CN116342267A - 承销商行为相似度分析方法及装置、存储介质及电子设备 - Google Patents

承销商行为相似度分析方法及装置、存储介质及电子设备 Download PDF

Info

Publication number
CN116342267A
CN116342267A CN202211738877.1A CN202211738877A CN116342267A CN 116342267 A CN116342267 A CN 116342267A CN 202211738877 A CN202211738877 A CN 202211738877A CN 116342267 A CN116342267 A CN 116342267A
Authority
CN
China
Prior art keywords
bond
group
contractor
similarity
underwriter
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
Application number
CN202211738877.1A
Other languages
English (en)
Inventor
杨雪
陈婧
李东升
程振华
唐华云
陈思彤
黄鑫玉
张锦涛
张威
伍婷婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Branch Of China Central Treasury Bond Securities Depository And Clearing Co ltd
Original Assignee
Shenzhen Branch Of China Central Treasury Bond Securities Depository And Clearing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Branch Of China Central Treasury Bond Securities Depository And Clearing Co ltd filed Critical Shenzhen Branch Of China Central Treasury Bond Securities Depository And Clearing Co ltd
Priority to CN202211738877.1A priority Critical patent/CN116342267A/zh
Publication of CN116342267A publication Critical patent/CN116342267A/zh
Pending legal-status Critical Current

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
    • 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
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Technology Law (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Algebra (AREA)
  • General Business, Economics & Management (AREA)

Abstract

本发明提供了一种承销商行为相似度分析方法及装置、存储介质及电子设备，该方法包括：按照业务排名和社区发现算法，在各个团内承销商中，确定多个目标团内承销商；确定每个团外承销商与每个目标团内承销商之间的相似度，根据这类相似度在各个团外承销商中确定第一候选承销商；确定发行人偏好债券集合和每个团外承销商的承销商偏好债券集合；确定每个承销商偏好债券集合与发行人偏好债券集合的相似度，根据这类相似度在各个团外承销商中确定第二候选承销商；将同时被确定为第一候选承销商和第二候选承销商的团外承销商作为推荐对象。应用本发明的方法，可筛选得到与发行人需求匹配度较高的承销商，向其进行推荐，有利于提升承销效果。

Description

承销商行为相似度分析方法及装置、存储介质及电子设备
技术领域
本发明涉及金融技术领域，特别是涉及一种承销商行为相似度分析方法及装置、存储介质及电子设备。
背景技术
在金融领域中，当债券发行人想要通过证券市场筹集资金时，会聘请承销商来帮助它组织实施债券的发行和销售，以实现筹措资金的目的。债券的发行人通常通过承销团完成债券发行销售工作，承销团由多个承销商组成，每个承销商在债券发行过程中参与投标、承销债券，可突破单个机构的规模限制，减少发行风险，提高发行效率。
而债券发行人的承销团并非是固定的，为提高承销商之间的竞争力以及提高债券发行效率等原因，通常存在承销商退出和增补机制，债券发行人会遴选团外承销商对承销团进行增补，团外承销商指的是承销团外的承销商。
目前，通常是由工作人员根据团外承销商本身的特征指标向债券发行人推荐某些团外承销商，供债券发行人对承销团进行增补，例如推荐承销业绩较好的团外承销商等等。而在实际的债券发行场景中，不同的债券发行人的债券发行偏好不同，不同的债券承销商的承销经历不同，基于现有的推荐方式遴选的团外承销商仅是全局视角上，某一指标较为优异的承销商，该承销商的承销行为未必与当前的债券发行人的需求相匹配，不利于提升承销团的承销效果。
发明内容
有鉴于此，本发明实施例提供了一种承销商行为相似度分析方法，以解决基于现有方式推荐的承销商与发行人的需求匹配度较低，不利于提升承销效果的问题。
本发明实施例还提供了一种承销商行为相似度分析装置，用以保证上述方法实际中的实现及应用。
为实现上述目的，本发明实施例提供如下技术方案：
一种承销商行为相似度分析方法，包括：
当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
确定每个所述团内承销商对应的业务排名；
依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
上述的方法，可选的，所述依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商，包括：
按照各个所述团内承销商对应的业务排名由高到低的顺序，在各个所述团内承销商中选取与第一预定数目相匹配的多个团内承销商，将选取的每个团内承销商标记为第一团内承销商；
确定所述目标债券发行人对应的目标知识图谱；所述目标知识图谱为基于预设的所有债券发行人、预设的所有已发行债券、各个所述承销商、各个所述债券发行人与各个所述已发行债券之间的发行关联关系以及各个所述承销商与各个所述已发行债券之间的投标关联关系所构建的知识图谱；
依据所述基于图的社区发现算法，在所述目标知识图谱中，确定所述目标债券发行人对应的目标社区以及每个所述团内承销商对应的节点；
对于每个所述团内承销商，若该团内承销商对应的节点为所述目标社区中的节点，则将该团内承销商标记为第二团内承销商；
对于每个所述团内承销商，若该团内承销商被标记为所述第一团内承销商和/或所述第二团内承销商，则将该团内承销商确定为所述目标团内承销商。
上述的方法，可选的，所述确定该团外承销商对应的相似度集合，包括：
确定每个所述目标团内承销商对应的初始相似度集合；每个所述初始相似度集合中包括基于预设的多种相似度算法确定的多个相似度，每个所述初始相似度集合中的每个相似度表征该团外承销商与该初始相似度集合对应的目标团内承销商之间的相似程度；
对于每个所述初始相似度集合，将该初始相似度集合中数值最大的相似度作为该初始相似度集合对应的目标团内承销商所对应的承销商相似度；
将各个所述目标团内承销商对应的承销商相似度组成该团外承销商对应的相似度集合。
上述的方法，可选的，所述多个债券组的确定过程，包括：
对于预设的每个已发行债券，确定该已发行债券对应的债券信息，该债券信息包括该已发行债券对应的债券类型、期限和发行利差；
按照各个所述已发行债券对应的债券信息，将各个所述已发行债券划分为多个债券集合，每个所述债券集合包括至少一个所述已发行债券，每个所述债券集合中的各个已发行债券所对应的债券信息相同；
对于每个所述债券集合，将该债券集合中的所有已发行债券组成所述债券组。
上述的方法，可选的，所述确定所述目标债券发行人对应的发行人偏好债券集合，包括：
确定所述目标债券发行人对应的多个债券发行数量，所述多个债券发行数量与所述多个债券组一一对应；
确定所述目标债券发行人对应的多个债券发行金额，所述多个债券发行金额与所述多个债券组一一对应；
对于每个所述债券组，依据该债券组对应的债券发行数量和债券发行金额，确定该债券组对应的发行人偏好度；
按照各个所述债券组对应的发行人偏好度由高到低的顺序，在各个所述债券组中选取与第二预定数目相匹配的多个债券组，将选取的各个债券组组成所述发行人偏好债券集合。
上述的方法，可选的，所述确定每个所述团外承销商对应的承销商偏好债券集合，包括：
确定每个所述债券组对应的可投标量；
对于每个所述团外承销商，确定该团外承销商对应的多个有效投标量，所述多个有效投标量与所述多个债券组一一对应；
对于每个所述团外承销商对应的每个有效投标量，计算该有效投标量与其对应的债券组所对应的可投标量的比值，将该比值作为该团外承销商对应的有效投标占比，并确定该有效投标占比与该有效投标量对应的债券组的关联关系；
对于每个所述团外承销商，确定该团外承销商对应的投标占比均值，该投标占比均值为该团外承销商对应的各个有效投标占比的均值；
对于每个所述团外承销商对应的每个有效投标占比，将该有效投标占比与该团外承销商对应的投标占比均值进行比较，若该有效投标占比大于该投标占比均值，则将该有效投标占比关联的债券组作为该团外承销商对应的目标债券组；
对于每个所述团外承销商，将该团外承销商对应的所有目标债券组组成该团外承销商对应的承销商偏好债券集合。
上述的方法，可选的，所述确定该团外承销商对应的行为相似度，包括：
确定第一数量，所述第一数量为所述发行人偏好债券集合中债券组的总个数；
依据该团外承销商对应的承销商偏好债券集合，在所述发行人偏好债券集合中确定该团外承销商对应的重合债券组；
确定第二数量，所述第二数量为该团外承销商对应的重合债券组的总个数；
计算所述第二数量与所述第一数量的比值，将该比值作为该团外承销商对应的行为相似度。
一种承销商行为相似度分析装置，包括：
第一确定单元，用于当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
第二确定单元，用于确定每个所述团内承销商对应的业务排名；
第三确定单元，用于依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
第四确定单元，用于对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
第一判断单元，用于对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
第五确定单元，用于确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
第二判断单元，用于对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
推荐单元，用于对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的承销商行为相似度分析方法。
一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的承销商行为相似度分析方法。
基于上述本发明实施例提供的一种承销商行为相似度分析方法，包括：当需要向目标债券发行人推荐债券承销商时，在所有承销商中确定目标债券发行人对应的各个团内承销商和各个团外承销商；确定每个团内承销商对应的业务排名；依据各个业务排名以及预设的基于图的社区发现算法，在各个团内承销商中，确定多个目标团内承销商；确定每个团外承销商对应的相似度集合，每个相似度集合包括多个承销商相似度，各个承销商相似度与各个目标团内承销商一一对应，每个承销商相似度表征相应的目标团内承销商与团外承销商的相似程度；判断每个团外承销商对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，将相似度集合中存在大于第一预设阈值的承销商相似度的团外承销商标记为第一候选承销商；确定目标债券发行人对应的发行人偏好债券集合和每个团外承销商对应的承销商偏好债券集合；确定每个团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，将其对应的行为相似度大于第二预设阈值的团外承销商标记为第二候选承销商，行为相似度表征相应的团外承销商对应的承销商偏好债券集合与发行人偏好债券集合的相似程度；若团外承销商被标记为第一候选承销商，且被标记为第二候选承销商，则将该团外承销商作为向目标债券发行人推荐的债券承销商。应用本发明提供的方法，可根据团外承销商与团内承销商的相似程度，以及团外承销商与债券发行人在债券偏好方面的相似程度，从各个团外承销商中确定推荐的债券承销商，以相似度分析的方式遴选推荐的承销商，推荐的团外承销商与债券发行人具有较强的相似关联性，与债券发行人的需求匹配度较高，有利于提升承销团的承销效果。其次，此过程无需工作人员参与，可减少人工工作量，避免经验差异对结果造成的不良影响。
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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种承销商行为相似度分析方法的方法流程图；
图2为本发明实施例提供的一种承销商行为相似度分析方法的又一方法流程图；
图3为本发明实施例提供的一种承销商行为相似度分析方法的另一方法流程图；
图4为本发明实施例提供的一种承销商行为相似度分析装置的结构示意图；
图5为本发明实施例提供的一种电子设备的结构示意图。
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。
在本申请中，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“包括一个……”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。
本发明实施例提供了一种承销商行为相似度分析方法，所述方法可应用于债券承销商推荐系统，其执行主体可以为系统的服务器，所述方法的方法流程图如图1所示，包括：
S101：当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
本发明实施例提供的方法中，系统中预先配置有承销商名单，其中记录了可以承销债券的所有承销商。当用户需要确定向某个债券发行人推荐的债券承销商时，可以通过系统前端界面指定目标债券发行人，以向服务器发送推荐承销商的触发指令。
本发明实施例提供的方法中，当服务器接收到相应的指令时，可读取目标债券发行人的承销团名单，根据其承销团名单，在预先配置的所有承销商中，确定目标债券发行人对应的各个团内承销商和各个团外承销商。团内承销商指的是承销团中的承销商，团外承销商指的是所有承销商中除承销团外的承销商。
S102：确定每个所述团内承销商对应的业务排名；
本发明实施例提供的方法中，预先按照预设的排名策略对承销团内的承销商进行了排名，系统中存储有承销团成员的业务排名结果。具体的，可以按照承销商的中标量、投标量或是中标量与投标量的比值等业务数据进行排名，业务数据表征指标越优质的，业务排名越靠前。
本发明实施例提供的方法中，从预先存储的目标债券发行人的承销团成员的业务排名结果中，可以获取每个团内承销商对应的业务排名。
S103：依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
本发明实施例提供的方法中，可以通过两种途径分别对团内承销商进行筛选。一方面，通过基于图的社区发现算法，在各个团内承销商中找到与目标债券发行人更加紧密的承销商，将这些承销商筛选出来。另一方面，通过团内承销商的业务排名找到业务指标更加优异的承销商，将这些承销商筛选出来。将这两个途径筛选出来的承销商进行合并，得到各个目标团内承销商。基于图的社区发现算法的原理是将关系图谱中的节点划分为不同的社区，同在一个社区内的节点联系相对社区外的节点更为紧密，由此衡量节点间的关系，该算法是一类现有算法，在此不作详细介绍。
S104：对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应；
本发明实施例提供的方法中，预先存储有所有承销商的债券承销信息，以及预先设置有承销商相似度计算策略。可以按照策略需求从预先存储的信息中获取每个团外承销商的特征信息以及每个团内承销商的特征信息，特征信息可以包括有效投标债券、投标债券类型、投标类型等等数据，可由具体的策略需求决定。承销商相似度计算策略可以基于多种相似度算法设置，从中选取一种算法结果作为最终的相似度结果，也可以仅基于一种相似度算法进行设置，相似度算法可以基于现有相似度的度量原理进行设置，例如杰卡德相似度、余弦相似度、欧式距离等等。
需要说明的是，在具体的实现过程中，可以根据实际需求设置承销商相似度计算策略，可以基于不同的相似度算法设置，不影响本发明实施例提供的方法实现功能。
基于特征信息和预先设置的承销商相似度计算策略，可以确定每个团外承销商对应的相似度集合，每个团外承销商对应的相似度集合中的各个承销商相似度，与各个目标团内承销商一一对应，每个所述承销商相似度表征其对应的目标团内承销商与该团外承销商的相似程度。
S105：对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
本发明实施例提供的方法中，根据需求预先设置了第一预设阈值，该阈值用于衡量两个承销商之间是否相似，若两者的相似度大于该阈值，则说明两者相似，反之，两者则不相似。
本发明实施例提供的方法中，将每个团外承销商对应的相似度集合中的每个承销商相似度与第一预设阈值进行大小比较。若相似度集合中存在至少一个承销商相似度大于第一预设阈值，则将该相似度集合对应的团外承销商视为第一候选承销商，若相似度集合中的每个承销商相似度均不大于第一预设阈值，则不对相应的团外承销商进行标记。
S106：确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
本发明实施例提供的方法中，预先配置了预定时间范围内的已发行债券集合，其中包括多个已发行债券，已发行债券集合中的已发行债券可以根据实际的度量需求设置，例如可以是包括上一年度证券市场中发行的所有债券，也可以是包括上一年度证券市场中发行的某一券种的所有债券等。预先对所有已发行债券进行分组，确定了多个债券组。根据预先存储的目标债券发行人的债券发行信息和团外承销商的债券承销信息，可在已确定的多个债券组中，确定目标债券发行人偏好发行的债券组，组成发行人偏好债券集合，并在已确定的多个债券组中，确定每个团外承销商偏好承销的债券组，组成每个团外承销商对应的承销商偏好债券集合。
S107：对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商；
本发明实施例提供的方法中，预先设置有发行人与承销商行为相似度的计算策略，基于该计算策略，可根据发行人偏好债券集合以及每个团外承销商对应的承销商偏好债券集合，计算每个团外承销商对应的行为相似度，该行为相似度表征对应的团外承销商所对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度。
需要说明的是，在具体的实现过程中，承销商行为相似度的计算策略可以基于现有的相似度指标进行设置，具体的策略可根据实际需求设置，可以基于不同的相似度算法进行设置，不影响本发明实施例提供的方法实现功能。
本发明实施例提供的方法中，根据需求预先设置了第二预设阈值，该阈值用于衡量承销商偏好债券集合与发行人偏好债券集合之间是否相似，也就是衡量发行人的行为偏好与承销商的行为偏好是否相似，若两者的相似度大于该阈值，则说明两者相似，反之，两者则不相似。将每个团外承销商对应的行为相似度与第二预设阈值进行大小比较，若当前进行比较的行为相似度大于第二预设阈值，则将该行为相似度对应的团外承销商视为第二候选承销商，若该行为相似度不大于第二预设阈值，则不对该团外承销商进行标记。
需要说明的是，在具体的实现过程中，第二预设阈值与步骤S105中提及的第一预设阈值，可以是相同的数值，也可以是不同的数值，可以根据实际需求设置，不影响本发明实施例提供的方法实现功能。
S108：对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
本发明实施例提供的方法中，对所有团外承销商进行标记识别，若是团外承销商被标记为第一候选承销商的同时，也被标记为了第二候选承销商，则将该团外承销商作为向目标债券发行人推荐的对象。若是团外承销商没有任何标记，或是仅被标记为第一候选承销商，或是仅被标记为第二候选承销商，均不将该团外承销商作为推荐对象。可以理解为，在从各个团外承销商中筛选出来的各个第一候选承销商与各个第二候选承销商中，重复的团外承销商，即为推荐的债券承销商。可以通过系统前端向用户反馈推荐的各个债券承销商。进一步的，可以同时在系统前端向用户反馈每个推荐的债券承销商对应的行为相似度，以及其对应的相似度集合中大于第一预设阈值的承销商相似度，将承销商与债券发行人的相似程度量化体现。
需要说明的是，在具体的实现过程中，可能存在每个团外承销商均未被同时标记为第一候选承销商和第二候选承销商的情况，在此情况下，可以认为当前没有推荐对象，可向用户反馈目标债券发行人当前的承销团符合其发行需求，没有推荐的增补成员。
基于本发明实施例提供的方法，当需要向目标债券发行人推荐债券承销商时，在所有承销商中确定目标债券发行人对应的各个团内承销商和各个团外承销商；确定每个团内承销商对应的业务排名；依据各个业务排名以及预设的基于图的社区发现算法，在各个团内承销商中，确定多个目标团内承销商；确定每个团外承销商对应的相似度集合，相似度集合中包括多个承销商相似度，所述多个承销商相似度与各个目标团内承销商一一对应，每个承销商相似度表征相应的目标团内承销商与团外承销商的相似程度；判断每个相似度集合中是否存在大于第一预设阈值的承销商相似度，若相似度集合中存在大于第一预设阈值的承销商相似度，则将相应的团外承销商标记为第一候选承销商；确定目标债券发行人对应的发行人偏好债券集合和每个团外承销商对应的承销商偏好债券集合；确定每个团外承销商对应的行为相似度，并判断每个行为相似度是否大于第二预设阈值，将其行为相似度大于第二预设阈值的团外承销商标记为第二候选承销商，行为相似度表征相应的承销商偏好债券集合与发行人偏好债券集合的相似程度；若团外承销商同时被标记为第一候选承销商和第二候选承销商，则将该团外承销商作为向目标债券发行人推荐的债券承销商。应用本发明实施例提供的方法，可根据团外承销商与团内承销商的相似程度，以及团外承销商与债券发行人在债券偏好方面的相似程度，从各个团外承销商中确定推荐的债券承销商，以相似度分析的方式遴选推荐的承销商，推荐的团外承销商与债券发行人具有较强的相似关联性，与债券发行人的需求匹配度较高，有利于提升承销团的承销效果。其次，此过程无需工作人员参与，可减少人工工作量，避免经验差异对结果造成的不良影响。
在图1所示方法的基础上，本发明实施例提供了又一种承销商行为相似度分析方法，如图2所示，本发明实施例提供的方法中，步骤S103中提及的依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商的过程，包括：
S201：按照各个所述团内承销商对应的业务排名由高到低的顺序，在各个所述团内承销商中选取与第一预定数目相匹配的多个团内承销商，将选取的每个团内承销商标记为第一团内承销商；
本发明实施例提供的方法中，预先设置了通过业务排名筛选团内承销商的数量要求，例如可以是设定了具体的筛选数目，又如可以是设定了筛选数量占总数的百分比，可根据预先设置的数量要求得到第一预定数目。
本发明实施例提供的方法中，可以按照业务排名由高到低的顺序，在各个团内承销商中按顺序选取多个团内承销商，选取的团内承销商的数量与第一预定数目相匹配，将选取的每个团内承销商视为第一团内承销商。
S202：确定所述目标债券发行人对应的目标知识图谱；
本发明实施例提供的方法中，系统中预先配置有证券市场中全国范围内的债券发行人信息、已发行债券信息、所有债券发行人的债券发行信息以及所有承销商的债券投标信息，可基于预先配置的信息，确定所有债券发行人、所有已发行债券、所有承销商、各个债券发行人与各个已发行债券之间的发行关联关系以及各个承销商与各个已发行债券之间的投标关联关系，基于预设的知识图谱构建策略，构建上述信息对应的知识图谱。知识图谱(Knowledge Graph)是人工智能的重要分支技术，知识图谱显示知识发展进程与结构关系的一系列、各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。知识图谱技术是一种现有的技术，在此不作详细介绍。系统中预设的所有债券发行人和所有已发行债券，均可根据实际的需求设置，例如预设的所有已发行债券可以是上一年度证券市场中发行的所有债券，或是上一年度证券市场中发行的某一券种的所有债券等。预设的所有债券发行人可以是上一年度发行过债券的发行人，或是上一年度发行过某一券种债券的发行人等。
本发明实施例提供的方法中，基于预设的所有债券发行人、预设的所有已发行债券、各个承销商、各个债券发行人与各个已发行债券之间的发行关联关系以及各个承销商与各个已发行债券之间的投标关联关系所构建的知识图谱即为目标知识图谱。具体的，将每个债券发行人、每个已发行债券和每个承销商分别作为节点，以承销商有效投标债券的行为作为连接承销商节点和已发行债券节点的边，投标量作为边的权重，即连接具有投标关联关系的承销商和已发行债券所对应的节点。将债券发行人发行债券的行为作为连接债券发行人节点和已发行债券节点的边，发行量作为边的权重，即连接具有发行关联关系的债券发行人与已发行债券所对应的节点。按照上述方式构建知识图谱网络，得到目标知识图谱。
S203：依据所述基于图的社区发现算法，在所述目标知识图谱中，确定所述目标债券发行人对应的目标社区以及每个所述团内承销商对应的节点；
本发明实施例提供的方法中，通过基于图的社区发现算法，将目标知识图谱划分为多个社区，将目标债券发行人对应的节点所在的社区作为目标社区，并在目标知识图谱中找到每个团内承销商对应的节点。基于图的社区发现算法是一种现有的算法，在此不作详细说明，仅对本发明实施例中的应用作简要的举例说明，本发明实施例中划分社区的过程，主要包括以下步骤：
①将目标知识图谱中的每个节点看成一个独立的社区，此时社区的数目与节点个数相同；
②对每个节点i，依次尝试把节点i分配到其每个邻居节点所在的社区，计算分配前与分配后的模块度变化ΔQ，并记录ΔQ最大的那个邻居节点，如果maxΔQ>0，则把节点i分配ΔQ最大的那个邻居节点所在的社区，否则保持不变；
③重复步骤②，直到所有节点的所属社区不再变化；
④对目标知识图谱进行压缩，将所有在同一个社区的节点压缩成一个新节点，社区内节点之间的边的权重转化为新节点的环的权重，社区间的边权重转化为新节点间的边权重；
⑤重复步骤①～步骤④，直到整个图的模块度不再发生变化，则完成社区划分。
S204：对于每个所述团内承销商，若该团内承销商对应的节点为所述目标社区中的节点，则将该团内承销商标记为第二团内承销商；
本发明实施例提供的方法中，可将每个团内承销商对应的节点与目标社区进行匹配识别，若团内承销商对应的节点在目标社区中，则将该团内承销商视为第二团内承销商，若团内承销商对应的节点不是目标社区内的节点，则不对该团内承销商进行标记。
S205：对于每个所述团内承销商，若该团内承销商被标记为所述第一团内承销商和/或所述第二团内承销商，则将该团内承销商确定为所述目标团内承销商。
本发明实施例提供的方法中，若是团内承销商被标记为第一团内承销商，或是被标记为第二团内承销商，或是同时被标记为第一团内承销商和第二团内承销商，则将该团内承销商确定为目标团内承销商。没有任何标记的团内承销商则并非目标团内承销商。可以理解为，对各个第一团内承销商和各个第二团内承销商取并集，并集中的每个团内承销商即为目标团内承销商。
需要说明的是，本发明实施例提供的步骤说明仅是为了更好地说明本发明的方法所提供的一个具体实施例。在具体实现过程中，基于业务排名筛选第一团内承销商的过程与基于社区发现算法筛选第二团内承销商的过程，可以是并行的，两者的顺序不影响本发明实施例提供的方法实现功能。
在图1所示方法的基础上，本发明实施例提供的方法中，步骤S104中提及的确定该团外承销商对应的相似度集合的过程，包括：
确定每个所述目标团内承销商对应的初始相似度集合；每个所述初始相似度集合中包括基于预设的多种相似度算法确定的多个相似度，每个所述初始相似度集合中的每个相似度表征该团外承销商与该初始相似度集合对应的目标团内承销商之间的相似程度；
本发明实施例提供的方法中，预先设置有多种相似度算法。在确定每个团外承销商对应的相似度集合的过程中，对于每个目标团内承销商，针对该目标团内承销商和当前的团外承销商，通过多种相似度算法计算两者的相似度，得到基于每种相似度算法计算的相似度，将这些相似度组成该目标团内承销商所对应的初始相似度集合。
对于每个所述初始相似度集合，将该初始相似度集合中数值最大的相似度作为该初始相似度集合对应的目标团内承销商所对应的承销商相似度；
将各个所述目标团内承销商对应的承销商相似度组成该团外承销商对应的相似度集合。
本发明实施例提供的方法中，对于每个目标团内承销商对应的初始相似度集合，在该集合中找到数值最大的相似度，即表征的相似程度最高的相似度，将该相似度作为该目标团内承销商所对应的承销商相似度，由此得到当前的团外承销商对应的相似度集合。
在图1所示方法的基础上，本发明实施例提供的方法中，步骤S106中提及的多个债券组的确定过程，包括：
对于预设的每个已发行债券，确定该已发行债券对应的债券信息，该债券信息包括该已发行债券对应的债券类型、期限和发行利差；
本发明实施例提供的方法中，从数据库中获取每个已发行债券对应的债券类型、期限和发行利差等债券特征数据，将每个已发行债券的债券特征数据作为每个已发行债券对应的债券信息。
按照各个所述已发行债券对应的债券信息，将各个所述已发行债券划分为多个债券集合，每个所述债券集合包括至少一个所述已发行债券，每个所述债券集合中的各个已发行债券所对应的债券信息相同；
对于每个所述债券集合，将该债券集合中的所有已发行债券组成所述债券组。
本发明实施例提供的方法中，通过债券信息的匹配，对各个已发行债券进行分组，债券信息相同的已发行债券分为一组，将分为一组的已发行债券视为一个债券组。
在图1所示方法的基础上，本发明实施例提供了又一种承销商行为相似度分析方法，如图3所示，本发明实施例提供的方法中，步骤S106中提及的确定所述目标债券发行人对应的发行人偏好债券集合的过程，包括：
S301：确定所述目标债券发行人对应的多个债券发行数量，所述多个债券发行数量与所述多个债券组一一对应；
本发明实施例提供的方法中，可根据预先存储的债券发行信息，计算目标债券发行人与每个债券组相对应的债券发行数量，每个债券组对应的债券发行数量为该债券组中属于目标债券发行人发行的债券的数量，即发行该债券组中已发行债券的数量的总和。
S302：确定所述目标债券发行人对应的多个债券发行金额，所述多个债券发行金额与所述多个债券组一一对应；
本发明实施例提供的方法中，根据债券发行信息，计算目标债券发行人与每个债券组相对应的债券发行金额，每个债券组对应的债券发行金额为目标债券发行人发行该债券组的金额，即发行该债券组中各个已发行债券的金额的总和。
S303：对于每个所述债券组，依据该债券组对应的债券发行数量和债券发行金额，确定该债券组对应的发行人偏好度；
本发明实施例提供的方法中，结合债券组对应的债券发行数量和债券发行金额，确定目标债券发行人对于该债券组的偏好程度，即该债券组对应的发行人偏好度。具体的，可以按照各个债券组对应的债券发行数量由高到低的顺序，对各个债券组进行排序，得到每个债券组的发行数量排名。按照各个债券组对应的债券发行金额由高到低的顺序，对各个债券组进行排序，得到每个债券组的发行金额排名。对于每个债券组，将该债券组的发行数量排名和发行金额排名相加的总和，作为该债券组的总排名。按照各个债券组的总排名由高到低的顺序，对各个债券组进行排序，将排序后每个债券组的次序作为每个债券组对应的发行人偏好度，次序越小，发行人偏好度表征的偏好程度越高。
S304：按照各个所述债券组对应的发行人偏好度由高到低的顺序，在各个所述债券组中选取与第二预定数目相匹配的多个债券组，将选取的各个债券组组成所述发行人偏好债券集合。
本发明实施例提供的方法中，预先设置了用于衡量发行人债券偏好的债券组的数量需求信息，可基于该信息获得第二预定数目，例如该数量需求信息可以是直接设定具体数量，设定的数量即为第二预定数目。按照各个债券组对应的发行人偏好度表征的偏好程度由高到低的顺序，按顺序在各个债券组中选取排序在前的多个债券组，选取的债券组的个数与第二预定数目相同，由选取得到的所有债券组组成发行人偏好债券集合。
在图1所示方法的基础上，本发明实施例提供的方法中，步骤S106中提及的确定每个所述团外承销商对应的承销商偏好债券集合的过程，包括：
确定每个所述债券组对应的可投标量；
本发明实施例提供的方法中，根据预先配置的债券发行信息，可获取每个债券组中每个已发行债券的可投标量(即发行时可供投标的总量)，对于每个债券组，将该债券组中所有已发行债券的可投标量相加的总和，作为该债券组对应的可投标量。
对于每个所述团外承销商，确定该团外承销商对应的多个有效投标量，所述多个有效投标量与所述多个债券组一一对应；
本发明实施例提供的方法中，根据预先配置的每个团外承销商的投标信息，可确定每个团外承销商对于每个债券组的有效投标量，每个团外承销商对于一个债券组的有效投标量为，该团外承销商对于该债券组中各个已发行债券的有效投标量的总和。
对于每个所述团外承销商对应的每个有效投标量，计算该有效投标量与其对应的债券组所对应的可投标量的比值，将该比值作为该团外承销商对应的有效投标占比，并确定该有效投标占比与该有效投标量对应的债券组的关联关系；
本发明实施例提供的方法中，将每个有效投标量对应的债券组所对应的可投标量作为该有效投标量所对应的可投标量。对于每个团外承销商对应的每个有效投标量，将该有效投标量除以其对应的可投标量，将两者的比值作为该团外承销商对应的有标投标占比，并确定该有效投标占比与该有效投标量对应的债券组相关联。
对于每个所述团外承销商，确定该团外承销商对应的投标占比均值，该投标占比均值为该团外承销商对应的各个有效投标占比的均值；
本发明实施例提供的方法中，对于每个团外承销商，计算其对应的所有有效投标占比的平均值，将该平均值作为该团外承销商对应的投标占比均值。
对于每个所述团外承销商对应的每个有效投标占比，将该有效投标占比与该团外承销商对应的投标占比均值进行比较，若该有效投标占比大于该投标占比均值，则将该有效投标占比关联的债券组作为该团外承销商对应的目标债券组；
对于每个所述团外承销商，将该团外承销商对应的所有目标债券组组成该团外承销商对应的承销商偏好债券集合。
本发明实施例提供的方法中，对于每个团外承销商，将其对应的每个有效投标占比分别与其对应的投标占比均值进行大小比较，将大于该投标占比均值的有效投标占比所对应的债券组，作为该团外承销商对应的目标债券组，由其对应的所有目标债券组组成其对应的承销商偏好债券集合。
在图1所示方法的基础上，本发明实施例提供的方法中，步骤S107中提及的确定该团外承销商对应的行为相似度的过程，包括：
确定第一数量，所述第一数量为所述发行人偏好债券集合中债券组的总个数；
本发明实施例提供的方法中，在确定每个团外承销商对应的行为相似度的过程中，确定第一数量，第一数量为对发行人偏好债券集合中的债券组的个数进行统计得到的统计结果，在具体的实现过程中，仅需进行一次数量统计便可得到第一数量，在使用时读取预先统计得到的数值即可。
依据该团外承销商对应的承销商偏好债券集合，在所述发行人偏好债券集合中确定该团外承销商对应的重合债券组；
本发明实施例提供的方法中，将存在于当前团外承销商对应的承销商偏好债券集合中，且同时存在于发行人偏好债券集合中的债券组，作为当前团外承销商对应的重合债券组。
确定第二数量，所述第二数量为该团外承销商对应的重合债券组的总个数；
计算所述第二数量与所述第一数量的比值，将该比值作为该团外承销商对应的行为相似度。
本发明实施例提供的方法中，统计当前团外承销商对应的重合债券组的个数，将统计结果作为第二数量。将第二数量除以第一数量得到的结果作为当前团外承销商对应的行为相似度。
为了更好地说明本发明实施例提供的方法，接下来结合实际的应用场景，本发明实施例提供了又一种承销商行为相似度分析方法。
本发明实施例提供的方法结合人工智能领域的知识图谱法和债券发行领域的业务方法(本发明实施例中的债券偏好法)，为发行人遴选承销商提供参考。
基于知识图谱法；
将知识图谱法应用在承销团领域，可以计算团外承销商和团内承销商之间的行为相似度，为发行人寻找与其承销团内优质承销商行为相匹配的团外承销商。
债券偏好法；
实际业务中的债券偏好法，通过对债券的发行、投标数据进行统计分析，并将双方债券偏好进行匹配与量化，可以计算团外承销商与发行人之间的行为相似度，为发行人寻找与其债券发行偏好相匹配的团外承销商。
由以上两种方法得出的共同承销商，发行人可予以重点关注。
本发明实施例提供的承销商行为相似度分析过程中，主要包括基于知识图谱法筛选团外承销商的过程，以及基于债券偏好法筛选团外承销的过程，将这两个过程的筛选结果中均存在的团外承销商，作为最终推荐的团外承销商。接下来分别对这两个筛选过程进行说明。
基于知识图谱法的筛选过程，主要是在目标发行人(当前需要遴选团外承销商的发行人)的承销团内筛选可比承销商，然后将可比承销商与团外承销商计算相似度，当两者的相似度大于预定数值时，将该团外承销商视为初步推荐的团外承销商。
本发明实施例提供的方法中，筛选可比承销商采取两种方法，一是基于图的社区发现，即知识图谱的应用，二是基于业务排名结果。基于图的社区发现指的是将关系图谱中的节点划分为不同的社区，同在一个社区内的节点联系相对社区外的节点更为紧密，从而衡量节点间的关系。业务排名结果指的是承销团内成员的业务排名。
具体的，将全国范围内的承销商、已发行债券和发行人作为图中的节点，承销商有效投标债券的行为作为连接承销商和债券节点的边，投标量作为边的权重，发行人发行债券的行为作为连接发行人和债券节点的边，发行量作为边的权重，以此构造知识图谱网络。然后通过基于图的社区发现算法，划分该知识图谱网络的社区，若团内承销商不在目标发行人所在社区，则认定为与目标发行人联系不紧密，非可比承销商，若同在一个社区，则认定为与目标发行人联系紧密、表现较好，是可比承销商。而根据业务排名结果，将业务排名位于前40％的团内承销商认定为表现较好的可比承销商。对通过上述两个途径确定的可比承销商取并集，得到可比承销商的集合。
本发明实施例提供的方法中，计算相似度也采用两种方法，一是杰卡德相似度，二是余弦相似度。杰卡德相似度指的是使用杰卡德系数(Jaccard Index)进行衡量相似程度，用于比较有限样本集之间的相似性与差异性，杰卡德系数值越大，样本相似度越高。余弦相似度(Cosine Similarity)指n维空间中两个n维向量之间角度的余弦，等于两个向量的点积(向量积)除以两个向量长度(或大小)的乘积。在计算某个可比承销商与某个团外承销商之间的相似度时，基于以上两种方法进行组合计算，将计算得到的各个相似度中表征相似程度最高的相似度，作为最终的该团外承销商和该可比承销商之间的行为相似度。对于某个团外承销商而言，若其与各个可比承销商之间的行为相似度中，存在数值不低于50％的相似度，则将该团外承销商认定为相似承销商，将其视为初步推荐的承销商。
杰卡德相似度的计算原理如下：
Figure BDA0004026214610000201
其中，J(A,B)指的是A与B之间的杰卡德相似度。
在计算某一团外承销商与某一可比承销商之间的杰卡德相似度时，可根据两个承销商的债券集合进行计算。例如，两者的全量债券集合为{b1,b2,b3,b4,b5,b6,b7}，承销商1有效投标的债券集合A为{b1,b2,b3,b4,b5,b6}；承销商2有效投标的债券集合B为{b2,b3,b4,b5,b7}，承销商1和承销商2的相似度：J(A,B)＝4/7≈0.5714。
余弦相似度的计算原理如下：
Figure BDA0004026214610000211
其中，similarity(A,B)表示A与B之间的余弦相似度，A和B为n维向量，A可以表示为[A1,A2,……An]，B可以表示为[B1,B2,……Bn]。
在计算某一团外承销商与某一可比承销商之间的余弦相似度时，分别用向量表示两个承销商，用以计算两者的余弦相似度。可以根据与承销商关联的债券属性(BP(基点)、类型和期限)、承销商与债券关联关系的权重(有效投标量)、关联债券的数量等数据，构建承销商对应的向量。
本发明实施例提供的方法中，承销商的向量表示分别用以下两种方式确定：
①Node2Vec算法：Node2Vec是一种图嵌入(Graph Embedding)算法，该算法原理是一种现有算法，在此不作详细介绍。通过Node2Vec算法，可以确定知识图谱中节点所对应的向量，据此可以确定承销商对应的节点所对应的向量，得到承销商的向量表示。
②Fast Random Projection(FastRP)算法，即快速随机投影算法：FastRP是一种节点嵌入(Node Embedding)算法，该算法原理是一种现有算法，在此不作详细介绍。通过FastRP算法，可以确定知识图谱中节点所对应的向量，据此可以确定承销商对应的节点所对应的向量，得到承销商的向量表示。
本发明实施例提供的方法中，将每个团外承销商分别与每个可比承销商进行相似判定，若团外承销商与至少一个可比承销商相似，则将其视为初步推荐的承销商。在团外承销商与可比承销商的相似判定过程中，通过上述的杰卡德相似度计算和两类向量的余弦相似度计算(以两种方式分别对承销商进行向量表示，在每种向量表示下进行一次余弦相似度计算)，可以得到两者的三个相似度，将其中表征相似程度最高的一个相似度，作为两者最终的相似度，若该相似度不低于50％，则认为两者相似。
基于债券偏好法的筛选过程，主要是在为目标发行人寻找与其自身发行偏好相匹配的团外承销商时，通过对债券的发行、投标数据进行统计分析，可得出目标发行人、团外承销商的债券偏好，并将其债券偏好进行匹配与量化，最终得出团外承销商与目标发行人之间的行为相似度。
具体的筛选过程，主要包括：
对证券市场中的已发行债券进行归类。具体的，直接根据每只债券的类型、期限、发行利差进行分组，债券类型、期限及发行利差均相同的债券可划分为一组，每个组合成为债券组。
筛选发行人偏好债券组和承销商偏好债券组。具体的，可以将目标发行人的债券发行排名中排名前三的债券组，认定为发行人偏好债券组。发行人的债券发行排名指基于某一段时间内目标发行人发行某债券组的数量、金额确定的综合排名，具体的，债券组的综合排名可以按照以下方式确定：计算目标发行人发行每一债券组的数量，按数量从高到低对债券组排序，得到每个债券组的第一次序；计算目标发行人发行每一债券组的金额，按金额从高到低对债券组排序，得到每个债券组的第二次序；将每个债券组的第一次序和第二次序相加，得到每个债券组的次序总和，按照次序总和从低到高对债券组排序，排序后的次序即为综合排名。而对于团外承销商对应的承销商偏好债券组的筛选，可将承销商对其有效投标占比大于该承销商平均有效投标占比的债券组，认定为该承销商对应的承销商偏好债券组。有效投标占比指的是承销商对某债券组的有效投标量占可投标量的比重。
对于每个团外承销商，将发行人偏好债券组和其承销商偏好债券组重合的债券组的个数除以发行人偏好债券组的个数，得出团外承销商与目标发行人之间的行为相似度。
根据每个团外承销商与目标发行人之间的行为相似度，判定每个团外承销商是否与目标发行人具有行为相似性，将与目标发行人具有行为相似性的团外承销商作为初步推荐的承销商。
本发明实施例提供的方法，能为发行人增补承销商起到推荐遴选作用。为发行人提供两种遴选机制，一是从自身需求偏好出发，遴选与自身需求匹配的团外承销商；二是从团内承销商表现出发，遴选与团内表现好的承销商相匹配的团外承销商。两种遴选机制都能以行为相似度这一指标量化展示匹配程度。
与图1所示的一种承销商行为相似度分析方法相对应的，本发明实施例还提供了一种承销商行为相似度分析装置，用于对图1中所示方法的具体实现，其结构示意图如图4所示，包括：
第一确定单元401，用于当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
第二确定单元402，用于确定每个所述团内承销商对应的业务排名；
第三确定单元403，用于依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
第四确定单元404，用于对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
第一判断单元405，用于对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
第五确定单元406，用于确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
第二判断单元407，用于对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
推荐单元408，用于对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
应用本发明实施例提供的装置，可根据团外承销商与团内承销商的相似程度，以及团外承销商与债券发行人在债券偏好方面的相似程度，从各个团外承销商中确定推荐的债券承销商，以相似度分析的方式遴选推荐的承销商，推荐的团外承销商与债券发行人具有较强的相似关联性，与债券发行人的需求匹配度较高，有利于提升承销团的承销效果。其次，此过程无需工作人员参与，可减少人工工作量，避免经验差异对结果造成的不良影响。
在图4所示装置的基础上，本发明实施例提供的装置还可以进一步扩展出多个单元，各个单元的功能可参见前文对于承销商行为相似度分析方法所提供的各个实施例中的说明，在此不再进一步举例说明。
本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的承销商行为相似度分析方法。
本发明实施例还提供了一种电子设备，其结构示意图如图5所示，具体包括存储器501，以及一个或者一个以上的指令502，其中一个或者一个以上指令502存储于存储器501中，且经配置以由一个或者一个以上处理器503执行所述一个或者一个以上指令502进行以下操作：
当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
确定每个所述团内承销商对应的业务排名；
依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种承销商行为相似度分析方法，其特征在于，包括：
当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
确定每个所述团内承销商对应的业务排名；
依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
2.根据权利要求1所述的方法，其特征在于，所述依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商，包括：
按照各个所述团内承销商对应的业务排名由高到低的顺序，在各个所述团内承销商中选取与第一预定数目相匹配的多个团内承销商，将选取的每个团内承销商标记为第一团内承销商；
确定所述目标债券发行人对应的目标知识图谱；所述目标知识图谱为基于预设的所有债券发行人、预设的所有已发行债券、各个所述承销商、各个所述债券发行人与各个所述已发行债券之间的发行关联关系以及各个所述承销商与各个所述已发行债券之间的投标关联关系所构建的知识图谱；
依据所述基于图的社区发现算法，在所述目标知识图谱中，确定所述目标债券发行人对应的目标社区以及每个所述团内承销商对应的节点；
对于每个所述团内承销商，若该团内承销商对应的节点为所述目标社区中的节点，则将该团内承销商标记为第二团内承销商；
对于每个所述团内承销商，若该团内承销商被标记为所述第一团内承销商和/或所述第二团内承销商，则将该团内承销商确定为所述目标团内承销商。
3.根据权利要求1所述的方法，其特征在于，所述确定该团外承销商对应的相似度集合，包括：
确定每个所述目标团内承销商对应的初始相似度集合；每个所述初始相似度集合中包括基于预设的多种相似度算法确定的多个相似度，每个所述初始相似度集合中的每个相似度表征该团外承销商与该初始相似度集合对应的目标团内承销商之间的相似程度；
对于每个所述初始相似度集合，将该初始相似度集合中数值最大的相似度作为该初始相似度集合对应的目标团内承销商所对应的承销商相似度；
将各个所述目标团内承销商对应的承销商相似度组成该团外承销商对应的相似度集合。
4.根据权利要求1所述的方法，其特征在于，所述多个债券组的确定过程，包括：
对于预设的每个已发行债券，确定该已发行债券对应的债券信息，该债券信息包括该已发行债券对应的债券类型、期限和发行利差；
按照各个所述已发行债券对应的债券信息，将各个所述已发行债券划分为多个债券集合，每个所述债券集合包括至少一个所述已发行债券，每个所述债券集合中的各个已发行债券所对应的债券信息相同；
对于每个所述债券集合，将该债券集合中的所有已发行债券组成所述债券组。
5.根据权利要求1所述的方法，其特征在于，所述确定所述目标债券发行人对应的发行人偏好债券集合，包括：
确定所述目标债券发行人对应的多个债券发行数量，所述多个债券发行数量与所述多个债券组一一对应；
确定所述目标债券发行人对应的多个债券发行金额，所述多个债券发行金额与所述多个债券组一一对应；
对于每个所述债券组，依据该债券组对应的债券发行数量和债券发行金额，确定该债券组对应的发行人偏好度；
按照各个所述债券组对应的发行人偏好度由高到低的顺序，在各个所述债券组中选取与第二预定数目相匹配的多个债券组，将选取的各个债券组组成所述发行人偏好债券集合。
6.根据权利要求1所述的方法，其特征在于，所述确定每个所述团外承销商对应的承销商偏好债券集合，包括：
确定每个所述债券组对应的可投标量；
对于每个所述团外承销商，确定该团外承销商对应的多个有效投标量，所述多个有效投标量与所述多个债券组一一对应；
对于每个所述团外承销商对应的每个有效投标量，计算该有效投标量与其对应的债券组所对应的可投标量的比值，将该比值作为该团外承销商对应的有效投标占比，并确定该有效投标占比与该有效投标量对应的债券组的关联关系；
对于每个所述团外承销商，确定该团外承销商对应的投标占比均值，该投标占比均值为该团外承销商对应的各个有效投标占比的均值；
对于每个所述团外承销商对应的每个有效投标占比，将该有效投标占比与该团外承销商对应的投标占比均值进行比较，若该有效投标占比大于该投标占比均值，则将该有效投标占比关联的债券组作为该团外承销商对应的目标债券组；
对于每个所述团外承销商，将该团外承销商对应的所有目标债券组组成该团外承销商对应的承销商偏好债券集合。
7.根据权利要求1所述的方法，其特征在于，所述确定该团外承销商对应的行为相似度，包括：
确定第一数量，所述第一数量为所述发行人偏好债券集合中债券组的总个数；
依据该团外承销商对应的承销商偏好债券集合，在所述发行人偏好债券集合中确定该团外承销商对应的重合债券组；
确定第二数量，所述第二数量为该团外承销商对应的重合债券组的总个数；
计算所述第二数量与所述第一数量的比值，将该比值作为该团外承销商对应的行为相似度。
8.一种承销商行为相似度分析装置，其特征在于，包括：
第一确定单元，用于当需要向目标债券发行人推荐债券承销商时，在预设的所有承销商中确定所述目标债券发行人对应的各个团内承销商和各个团外承销商；
第二确定单元，用于确定每个所述团内承销商对应的业务排名；
第三确定单元，用于依据各个所述业务排名以及预设的基于图的社区发现算法，在各个所述团内承销商中，确定多个目标团内承销商；
第四确定单元，用于对于每个所述团外承销商，确定该团外承销商对应的相似度集合，该相似度集合包括多个承销商相似度，所述多个承销商相似度与所述多个目标团内承销商一一对应，每个所述承销商相似度表征该承销商相似度对应的目标团内承销商与该团外承销商的相似程度；
第一判断单元，用于对于每个所述团外承销商，判断其对应的相似度集合中是否存在大于第一预设阈值的承销商相似度，若该相似度集合中存在大于所述第一预设阈值的承销商相似度，则将该团外承销商标记为第一候选承销商；
第五确定单元，用于确定所述目标债券发行人对应的发行人偏好债券集合以及确定每个所述团外承销商对应的承销商偏好债券集合；所述发行人偏好债券集合和每个所述承销商偏好债券集合分别包括已确定的多个债券组中的至少一个债券组；
第二判断单元，用于对于每个所述团外承销商，确定该团外承销商对应的行为相似度，并判断该行为相似度是否大于第二预设阈值，若该行为相似度大于所述第二预设阈值，则将该团外承销商标记为第二候选承销商，该行为相似度表征该团外承销商对应的承销商偏好债券集合与所述发行人偏好债券集合的相似程度；
推荐单元，用于对于每个所述团外承销商，若该团外承销商被标记为所述第一候选承销商，且该团外承销商被标记为所述第二候选承销商，则将该团外承销商作为向所述目标债券发行人推荐的债券承销商。
9.一种存储介质，其特征在于，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如权利要求1～7任意一项所述的承销商行为相似度分析方法。
10.一种电子设备，其特征在于，包括存储器，以及一个或者一个以上的指令，其中一个或者一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如权利要求1～7任意一项所述的承销商行为相似度分析方法。
CN202211738877.1A 2022-12-29 2022-12-29 承销商行为相似度分析方法及装置、存储介质及电子设备 Pending CN116342267A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211738877.1A CN116342267A (zh) 2022-12-29 2022-12-29 承销商行为相似度分析方法及装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211738877.1A CN116342267A (zh) 2022-12-29 2022-12-29 承销商行为相似度分析方法及装置、存储介质及电子设备

Publications (1)

Publication Number Publication Date
CN116342267A true CN116342267A (zh) 2023-06-27

Family

ID=86875414

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211738877.1A Pending CN116342267A (zh) 2022-12-29 2022-12-29 承销商行为相似度分析方法及装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN116342267A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222636A1 (en) * 2013-02-06 2014-08-07 Facebook, Inc. Comparing Financial Transactions Of A Social Networking System User To Financial Transactions Of Other Users
CN111966886A (zh) * 2019-05-20 2020-11-20 北京京东尚科信息技术有限公司 对象推荐方法、对象推荐装置、电子设备及存储介质
CN112818216A (zh) * 2021-01-13 2021-05-18 平安科技（深圳）有限公司 客户推荐方法、装置、电子设备及存储介质
CN113592529A (zh) * 2021-06-22 2021-11-02 中债金科信息技术有限公司 债券产品的潜在客户推荐方法和装置
CN114398553A (zh) * 2022-01-14 2022-04-26 北京京东方技术开发有限公司 对象推荐方法、装置、电子设备以及存储介质
CN114764727A (zh) * 2021-01-14 2022-07-19 腾讯科技（深圳）有限公司 目标人群挖掘方法、广告推送方法及装置
CN115329214A (zh) * 2022-08-17 2022-11-11 珠海格力电器股份有限公司 一种用户推荐方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140222636A1 (en) * 2013-02-06 2014-08-07 Facebook, Inc. Comparing Financial Transactions Of A Social Networking System User To Financial Transactions Of Other Users
CN111966886A (zh) * 2019-05-20 2020-11-20 北京京东尚科信息技术有限公司 对象推荐方法、对象推荐装置、电子设备及存储介质
CN112818216A (zh) * 2021-01-13 2021-05-18 平安科技（深圳）有限公司 客户推荐方法、装置、电子设备及存储介质
CN114764727A (zh) * 2021-01-14 2022-07-19 腾讯科技（深圳）有限公司 目标人群挖掘方法、广告推送方法及装置
CN113592529A (zh) * 2021-06-22 2021-11-02 中债金科信息技术有限公司 债券产品的潜在客户推荐方法和装置
CN114398553A (zh) * 2022-01-14 2022-04-26 北京京东方技术开发有限公司 对象推荐方法、装置、电子设备以及存储介质
CN115329214A (zh) * 2022-08-17 2022-11-11 珠海格力电器股份有限公司 一种用户推荐方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张亚明 等: "云环境用户兴趣图谱的网络社区营销推荐机理", 《情报杂志》, vol. 32, no. 03, 18 March 2013 (2013-03-18) *
李斌 等: "基于Jaccard相似度和位置行为的协同过滤推荐算法", 《计算机科学》, vol. 43, no. 12, 31 December 2016 (2016-12-31) *
陈亚辉 等: "金融用户精准可信推荐研究", 《广西质量监督导报》, 30 November 2019 (2019-11-30) *

Similar Documents

Publication Publication Date Title
Dahooie et al. A novel dynamic credit risk evaluation method using data envelopment analysis with common weights and combination of multi-attribute decision-making methods
US7509274B2 (en) Internet-based system for identification, measurement and ranking of investment portfolio management, and operation of a fund supermarket, including “best investor” managed funds
CN110415084B (zh) 一种产品智能推荐方法及装置
US8099346B2 (en) Reference price framework
CN110443715B (zh) 基金产品推荐方法、装置、设备及计算机可读存储介质
WO2010014463A1 (en) Method for generating a computer-processed financial tradable index
KR20020075389A (ko) 자산 포트폴리오 기술 애트리뷰트 상관 방법과, 상관시스템과, 상관 컴퓨터
Hjort et al. House price prediction with gradient boosted trees under different loss functions
Klieštik et al. Prediction of financial health of business entities in transition economies
CN102163304A (zh) 带有优化的域间信息质量评定的协作联网的方法和系统
Pandey et al. A fuzzy decision making approach for analogy detection in new product forecasting
CN113642923A (zh) 基于历史催收数据的不良资产包价值评估方法
Wanke et al. Revisiting camels rating system and the performance of Asean banks: a comprehensive mcdm/z-numbers approach
Li et al. Estimating and exploiting the impact of photo layout: A structural approach
KR102141310B1 (ko) 빅데이터 분석을 활용한 통합 투자 관리 시스템
CN109767333A (zh) 选基方法、装置、电子设备及计算机可读存储介质
AU2001257079B2 (en) Internet-based system for identification, measurement and ranking of investment portfolio management, and operation of a fund supermarket, including "best investor" managed funds
CN110264364B (zh) 一种投资方的推荐方法
Akbarian Ranking All DEA‐Efficient DMUs Based on Cross Efficiency and Analytic Hierarchy Process Methods
US20090083169A1 (en) Financial opportunity information obtainment and evaluation
AU2001257079A1 (en) Internet-based system for identification, measurement and ranking of investment portfolio management, and operation of a fund supermarket, including "best investor" managed funds
CN116342267A (zh) 承销商行为相似度分析方法及装置、存储介质及电子设备
CN116012086A (zh) 商品价格的评估方法、装置、电子设备及存储介质
CN108460529A (zh) 一种股票打分方法和装置
Guerrazzi et al. A demand-driven search model with self-fulfilling expectations: the new ‘Farmerian’framework under scrutiny

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