景。
针对每一个历史时间区间,根据第一风险因子所属的风险类别,确定在该历史时间区间内,与风险类别对应的各第一风险因子组的资本度量总值,然后从各历史时间区间中选取资本度量总值最大的历史时间区间,作为预设时间段,也即极端压力区间。其中,各历史时间区间内,各第一风险因子组的资本度量值的过程与极端压力区间内各第一风险因子组的资本度量值的过程类似,具体可以参见上述实施例,为简洁描述,此处不再赘述。
本申请实施例根据各个历史时间区间内的各第一风险因子组的资本度量值的总值,从中选取总值最大的历史时间区间,作为极端压力区间,为后续确定各第一风险因子的资本聚合值提供了依据。
本申请实施例通过上述方案对未通过风险因子合格性检验的风险因子的资本进行了计量,满足了市场风险资本的要求。
在一些实施例中,在S140之后,该资本确定方法还可以包括以下步骤:
接收第一信息查询请求;
响应于第一输入,显示第一界面,第一界面的信息与第一信息查询请求相对应。
示例性地,第一信息查询请求可以是查询第一风险因子的请求,示例性地,若用户选取某一观测区间,第一界面可以展示该观测区间内所有的第一风险因子的观测值,以及10日变动量加工结果可以参见表9。
表9第一风险因子的观测值,以及10日变动量加工结果
其中,第一界面的字段逻辑说明如下:
【系统日期】:报表日
【观测起始日】:观测区间起始日
【观测终止日】:观测区间终止日
【曲面/曲面】:曲线/曲面名称(提供曲线筛选功能)
【风险因子维度】:风险因子名称(提供风险因子维度筛选功能)
【监管分组维度】:监管分组名称(提供监管分组维度筛选功能)
【System Date】:系统日/报表日
【Curve ID】:曲线/曲面名称
【NMRF】:不可建模风险因子名称
【NMRF Group】:NMRF的RSS计算采用的维度:若【Is Bucket】
为TRUE,则该字段为【Curve ID】+【Bucket】;否则,该字段为
【NMRF】
【Obv Date】:NMRF的观测值对应的日期
【Obv Value】:NMRF的观测值
【Obv Date+10BD】:10个工作日后NMRF的观测值对应的日期
【Obv Value+10BD】:10个工作日后NMRF的观测值
【10BD Shift】:10日变动量
示例性地,第一信息查询请求可以是查询历史压力情景区间的请求,对应的第一界面的信息可以参见表10。
表10历史压力情景区间
其中,第一界面的字段逻辑说明如下:
【系统日期】:报表日
【压力情景区间选择方法】:RSS
【Scenario No】:历史情景编号
【Start】:历史情景起始日
【End】:历史情景终止日
【Risk Class】:NMRF所属的风险类型(IR/CS/EQ/FX/CM)
【NMRF Group】:NMRF的RSS计算采用的维度:若监管分组,则该字段为曲线名称+监管分组;否则,该字段为NMRF本身。此外,另设Total维度用于计算各个风险类型下RSS总和
【Obv Num】:该历史区间内NMRF观测值数目
【Method】:根据【Obv Num】选择的RSS计算方法,包括直接法、分步法-历史法、分步法-非对称Sigma法、分步法-回退法等
【RSS】:根据【Method】计算出的【NMRF Group】对应的RSS值;当【NMRF Group】为Total时,计算该风险类型下RSS总和
压力情景区间选择结果展示:按不同风险类型(IR/CS/EQ/FX/CM)统计Total层级RSS最大的历史情景区间(包括所选的历史情景编号ScenarioNo、起始日Start,终止日End,RSS)。
示例性地,第一信息查询请求可以是查询极端压力情景下的RSS值,基于压力情景区间选择结果,第一界面可以展示逐个第一风险因子和逐个第一风险因子分组下的各个内模法交易台的RSS风险测度的计算结果。
示例性地,各第一风险因子和个第一风险因子分组下的各个内模法交易台的RSS风险测度的计算结果可以参见表11。
表11RSS的计算结果
其中,第一界面的字段逻辑说明如下:
【系统日期】:报表日
【交易台选择】:内模法交易台。若字段缺省,取全行层级。
【NMRF Group】:NMRF的RSS计算采用的维度:若监管分组,则该字段为曲线名称+监管分组;否则,该字段为NMRF本身。
【Risk Class】:NMRF所属的风险类型(IR/CS/EQ/FX/CM)
【Stress Scenario】:NMRF所属的风险类型映射至压力情景选择结果
【Start】:压力情景区间起始日
【End】:压力情景区间终止日
【Obv Num】:该压力情景区间内NMRF观测值数目
【Method】:根据【Obv Num】选择的RSS计算方法,包括直接法、分步法-历史法、分步法-非对称Sigma法、分步法-回退法、最大损失法等
【RSS】:根据【Method】计算出的【NMRF Group】对应的RSS值
【Idiosyncratic CS Flag】:不可建模特定信用利差风险因子标识
【Idiosyncratic EQ Flag】:不可建模特定股权风险因子标识
示例性地,第一信息查询请求可以是查询资本聚合值的请求。基于各个不可建模风险因子RSS计算结果,由资本聚合公式,计算得到该层级的SES结果。
示例性地,各第一风险因子的资本聚合值可以参见表12。
表12各第一风险因子的资本聚合值
其中,第一界面的字段逻辑说明如下:
【系统日期】:报表日
【System Date】:系统日/报表日
【Trading Desk】:内模法交易台
【SES】该交易台下对应计算得到的不可建模资本SES
基于相同的发明构思,本申请实施例还提供了一种资本确定装置,下面结合图2对本申请实施例提供的资本确定装置进行详细说明。
图2为本申请实施例提供的一种资本确定装置的结构图。
如图2所示,该资本确定装置可以包括:获取模块210、确定模块220和聚合模块230;
获取模块210,用于获取至少一个第一风险因子组,第一风险因子组包括至少一个第一风险因子,第一风险因子为未通过风险因子合格性检验的风险因子;
确定模块220,用于根据各第一风险因子组内的观测数,针对每一个第一风险因子分组,确定第一风险因子组的第一损益值;
确定模块220,还用于根据各第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值;
聚合模块230,用于根据预设的资本聚合方式,聚合各第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
本申请实施例可以根据各风险因子组内的观测数,确定各风险因子组的损益值,然后根据各风险因子组的损益值,确定各风险因子组的资本度量值,进而通过聚合各风险因子组的资本度量值,得到各风险因子在预设时间段内的资本聚合值,如此实现了对未通过风险因子合格性检验的风险因子的资本确定,为决策人员提供了数据支持。
在一些实施例中,确定模块220,还用于在根据各第一风险因子组内的观测数,针对每一个第一风险因子分组,确定第一风险因子组的第一损益值之前,针对每一个第一风险因子组,在预设时间段内确定第一风险因子组内各第一风险因子均有真实价格的日期,作为候选日期;
针对每一个候选日期,在大于候选日期且小于当前统计日期的其他候选日期中,选取与候选日期的距离满足第一预设条件的候选日期,作为变动日期,并将与变动日期对应的候选日期作为观测日期,得到观测日期和变动日期形成的观测日期对;
将各第一风险因子组内各第一风险因子的数量与观测日期对的数量的乘积,确定为各第一风险因子组内的观测数。
在一些实施例中,确定模块220,具体用于:
根据各第一风险因子组内的观测数,选择与第一风险因子组对应的情景生成方法;
根据情景生成方法,生成与第一风险因子组对应的第一情景;
针对每一个第一情景,确定用户当前持有的各头寸在第一情景下的第二损益值;
根据第一情景和第一风险因子组的关联关系,以及第一情景对应的第二损益值,确定第一风险因子组的第一损益值。
在一些实施例中,确定模块220,还用于在根据各第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值之后,获取至少一个历史时间区间,各历史时间区间的间隔相同;
针对每一个历史时间区间,根据第一风险因子所属的风险类别,确定在历史时间区间内,与风险类别对应的各第一风险因子组的资本度量总值;
将各历史时间区间对应的资本度量总值最大的历史时间区间,确定为预设时间段。
在一些实施例中,确定模块220,具体用于:
通过以下关系,确定各第一风险因子在预设时间段内的资本聚合值:
在一些实施例中,该资本确定装置还可以包括:
接收模块,用于在聚合模块230根据预设的资本聚合方式,聚合各第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值之后,接收第一信息查询请求;
显示模块,用于响应于第一输入,显示第一界面,第一界面的信息与第一信息查询请求相对应。
图2所示装置中的各个模块具有实现图1中各个步骤的功能并能达到相应的技术效果,为简洁描述,此处不再赘述。
基于相同的发明构思,本申请实施例还提供了一种电子设备,该电子设备例如可以是手机、平板电脑、笔记本电脑、掌上电脑等。下面结合图3对本申请实施例提供的电子设备进行详细说明。
如图3所示,该电子设备可以包括处理器310以及用于存储计算机程序指令的存储器320。
处理器310可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器320可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器320可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个实例中,存储器320可以包括可移除或不可移除(或固定)的介质,或者存储器320是非易失性固态存储器。在一个实例中,存储器320可以是只读存储器(Read Only Memory,ROM)。在一个实例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器310通过读取并执行存储器320中存储的计算机程序指令,以实现图1所示实施例中的方法,并达到图1所示实施例执行其方法达到的相应技术效果,为简洁描述,在此不再赘述。
在一个示例中,该电子设备还可包括通信接口330和总线340。其中,如图3所示,处理器310、存储器320、通信接口330通过总线340连接并完成相互间的通信。
通信接口330,主要用于实现本申请实施例中各模块、装置和/或设备之间的通信。
总线340包括硬件、软件或两者,将电子设备的各部件彼此耦接在一起。举例来说而非限制,总线340可包括加速图形端(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(IndustryStandard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线340可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
该电子设备在获取至少一个第一风险因子组后可以执行本申请实施例中的资本确定方法,从而实现结合图1描述的资本确定方法以及图2描述的资本确定装置。
另外,结合上述实施例中的资本确定方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种资本确定方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请实施例的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种资本确定方法,其特征在于,包括:
获取至少一个第一风险因子组,所述第一风险因子组包括至少一个第一风险因子,所述第一风险因子为未通过风险因子合格性检验的风险因子;
根据各所述第一风险因子组内的观测数,针对每一个第一风险因子分组,确定所述第一风险因子组的第一损益值;
根据各所述第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值;
根据预设的资本聚合方式,聚合各所述第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述第一风险因子组内的观测数,针对每一个第一风险因子分组,确定所述第一风险因子组的第一损益值之前,所述方法还包括:
针对每一个第一风险因子组,在所述预设时间段内确定所述第一风险因子组内各所述第一风险因子均有真实价格的日期,作为候选日期;
针对每一个候选日期,在大于所述候选日期且小于当前统计日期的其他候选日期中,选取与所述候选日期的距离满足第一预设条件的候选日期,作为变动日期,并将与所述变动日期对应的候选日期作为观测日期,得到观测日期和变动日期形成的观测日期对;
将各所述第一风险因子组内各第一风险因子的数量与观测日期对的数量的乘积,确定为各所述第一风险因子组内的观测数。
3.根据权利要求1所述的方法,其特征在于,所述根据各所述第一风险因子组内的观测数,针对每一个第一风险因子分组,确定所述第一风险因子组的第一损益值,包括:
根据所述各所述第一风险因子组内的观测数,选择与所述第一风险因子组对应的情景生成方法;
根据所述情景生成方法,生成与所述第一风险因子组对应的第一情景;
针对每一个所述第一情景,确定用户当前持有的各头寸在所述第一情景下的第二损益值;
根据第一情景和第一风险因子组的关联关系,以及第一情景对应的第二损益值,确定所述第一风险因子组的第一损益值。
4.根据权利要求1所述的方法,其特征在于,所述根据各所述第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值之后,所述方法还包括:
获取至少一个历史时间区间,各历史时间区间的间隔相同;
针对每一个历史时间区间,根据所述第一风险因子所属的风险类别,确定在所述历史时间区间内,与所述风险类别对应的各所述第一风险因子组的资本度量总值;
将各所述历史时间区间对应的资本度量总值最大的历史时间区间,确定为预设时间段。
6.根据权利要求1-5任一项所述的方法,其特征在于,所述根据预设的资本聚合方式,聚合各所述第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值之后,所述方法还包括:
接收第一信息查询请求;
响应于所述第一输入,显示第一界面,所述第一界面的信息与所述第一信息查询请求相对应。
7.一种资本确定装置,其特征在于,包括:获取模块、确定模块和聚合模块;
所述获取模块,用于获取至少一个第一风险因子组,所述第一风险因子组包括至少一个第一风险因子,所述第一风险因子为未通过风险因子合格性检验的风险因子;
所述确定模块,用于根据各所述第一风险因子组内的观测数,针对每一个第一风险因子分组,确定所述第一风险因子组的第一损益值;
所述确定模块,还用于根据各所述第一风险因子组的第一损益值,分别确定各第一风险因子组的资本度量值;
所述聚合模块,用于根据预设的资本聚合方式,聚合各所述第一风险因子组的资本度量值,得到各第一风险因子在预设时间段内的资本聚合值。
8.一种电子设备,其特征在于,包括:
处理器;
存储器,用于存储计算机程序指令;
当所述计算机程序指令被所述处理器执行时,实现如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时,实现如权利要求1-6中任一项所述的方法。
10.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211606518.0A CN115953227A (zh) | 2022-12-13 | 2022-12-13 | 一种资本确定方法、装置、设备、介质及产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211606518.0A CN115953227A (zh) | 2022-12-13 | 2022-12-13 | 一种资本确定方法、装置、设备、介质及产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115953227A true CN115953227A (zh) | 2023-04-11 |
Family
ID=87281789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211606518.0A Pending CN115953227A (zh) | 2022-12-13 | 2022-12-13 | 一种资本确定方法、装置、设备、介质及产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115953227A (zh) |
-
2022
- 2022-12-13 CN CN202211606518.0A patent/CN115953227A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242261B (zh) | 基于大数据评估保全风险的方法及终端设备 | |
US20140089040A1 (en) | System and Method for Customer Experience Measurement & Management | |
CN107958297B (zh) | 一种产品需求预测方法及产品需求预测装置 | |
CN103577660B (zh) | 灰度实验系统和方法 | |
CN111476296A (zh) | 样本生成方法、分类模型训练方法、识别方法及对应装置 | |
CN109190873A (zh) | 一种车辆维修技术等级的评估方法和相关设备 | |
CN106657129A (zh) | 居家老人服务数据处理的方法及装置 | |
CN106096811A (zh) | 一种企业信用评估方法及装置 | |
CN112836178B (zh) | 一种用于传输天然气能量计量数据的方法和系统 | |
CN115953227A (zh) | 一种资本确定方法、装置、设备、介质及产品 | |
CN109857816B (zh) | 测试样本的选取方法及装置、存储介质、电子设备 | |
CN113051526A (zh) | 一种量化评估方法及装置 | |
CN110610415A (zh) | 一种模型更新的方法和装置 | |
CN112926991B (zh) | 一种套现团伙严重等级划分方法及系统 | |
CN115271450A (zh) | 主焦煤性价比评估方法、装置、设备及存储介质 | |
CN115689766A (zh) | 业务额度的确定方法、装置、设备及计算机存储介质 | |
CN110246024A (zh) | 违约指数评估方法 | |
CN115082135A (zh) | 一种信息差异识别方法、装置、设备及介质 | |
CN114417830A (zh) | 风险评价方法、装置、设备及计算机可读存储介质 | |
CN116228432A (zh) | 一种虚拟资源组合的分类方法、装置、设备以及存储介质 | |
CN114240599A (zh) | 贷款测算方法、装置、计算机设备和存储介质 | |
CN112396291A (zh) | 信息确定方法、装置、电子设备及计算机存储介质 | |
CN112734121A (zh) | 基于支付数据的信息输出方法和装置 | |
CN111784512A (zh) | 银企对账流程处理方法、装置及电子设备 | |
CN110113471A (zh) | 号码监测方法及装置 |
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 |