CN116485180A - 企业违约风险等级确定方法、装置、处理器及电子设备 - Google Patents
企业违约风险等级确定方法、装置、处理器及电子设备 Download PDFInfo
- Publication number
- CN116485180A CN116485180A CN202310371208.3A CN202310371208A CN116485180A CN 116485180 A CN116485180 A CN 116485180A CN 202310371208 A CN202310371208 A CN 202310371208A CN 116485180 A CN116485180 A CN 116485180A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- period
- data
- determining
- predicted
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 229910052799 carbon Inorganic materials 0.000 claims description 82
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 76
- 238000004088 simulation Methods 0.000 claims description 38
- 230000008859 change Effects 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 15
- 230000003647 oxidation Effects 0.000 claims description 13
- 238000007254 oxidation reaction Methods 0.000 claims description 13
- WYROLENTHWJFLR-ACLDMZEESA-N queuine Chemical compound C1=2C(=O)NC(N)=NC=2NC=C1CN[C@H]1C=C[C@H](O)[C@@H]1O WYROLENTHWJFLR-ACLDMZEESA-N 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种企业违约风险等级确定方法、装置、处理器及电子设备。涉及金融领域,该方法包括:获取企业的历史企业数据,以及企业所属的行业;确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;依据历史企业数据与模拟行业数据,预测企业的预测企业数据;依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值;依据企业对应的违约率与违约损失值,确定企业的违约风险等级。本发明解决了相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
Description
技术领域
本发明涉及金融领域,具体而言,涉及一种企业违约风险等级确定方法、装置、处理器及电子设备。
背景技术
现有的企业违约风险等级确定方法通常直接引用企业历史数据确定,数据类型单一,导致测试结果不够精确。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种企业违约风险等级确定方法、装置、处理器及电子设备,以至少解决相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
根据本发明实施例的一个方面,提供了一种企业违约风险等级确定方法,包括:获取企业的历史企业数据,以及所述企业所属的行业;确定与所述行业对应的模拟行业数据,其中,所述模拟行业数据包括所述行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,其中,所述预测企业数据包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的企业数据;依据预定合约与所述预测企业数据,预测所述企业对应的违约率与违约损失值,其中,所述违约率包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约率,所述违约损失值包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约损失值;依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级。
可选地,所述依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,包括:在所述历史企业数据包括历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入,所述模拟行业数据包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,所述预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入的情况下,依据所述历史基期产量与所述模拟产量同比变化率,确定所述企业的所述预测基期产量;依据所述历史基期支出与所述企业的支出变化指数,确定所述企业的所述预测基期支出,其中,所述支出变化指数依据所述企业的历史支出增长率与行业的模拟支出增长率确定,所述企业的历史支出增长率依据所述历史基期支出确定;依据所述预测基期支出,所述多类能源基期使用量,所述多类能源基期价格,所述多类能源基期碳氧化率,所述多类能源基期含碳量以及所述基期碳价,确定所述企业的所述预测基期成本,其中,所述多类能源使用量依据所述预测基期产量得到;依据所述预测基期价格与所述预测基期产量,确定所述企业的所述预测基期收入,其中,所述预测基期价格依据所述预测基期成本,所述历史基期价格与所述历史基期生产成本确定。
可选地,在所述预测基期支出包括低碳支出预测值和非低碳支出预测值,所述历史企业数据包括所述企业的低碳支出占比与非低碳支出占比的情况下,依据所述预测基期支出,所述低碳支出占比与所述非低碳支出占比,确定所述企业的所述低碳支出预测值和所述非低碳支出预测值。
可选地,所述确定与所述行业对应的模拟行业数据,包括:从所述预测期中确定转折时间点,其中,所述转折时间点表示在所述转折时间点上气候状态发生至少一种情况的转折的转折点;确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据。
可选地,所述确定与所述行业对应的模拟行业数据,包括:等间隔划分所述预测期为P个预测子期,其中,所述P个预测子期中均包括Q个基期,P为大于1的正整数,Q为大于1的正整数;确定所述P个预测子期中位于预定位置的基期分别对应的模拟行业数据;依据所述P个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定所述P个预测子期中位于剩余位置的基期分别对应的模拟行业数据。
可选地,所述确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据,包括:确定在所述转折时间点上气候状态发生至少一种情况的转折后,至少一种气候状态对应的权重值;确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据,其中,所述与所述行业对应的模拟行业数据携带有对应的权重值。
可选地,所述依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级之后,包括:在所述企业的违约风险等级大于预定风险等级的情况下,确定与所述预定合约相关的相关合约;确定与所述企业签署所述相关合约的情况下,所述企业的相关违约风险等级。
根据本发明实施例的一个方面,提供了一种企业违约风险等级确定装置,包括:获取模块,用于获取企业的历史企业数据,以及所述企业所属的行业;第一确定模块,用于确定与所述行业对应的模拟行业数据,其中,所述模拟行业数据包括所述行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;第一预测模块,用于依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,其中,所述预测企业数据包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的企业数据;第二预测模块,用于依据预定合约与所述预测企业数据,预测所述企业对应的违约率与违约损失值,其中,所述违约率包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约率,所述违约损失值包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约损失值;第二确定模块,用于依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级。
根据本发明实施例的一个方面,提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述任意一项所述的企业违约风险等级确定方法。
根据本发明实施例的一个方面,提供了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述任意一项所述的企业违约风险等级确定方法。
在本发明实施例中,获取企业的历史企业数据,以及企业所属的行业,确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,M、N为大于1的正整数,即,至少为M*N种模拟行动数据。依据历史企业数据与模拟行业数据,预测企业的预测企业数据,依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,最后依据企业对应的违约率与违约损失值,确定企业的违约风险等级。由于本申请中的违约风险等级是依据违约率、违约损失值确定的,而违约率、违约损失值又是依据预定合约与预测企业数据得到的,预测企业数据包括了N种气候状态下,与预测期内M个基期分别对应的企业数据,预测企业数据又是依据历史企业数据与模拟行业数据确定的,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据因此,考虑了行业数据,也考虑气候数据,解决了相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的企业违约风险等级确定方法的流程图;
图2是根据本申请实施例提供的企业违约风险等级确定装置的结构框图;
图3是本发明实施例提供的电子设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
下面结合优选的实施步骤对本发明进行说明,图1是根据本申请实施例提供的企业违约风险等级确定方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取企业的历史企业数据,以及企业所属的行业;
在本申请提供的步骤S102中,企业为需要测定风险级别的企业,优选为需要用到能源的企业。企业所属行业即为企业所属的行业类型,如,民营企业,私营企业,能源电力企业等等,行业的划分不做限定,可以根据具体的应用与场景进行自适应的设定。其中,历史企业数据可以包括很多,例如,历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入等等。
需要说明的是,基期即为一个测定期,可以进行自定义的设置,如,设定一年为一个测定期时,基期即为1年。
步骤S104,确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;
在本申请提供的步骤S104中,模拟行业数据即为模拟出的该行业,在不同的气候状态下,预测期内多个基期分别对应的行业数据,即,可以得到至少N*M个模拟行业数据。由于是预测的行业对应的模拟行业数据,因此,能够整体预测这个行业,准确确定行业趋势,而且只需要预测该行业,增快本方法的执行速度。
其中,模拟行业数据可以包括很多,例如,可以包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价等等。
其中,气候状态可以通过空气中的各种元素含量区分,如含氧量,二氧化碳量,含硫量,在不同元素含量的情况下,确定为不同的气候状态。
其中,预测期即为要观测的时期,比如,可以设定为30年,50年等,可以根据具体的行业、合约与实际应用的场景进行自定义的设置。在预测期为30年,基期为1年时,就会得到与30个基期分别对应的行业数据。
步骤S106,依据历史企业数据与模拟行业数据,预测企业的预测企业数据,其中,预测企业数据包括企业在N种气候状态下,与预测期内M个基期分别对应的企业数据;
在本申请提供的步骤S106中,依据历史企业数据与模拟行业数据,预测企业的预测企业数据,即依据在属于该行业的企业的历史企业数据,以及确定出的行业的模拟行业数据,预测企业的预测企业数据,由于是根据依据模拟行业数据以及自身历史企业数据确定的,能够使得预测企业数据更为精准,而且在确定预测企业数据时考虑了行业,考虑了气候,使得得到的预测企业数据是考虑更为全面的。
步骤S108,依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,其中,违约率包括企业在N种气候状态下,与预测期内M个基期分别对应的违约率,违约损失值包括企业在N种气候状态下,与预测期内M个基期分别对应的违约损失值;
在本申请提供的步骤S108中,依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,以便确定企业的违约风险等级。其中,预定合约即为企业与第三方,如,银行,借贷公司等签订的合约,依据预定合约与预测企业数据,可以很好的确定企业是否会违约,在违约的情况下会造成多少损失,能够准确地评价企业违约风险等级。
步骤S110,依据企业对应的违约率与违约损失值,确定企业的违约风险等级。
在本申请提供的步骤S110中,违约风险等级可以分为多级,以便对企业的风险等级进行更细致地确定。
通过上述步骤,获取企业的历史企业数据,以及企业所属的行业,确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,M、N为大于1的正整数,即,至少为M*N种模拟行动数据。依据历史企业数据与模拟行业数据,预测企业的预测企业数据,依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,最后依据企业对应的违约率与违约损失值,确定企业的违约风险等级。由于本申请中的违约风险等级是依据违约率、违约损失值确定的,而违约率、违约损失值又是依据预定合约与预测企业数据得到的,预测企业数据包括了N种气候状态下,与预测期内M个基期分别对应的企业数据,预测企业数据又是依据历史企业数据与模拟行业数据确定的,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据因此,考虑了行业数据,也考虑气候数据,解决了相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
作为一种可选的实施例,依据历史企业数据与模拟行业数据,预测企业的预测企业数据,包括:在历史企业数据包括历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入,模拟行业数据包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入的情况下,依据历史基期产量与模拟产量同比变化率,确定企业的预测基期产量;依据历史基期支出与企业的支出变化指数,确定企业的预测基期支出,其中,支出变化指数依据企业的历史支出增长率与行业的模拟支出增长率确定,企业的历史支出增长率依据历史基期支出确定;依据预测基期支出,多类能源基期使用量,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,确定企业的预测基期成本,其中,多类能源使用量依据预测基期产量得到;依据预测基期价格与预测基期产量,确定企业的预测基期收入,其中,预测基期价格依据预测基期成本,历史基期价格与历史基期生产成本确定。
在该实施例中,说明了具体如何确定预测企业数据的情况,其中,预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入,能够确定出企业在每个基期中分别对应的产量、支出、成本、收入。使得后续能够根据这些信息准确地确定出违约率与违约损失值。下面进行举例说明:
对于预测基期产量:
依据历史基期产量与模拟产量同比变化率,确定企业的预测基期产量,其中,模拟产量同比变化量可以由行业预测期内基期分别对应的消耗每类能源的占比乘以对应基期该能源的产量同比变化率,得到该行业的模拟产量同比变化率。记Qi为第i种能源的使用量,Ei为第i种能源的标准煤转换比,Ii为第i种能源的预计使用量同比变化率,I为模拟产量同比变化率,则有:
再使用企业的历史基期产量乘以其所在行业产量的模拟产量同比变化率,得到企业预测期内各年产量的预测值。
对于预测基期支出:
据历史基期支出,确定企业的历史支出增长率,再依据企业的历史支出增长率与行业的模拟支出增长率,确定企业的支出变化指数,再依据历史基期支出与企业的支出变化指数,确定企业的预测基期支出。
对于预测基期成本:
由于能源消耗量与产量正比同增长,因此可以依据预测基期产量,得到多类能源使用量,再依据预测基期支出,多类能源基期使用量,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,确定企业的预测基期成本。
整个计算过程用公式表述如下,记Qi为第i种能源基期使用量,Pi为第i种能源的能源基期价格,CP为基期碳价;CCi为第i种能源的能源基期含碳量,Oi为第i种能源的能源基期碳氧化率或者区域电网排放因子(涉及电能计算时使用,按所处地域为华南,华北,华中等值有所不同),数据可查科学数值获取。
则在不涉及碳排放时,基期成本为:在涉及碳排放时,基期成本为:/>预测基期成本为上述两者之和。
对于预测基期收入:
依据预测基期成本,历史基期价格与历史基期生产成本,确定预测基期价格,再依据预测基期价格与预测基期产量,确定企业的预测基期收入。
在预测基期价格的计算中,由于价格与成本具有较强的线性相关性,首先通过获得预测基期成本,之后基于企业的单位生产成本和产品的历史基期价格,通过建立多种线性回归学习模型,找到回归关系,并选取拟合优度最高的模型完成产品价格的预测。
作为一种可选的实施例,在预测基期支出包括低碳支出预测值和非低碳支出预测值,历史企业数据包括企业的低碳支出占比与非低碳支出占比的情况下,依据预测基期支出,低碳支出占比与非低碳支出占比,确定企业的低碳支出预测值和非低碳支出预测值。
在该实施例中,将预测基期支出分为了低碳支出预测值以及非低碳支出预测值,因为,在进行支出确定时,由于政策或规定等作用,非低碳支出部分是要进行额外支出的,因此,通过确定低碳支出预测值和非低碳支出预测值,能够更准确地确定出预测基期支出。
作为一种可选的实施例,确定与行业对应的模拟行业数据,包括:从预测期中确定转折时间点,其中,转折时间点表示在转折时间点上气候状态发生至少一种情况的转折的转折点;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据。
在该实施例中,说明了如何确定与行业对应的模拟行业数据,假设预测期为30即,上述步骤即表示的是,从30年中确定一个或多个转折时间点,转折时间点表示在该转折时间点上气候状态发生至少一种情况的转折,假设从30年中确定5这一时间转折点以及10这一时间转折点,即表示,在30年中,从第5年开始发生第一次气候状态的转折,该转折可以为至少一种情况的转折,如,在第5年时发生3种情况的转折,即由原来的1种气候状态,转折成了4种气候状态,即,前5年为1种气候状态,在第五年时转折成了4种气候状态,若第10年发生气候状态的转折时又发生了2种情况的转折,即在第10年时,原来的4种气候状态,每个均又分成了3种气候状态,因此,第10年后总共有12种气候状态。其中,转折时间点是可以根据有关气候的气候状态预测结果得到的,由于是对于气候状态进行预测的,因此,可能会发生多种气候状态,导致可能会有多种情况的转折。在该实施例中,均考虑到这些不同的转折,以使得得到的模拟行业数据更全面,在之后使用时能够得到更加准确的结果。
作为一种可选的实施例,确定与行业对应的模拟行业数据,包括:等间隔划分预测期为P个预测子期,其中,P个预测子期中均包括Q个基期,P为大于1的正整数,Q为大于1的正整数;确定P个预测子期中位于预定位置的基期分别对应的模拟行业数据;依据P个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定P个预测子期中位于剩余位置的基期分别对应的模拟行业数据。
在该实施例中,对预测期进行了划分,如预测期为30年的情况下,可以按照5这个间隔进行等间隔划分,得到1-5、6-10、11-15、16-20、21-25、26-30这几个预测子期,每个预测子期中都包括5个基期,在确定模拟行业数据时,就可以通过6个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定P个预测子期中位于剩余位置的基期分别对应的模拟行业数据,如,可以确定位于第一个位置的模拟行业数据,即能够确定出1、6、11、16、21、26年时的模拟行业数据,再通过递推公式就能够获取到0-30年内每个基期,即每年的模拟行业数据,通过该方式可以减少计算量,加快本方法的实施进程。
如可以依据插值法对应的递推公式,比如拿到的预测数据的数据频度是5年一个数据点时,记Xt为t时的数据值,Xt+5是下一个数据点,也就是t+5年时的数据值,则Xt+1,Xt+2等需要通过计算得出。为保证数据频度内每年数值增长率相同,计算方法为:其中n=1,2,3,4。即能够快速确定出预测期内每个基期的模拟行业数据。
作为一种可选的实施例,确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,包括:确定在转折时间点上气候状态发生至少一种情况的转折后,至少一种气候状态对应的权重值;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,其中,与行业对应的模拟行业数据携带有对应的权重值。
在该实施例中,为模拟行业数据赋予了权重值,因为模拟行业数据是在不同气候状态下得到的,由于不同气候状态的概率是不同的,因此,为不同气候状态下对应的模拟行业数据赋予权重值,也是能够使得后续进行更精确的计算的。
作为一种可选的实施例,依据企业对应的违约率与违约损失值,确定企业的违约风险等级之后,包括:在企业的违约风险等级大于预定风险等级的情况下,确定与预定合约相关的相关合约;确定与企业签署相关合约的情况下,企业的相关违约风险等级。
在该实施例中,说明了在企业的违约风险等级大于预定风险等级,即企业违约风险等级高的情况下,确定与预定合约相关的相关合约,即,企业签订预定合约违约风险等级是高的,那么可以确定一下与预定合约相似或相关的相关合约,确定与企业签署相关合约的情况下,企业的相关违约风险等级,若企业的相关违约风险等级低,可以为企业推荐这个相关合约,提高企业体验感受。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
根据本发明实施例,还提供了一种用于实施上述企业违约风险等级确定方法的装置,图2是根据本申请实施例提供的企业违约风险等级确定装置的结构框图,如图2所示,该装置包括:获取模块202,第一确定模块204,第一预测模块206,第二预测模块208和第二确定模块210,下面对该装置进行详细说明。
获取模块202,用于获取企业的历史企业数据,以及企业所属的行业;第一确定模块204,连接于上述获取模块202,用于确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;第一预测模块206,连接于上述第一确定模块204,用于依据历史企业数据与模拟行业数据,预测企业的预测企业数据,其中,预测企业数据包括企业在N种气候状态下,与预测期内M个基期分别对应的企业数据;第二预测模块208,连接于上述第一预测模块206,用于依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,其中,违约率包括企业在N种气候状态下,与预测期内M个基期分别对应的违约率,违约损失值包括企业在N种气候状态下,与预测期内M个基期分别对应的违约损失值;第二确定模块210,连接于上述第二预测模块208,用于依据企业对应的违约率与违约损失值,确定企业的违约风险等级。
此处需要说明的是,上述获取模块202,第一确定模块204,第一预测模块206,第二预测模块208和第二确定模块210对应于实施企业违约风险等级确定方法中的步骤S101至步骤S110,多个模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例所公开的内容。
本申请实施例提供的企业违约风险等级确定装置,获取企业的历史企业数据,以及企业所属的行业,确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,M、N为大于1的正整数,即,至少为M*N种模拟行动数据。依据历史企业数据与模拟行业数据,预测企业的预测企业数据,依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,最后依据企业对应的违约率与违约损失值,确定企业的违约风险等级。由于本申请中的违约风险等级是依据违约率、违约损失值确定的,而违约率、违约损失值又是依据预定合约与预测企业数据得到的,预测企业数据包括了N种气候状态下,与预测期内M个基期分别对应的企业数据,预测企业数据又是依据历史企业数据与模拟行业数据确定的,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据因此,考虑了行业数据,也考虑气候数据,解决了相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
所述企业违约风险等级确定装置包括处理器和存储器,上述多个模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来解决了相关技术中确定企业违约风险等级时,往往只根据企业的历史数据,导致企业违约风险等级判断不合理的技术问题。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现企业违约风险等级确定方法。
本发明实施例提供了一种处理器,处理器用于运行程序,其中,程序运行时执行企业违约风险等级确定方法。
图3是本发明实施例提供的电子设备的示意图,如图3所示,本发明实施例提供了一种电子设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤获取企业的历史企业数据,以及企业所属的行业;确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;依据历史企业数据与模拟行业数据,预测企业的预测企业数据,其中,预测企业数据包括企业在N种气候状态下,与预测期内M个基期分别对应的企业数据;依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,其中,违约率包括企业在N种气候状态下,与预测期内M个基期分别对应的违约率,违约损失值包括企业在N种气候状态下,与预测期内M个基期分别对应的违约损失值;依据企业对应的违约率与违约损失值,确定企业的违约风险等级。
可选地,依据历史企业数据与模拟行业数据,预测企业的预测企业数据,包括:在历史企业数据包括历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入,模拟行业数据包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入的情况下,依据历史基期产量与模拟产量同比变化率,确定企业的预测基期产量;依据历史基期支出与企业的支出变化指数,确定企业的预测基期支出,其中,支出变化指数依据企业的历史支出增长率与行业的模拟支出增长率确定,企业的历史支出增长率依据历史基期支出确定;依据预测基期支出,多类能源基期使用量,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,确定企业的预测基期成本,其中,多类能源使用量依据预测基期产量得到;依据预测基期价格与预测基期产量,确定企业的预测基期收入,其中,预测基期价格依据预测基期成本,历史基期价格与历史基期生产成本确定。
可选地,在预测基期支出包括低碳支出预测值和非低碳支出预测值,历史企业数据包括企业的低碳支出占比与非低碳支出占比的情况下,依据预测基期支出,低碳支出占比与非低碳支出占比,确定企业的低碳支出预测值和非低碳支出预测值。
可选地,确定与行业对应的模拟行业数据,包括:从预测期中确定转折时间点,其中,转折时间点表示在转折时间点上气候状态发生至少一种情况的转折的转折点;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据。
可选地,确定与行业对应的模拟行业数据,包括:等间隔划分预测期为P个预测子期,其中,P个预测子期中均包括Q个基期,P为大于1的正整数,Q为大于1的正整数;确定P个预测子期中位于预定位置的基期分别对应的模拟行业数据;依据P个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定P个预测子期中位于剩余位置的基期分别对应的模拟行业数据。
可选地,确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,包括:确定在转折时间点上气候状态发生至少一种情况的转折后,至少一种气候状态对应的权重值;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,其中,与行业对应的模拟行业数据携带有对应的权重值。
可选地,依据企业对应的违约率与违约损失值,确定企业的违约风险等级之后,包括:在企业的违约风险等级大于预定风险等级的情况下,确定与预定合约相关的相关合约;确定与企业签署相关合约的情况下,企业的相关违约风险等级。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取企业的历史企业数据,以及企业所属的行业;确定与行业对应的模拟行业数据,其中,模拟行业数据包括行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;依据历史企业数据与模拟行业数据,预测企业的预测企业数据,其中,预测企业数据包括企业在N种气候状态下,与预测期内M个基期分别对应的企业数据;依据预定合约与预测企业数据,预测企业对应的违约率与违约损失值,其中,违约率包括企业在N种气候状态下,与预测期内M个基期分别对应的违约率,违约损失值包括企业在N种气候状态下,与预测期内M个基期分别对应的违约损失值;依据企业对应的违约率与违约损失值,确定企业的违约风险等级。
可选地,依据历史企业数据与模拟行业数据,预测企业的预测企业数据,包括:在历史企业数据包括历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入,模拟行业数据包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入的情况下,依据历史基期产量与模拟产量同比变化率,确定企业的预测基期产量;依据历史基期支出与企业的支出变化指数,确定企业的预测基期支出,其中,支出变化指数依据企业的历史支出增长率与行业的模拟支出增长率确定,企业的历史支出增长率依据历史基期支出确定;依据预测基期支出,多类能源基期使用量,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,确定企业的预测基期成本,其中,多类能源使用量依据预测基期产量得到;依据预测基期价格与预测基期产量,确定企业的预测基期收入,其中,预测基期价格依据预测基期成本,历史基期价格与历史基期生产成本确定。
可选地,在预测基期支出包括低碳支出预测值和非低碳支出预测值,历史企业数据包括企业的低碳支出占比与非低碳支出占比的情况下,依据预测基期支出,低碳支出占比与非低碳支出占比,确定企业的低碳支出预测值和非低碳支出预测值。
可选地,确定与行业对应的模拟行业数据,包括:从预测期中确定转折时间点,其中,转折时间点表示在转折时间点上气候状态发生至少一种情况的转折的转折点;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据。
可选地,确定与行业对应的模拟行业数据,包括:等间隔划分预测期为P个预测子期,其中,P个预测子期中均包括Q个基期,P为大于1的正整数,Q为大于1的正整数;确定P个预测子期中位于预定位置的基期分别对应的模拟行业数据;依据P个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定P个预测子期中位于剩余位置的基期分别对应的模拟行业数据。
可选地,确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,包括:确定在转折时间点上气候状态发生至少一种情况的转折后,至少一种气候状态对应的权重值;确定在转折时间点进行气候状态的转折后,与行业对应的模拟行业数据,其中,与行业对应的模拟行业数据携带有对应的权重值。
可选地,依据企业对应的违约率与违约损失值,确定企业的违约风险等级之后,包括:在企业的违约风险等级大于预定风险等级的情况下,确定与预定合约相关的相关合约;确定与企业签署相关合约的情况下,企业的相关违约风险等级。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种企业违约风险等级确定方法,其特征在于,包括:
获取企业的历史企业数据,以及所述企业所属的行业;
确定与所述行业对应的模拟行业数据,其中,所述模拟行业数据包括所述行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;
依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,其中,所述预测企业数据包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的企业数据;
依据预定合约与所述预测企业数据,预测所述企业对应的违约率与违约损失值,其中,所述违约率包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约率,所述违约损失值包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约损失值;
依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级。
2.根据权利要求1所述的方法,其特征在于,所述依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,包括:
在所述历史企业数据包括历史基期产量,历史基期支出,历史基期成本,历史基期价格,历史基期生产成本,以及历史基期收入,所述模拟行业数据包括模拟产量同比变化率,模拟支出增长率,多类能源基期价格,多类能源基期碳氧化率,多类能源基期含碳量以及基期碳价,所述预测企业数据包括预测基期产量,预测基期支出,预测基期成本,以及预测基期收入的情况下,依据所述历史基期产量与所述模拟产量同比变化率,确定所述企业的所述预测基期产量;
依据所述历史基期支出与所述企业的支出变化指数,确定所述企业的所述预测基期支出,其中,所述支出变化指数依据所述企业的历史支出增长率与行业的模拟支出增长率确定,所述企业的历史支出增长率依据所述历史基期支出确定;
依据所述预测基期支出,所述多类能源基期使用量,所述多类能源基期价格,所述多类能源基期碳氧化率,所述多类能源基期含碳量以及所述基期碳价,确定所述企业的所述预测基期成本,其中,所述多类能源使用量依据所述预测基期产量得到;
依据所述预测基期价格与所述预测基期产量,确定所述企业的所述预测基期收入,其中,所述预测基期价格依据所述预测基期成本,所述历史基期价格与所述历史基期生产成本确定。
3.根据权利要求2所述的方法,其特征在于,还包括:
在所述预测基期支出包括低碳支出预测值和非低碳支出预测值,所述历史企业数据包括所述企业的低碳支出占比与非低碳支出占比的情况下,依据所述预测基期支出,所述低碳支出占比与所述非低碳支出占比,确定所述企业的所述低碳支出预测值和所述非低碳支出预测值。
4.根据权利要求1所述的方法,其特征在于,所述确定与所述行业对应的模拟行业数据,包括:
从所述预测期中确定转折时间点,其中,所述转折时间点表示在所述转折时间点上气候状态发生至少一种情况的转折的转折点;
确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据。
5.根据权利要求1所述的方法,其特征在于,所述确定与所述行业对应的模拟行业数据,包括:
等间隔划分所述预测期为P个预测子期,其中,所述P个预测子期中均包括Q个基期,P为大于1的正整数,Q为大于1的正整数;
确定所述P个预测子期中位于预定位置的基期分别对应的模拟行业数据;
依据所述P个预测子期中位于预定位置的基期分别对应的模拟行业数据与递推公式,确定所述P个预测子期中位于剩余位置的基期分别对应的模拟行业数据。
6.根据权利要求4所述的方法,其特征在于,所述确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据,包括:
确定在所述转折时间点上气候状态发生至少一种情况的转折后,至少一种气候状态对应的权重值;
确定在所述转折时间点进行气候状态的转折后,与所述行业对应的模拟行业数据,其中,所述与所述行业对应的模拟行业数据携带有对应的权重值。
7.根据权利要求1至6中任意一项所述的方法,其特征在于,所述依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级之后,包括:
在所述企业的违约风险等级大于预定风险等级的情况下,确定与所述预定合约相关的相关合约;
确定与所述企业签署所述相关合约的情况下,所述企业的相关违约风险等级。
8.一种企业违约风险等级确定装置,其特征在于,包括:
获取模块,用于获取企业的历史企业数据,以及所述企业所属的行业;
第一确定模块,用于确定与所述行业对应的模拟行业数据,其中,所述模拟行业数据包括所述行业在N种气候状态下,与预测期内M个基期分别对应的行业数据,N为大于1的正整数,M为大于1的正整数;
第一预测模块,用于依据所述历史企业数据与所述模拟行业数据,预测所述企业的预测企业数据,其中,所述预测企业数据包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的企业数据;
第二预测模块,用于依据预定合约与所述预测企业数据,预测所述企业对应的违约率与违约损失值,其中,所述违约率包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约率,所述违约损失值包括所述企业在所述N种气候状态下,与所述预测期内M个基期分别对应的违约损失值;
第二确定模块,用于依据所述企业对应的违约率与违约损失值,确定所述企业的违约风险等级。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的企业违约风险等级确定方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至7中任意一项所述的企业违约风险等级确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371208.3A CN116485180A (zh) | 2023-04-07 | 2023-04-07 | 企业违约风险等级确定方法、装置、处理器及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371208.3A CN116485180A (zh) | 2023-04-07 | 2023-04-07 | 企业违约风险等级确定方法、装置、处理器及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116485180A true CN116485180A (zh) | 2023-07-25 |
Family
ID=87224314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310371208.3A Pending CN116485180A (zh) | 2023-04-07 | 2023-04-07 | 企业违约风险等级确定方法、装置、处理器及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116485180A (zh) |
-
2023
- 2023-04-07 CN CN202310371208.3A patent/CN116485180A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358247B (zh) | 一种确定流失用户的方法及装置 | |
CN113743673B (zh) | 一种台风期间的电力负荷预测方法 | |
CN111680841B (zh) | 基于主成分分析的短期负荷预测方法、系统及终端设备 | |
CN102426674A (zh) | 一种基于马尔科夫链的电力系统负荷预测方法 | |
CN112215442A (zh) | 电力系统短期负荷预测方法、系统、设备及介质 | |
CN102509173A (zh) | 一种基于马尔科夫链的电力系统负荷准确预测方法 | |
CN110634030A (zh) | 应用的业务指标挖掘方法、装置及设备 | |
CN110503235A (zh) | 时间序列的预测方法及系统 | |
CN111680712A (zh) | 基于日内相似时刻的变压器油温预测方法、装置及系统 | |
CN110930078A (zh) | 一种业务对象识别方法、装置及设备 | |
CN117649131A (zh) | 一种基于ai的能源系统资源适配方法、系统和介质 | |
CN116485180A (zh) | 企业违约风险等级确定方法、装置、处理器及电子设备 | |
CN116706884A (zh) | 光伏发电量的预测方法、装置、终端及存储介质 | |
CN111461397A (zh) | 一种基于改进支持向量回归机的预算预测方法及设备、介质 | |
CN115526663A (zh) | 一种策划文案的推广效果量化方法、设备及介质 | |
CN112486683B (zh) | 处理器控制方法、控制设备以及计算机可读存储介质 | |
CN113393120A (zh) | 能源消耗数据的确定方法及装置 | |
CN113222245A (zh) | 居民用户月度电量电费异常核查方法及系统、存储介质 | |
CN116523687B (zh) | 考虑多因素的用电增长驱动力分解方法、装置和存储介质 | |
CN113298281B (zh) | 一种资源处理方法、装置、设备和机器可读介质 | |
KR102720739B1 (ko) | 시설에 대한 esg 경영을 지원하는 전자 장치 및 그 동작 방법 | |
Basu et al. | Weather risk assessment of Indian power sector: A conditional value-at-risk approach | |
CN118278922B (zh) | 基于大数据的设备运维工单数据处理方法及系统 | |
CN114240255A (zh) | 一种基于关联关系的电力检修方案推荐方法和装置 | |
CN118263844A (zh) | 一种基于波动价格的电力负荷削峰填谷方法及系统 |
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 |