CN116703606B - 一种基于实时持仓分析的精细化固收资管投研一体化方法 - Google Patents
一种基于实时持仓分析的精细化固收资管投研一体化方法 Download PDFInfo
- Publication number
- CN116703606B CN116703606B CN202310687184.2A CN202310687184A CN116703606B CN 116703606 B CN116703606 B CN 116703606B CN 202310687184 A CN202310687184 A CN 202310687184A CN 116703606 B CN116703606 B CN 116703606B
- Authority
- CN
- China
- Prior art keywords
- holding
- analysis
- calculation
- calculation formula
- warehouse
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011160 research Methods 0.000 title claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 204
- 238000007726 management method Methods 0.000 claims abstract description 73
- 230000003203 everyday effect Effects 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 28
- 238000013523 data management Methods 0.000 claims description 18
- 238000007619 statistical method Methods 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 230000002354 daily effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012954 risk control Methods 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000005096 rolling process 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
- G06F11/14—Error detection or correction of the data by redundancy in operation
- G06F11/1402—Saving, restoring, recovering or retrying
- G06F11/1446—Point-in-time backing up or restoration of persistent data
- G06F11/1448—Management of the data involved in backup or backup restore
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Technology Law (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及技术领域,更具体地,涉及一种基于实时持仓分析的精细化固收资管投研一体化方法。该方案包括设置用于持仓分析的精细化管理软件结构;设置实时在线进行支撑信息获取的设备,完成在线获取数据组;在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;在每日进行自动的投资指令估算和在线数据备份;设置系列计算指标,并标记系列计算指标的计算量;根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息。该方案通过动态持仓分析确认资产信用评级和投资入库的风险控制,完成精细化管理,提升投资效率,提高收益率。
Description
技术领域
本发明涉及技术领域,更具体地,涉及一种基于实时持仓分析的精细化固收资管投研一体化方法。
背景技术
投资是一个非常重要的活动,在各个公司进行产品规模提升过程中,投资标的数量和种类都大幅增加,不管是投资经理还是信评团队都需要一个更为精细化和科学性的系统去支持和管理产品持仓的结构,也需要更加细致的评估每一笔投资对整个账户的影响。
在该方法投入使用前,缺少一个系统性的工具对信用债投资入库进行管理,信评人员针对主体信用资质是否满足入库标准进行管理,将内评等级手工录入投资系统,投资经理自行决定购买的标的和额度,无法将每笔投资的情况和产品实时的持仓结构及产品、债券集中度进行综合分析,得出最佳的入库投资额度和有效期,无法使额度分配管理和投资效率得到提升。
发明内容
鉴于上述问题,本发明提出了一种基于实时持仓分析的精细化固收资管投研一体化方法,通过动态持仓分析确认资产信用评级和投资入库的风险控制,完成精细化管理,提升投资效率,提高收益率。
根据本发明实施例第一方面,提供一种基于实时持仓分析的精细化固收资管投研一体化方法。
在一个或多个实施例中,优选地,所述一种基于实时持仓分析的精细化固收资管投研一体化方法包括:
设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
在每日进行自动的投资指令估算和在线数据备份;
设置系列计算指标,并标记系列计算指标的计算量;
根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息。
在一个或多个实施例中,优选地,所述设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型,具体包括:
设置所述工作台用于进行完成各类提醒并支撑各类信息的在线显示;
设置所述数据管理用于完成债券数据、财务数据和持仓数据的关联;
设置所述评级流程用于进行不同类型债券、买入信息的判定;
设置所述债池管理用于进行全部的债务和备选的管理与关联;
设置所述预警监控用于结合参数数据进行在线预警分析;
设置所述统计分析用于进行持仓、评级、企业和财务的全面分析;
设置所述评级模型用于完成存储进行评级所用的数学模型。
在一个或多个实施例中,优选地,所述设置实时在线进行支撑信息获取的设备,完成在线获取数据组,具体包括:
为精细化管理软件结构设置在线的基础支撑信息获取设备,具体包括:流程引擎、模型引擎、报表平台和任务管理和参数管理;
在流程引擎、模型引擎、报表平台和任务管理和参数管理中在线获取内部传输的数据,并在证券软件上在线导出持仓数据,汇总为在线获取数据组。
在一个或多个实施例中,优选地,所述在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量,具体包括:
在所述在线获取数据组中提取持仓产品预处理表,其中,所述在线获取数据组包括持仓日期、产品代码和产品净资产;
在线进行每日持仓数据的更新;
在线进行持仓的净资产数据,形成净资产表;
净资产表跟系统已经生成的投资指令匹配,计算出未买入量。
在一个或多个实施例中,优选地,所述在每日进行自动的投资指令估算和在线数据备份,具体包括:
在线进行时间判断,判断当前时刻属于开市前、开市中和开市后中的哪个阶段;
在开市前调取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
在开市中,自动进行全部的操作控制的记录,并备份全部的操作过程,根据预设的计算指标,利用当前持仓数据、未买入量、已到期额度及页面新申请的投资额度,计算出系列计算指标的计算值;
在开市后,重启估值运算过程,对持仓和交易数据进行核对校验,存储到估值备份数据库。
在一个或多个实施例中,优选地,所述设置系列计算指标,并标记系列计算指标的计算量,具体包括:
设置一个用于存储所述系列计算指标的指标数据库;
利用第一计算公式计算授信额度剩余,存储到指标数据库;
利用第二计算公式计算主体单一集中度,存储到指标数据库;
利用第三计算公式计算单券限额,存储到指标数据库;
利用第四计算公式计算行业限额,存储到指标数据库;
利用第五计算公式计算区域限额,存储到指标数据库;
利用第六计算公式计算产品集中度、行业集中度和区域集中度,存储到指标数据库;
所述第一计算公式为:
A=B-C-D-E
其中,A为授信额度剩余,B为授信额度上限,C为主体下所有债已持仓额度,D为主体下所有债已提交未买入且未成交额度,E为申请额度;
所述第二计算公式为:
G=(C+E)÷F
其中,G为主体单一集中度,F为所有产品净资产总和;
所述第三计算公式为:
H=(L+E)÷F
其中,H为债券单一集中度,L为债券总持仓;
所述第四计算公式为:
k=M+E
其中,k为单券限额,M为债券所有产品总持仓额度;
所述第五计算公式为:
N=O+E
其中,N为行业限额,O为行业下所有主体的总持仓,;
所述第六计算公式为:
Q=P+E
其中,Q为区域限额,P为区域中所有主体的总持仓;
所述第七计算公式为:
其中,R为产品集中度,S为行业集中度,T为区域集中度,X为该行业中所有主体发行的债券总持仓额度,Y为此区域中所有主体发行的债券总持仓额度。
在一个或多个实施例中,优选地,所述根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息,具体包括:
实时获取每种运算的所需时间,利用第八计算公式完成单独分析时间计算;
实时提取当前时刻的决策能力分析所需的计算时长,并利用第九计算公式判断是否启动自适应分析,若满足第九计算公式则启动自适应分析反之则不启动;
利用第十计算公式计算启动运算总数,并结合产品估值表基于系列计算指标自动启动分析过程,更新已经完成的自适应分析并在线展示;
将上次分析后运算总数对应的最后一个分析作为分析起点,到再次启动自适应分析时自动从所述分析起点完成运算,每次运算量均由第十计算公式确定启动运算总数;
更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
所述第八计算公式为:
其中,DD为单独分析时间,Di为第i次单独分析所需时间,U为分析次数i的总数;
所述第九计算公式为:
(ZQ-SX)÷ZQ>20%
其中,ZQ为总运行周期,SX为所需的计算时长;
所述第十计算公式为:
qd=qz((ZQ-SX)÷DAVG)
其中,qd为启动运算总数,ZQ为总运行周期,SX为所需的计算时长,qz()为取整函数,DAVG为全部的U次单独分析所需时间的最大值。
在一个或多个实施例中,优选地,所述设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型,具体包括:
所述工作台用于进行完成各类提醒并支撑各类信息的在线显示;
所述数据管理用于完成债券数据、财务数据和持仓数据的关联;
所述评级流程用于进行不同类型债券、买入信息的判定;
所述债池管理用于进行全部的债务和备选的管理与关联;
所述预警监控用于结合参数数据进行在线预警分析;
所述统计分析用于进行持仓、评级、企业和财务的全面分析;
所述评级模型用于完成存储进行评级所用的数学模型。
在一个或多个实施例中,优选地,所述设置实时在线进行支撑信息获取的设备,完成在线获取数据组,具体包括:
为精细化管理软件结构设置在线的基础支撑信息获取设备,具体包括:流程引擎、模型引擎、报表平台和任务管理和参数管理;
在流程引擎、模型引擎、报表平台和任务管理和参数管理中在线获取内部传输的数据,并在证券软件上在线导出持仓数据,汇总为在线获取数据组。
在一个或多个实施例中,优选地,所述在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量,具体包括:
在所述在线获取数据组中提取持仓产品预处理表,其中,所述在线获取数据组包括持仓日期、产品代码和产品净资产;
在线进行每日持仓数据的更新;
在线进行持仓的净资产数据,形成净资产表;
净资产表跟系统已经生成的投资指令匹配,计算出未买入量。
在一个或多个实施例中,优选地,所述在每日进行自动的投资指令估算和在线数据备份,具体包括:
在线进行时间判断,判断当前时刻属于开市前、开市中和开市后中的哪个阶段;
在开市前调取持仓估值表;
在开市中,自动进行全部的操作控制的记录,并备份全部的操作过程;
在开市后,重启估值运算过程,形成模块估值数据,存储到估值备份数据库。
在一个或多个实施例中,优选地,所述设置系列计算指标,并标记系列计算指标的计算量,具体包括:
设置一个用于存储所述系列计算指标的指标数据库;
利用第一计算公式计算授信额度剩余,存储到指标数据库;
利用第二计算公式计算主体单一集中度,存储到指标数据库;
利用第三计算公式计算单券限额,存储到指标数据库;
利用第四计算公式计算行业限额,存储到指标数据库;
利用第五计算公式计算区域限额,存储到指标数据库;
利用第六计算公式计算产品集中度、行业集中度和区域集中度,存储到指标数据库;
所述第一计算公式为:
A=B-C-D-E
其中,A为授信额度剩余,B为授信额度上限,C为主体下所有债已持仓额度,D为主体下所有债已提交未买入且未成交额度,E为申请额度;
所述第二计算公式为:
G=(C+E)÷F
其中,G为主体单一集中度,F为所有产品净资产总和;
所述第三计算公式为:
H=(L+E)÷F
其中,H为债券单一集中度,L为债券总持仓;
所述第四计算公式为:
k=M+E
其中,k为单券限额,M为债券所有产品总持仓额度;
所述第五计算公式为:
N=O+E
其中,N为行业限额,O为行业下所有主体的总持仓,;
所述第六计算公式为:
Q=P+E
其中,Q为区域限额,P为区域中所有主体的总持仓;
所述第七计算公式为:
其中,R为产品集中度,S为行业集中度,T为区域集中度,X为该行业中所有主体发行的债券总持仓额度,Y为此区域中所有主体发行的债券总持仓额度。
在一个或多个实施例中,优选地,所述根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息,具体包括:
实时获取每种运算的所需时间,利用第八计算公式完成单独分析时间计算;
实时提取当前时刻的决策能力分析所需的计算时长,并利用第九计算公式判断是否启动自适应分析,若满足第九计算公式则启动自适应分析反之则不启动;
利用第十计算公式计算启动运算总数,并自动启动分析过程,更新已经完成的自适应分析并在线展示;
将上次分析后运算总数对应的最后一个分析作为分析起点,到再次启动自适应分析时自动从所述分析起点完成运算,每次运算量均由第十计算公式确定启动运算总数;
更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
所述第八计算公式为:
其中,DD为单独分析时间,Di为第i次单独分析所需时间,U为分析次数i的总数;
所述第九计算公式为:
(ZQ-SX)÷ZQ>20%
其中,ZQ为总运行周期,SX为所需的计算时长;
所述第十计算公式为:
qd=qz((ZQ-SX)÷DAVG)
其中,qd为启动运算总数,ZQ为总运行周期,SX为所需的计算时长,qz()为取整函数,DAVG为全部的U次单独分析所需时间的最大值。
根据本发明实施例第二方面,提供一种基于实时持仓分析的精细化固收资管投研一体化系统。
在一个或多个实施例中,优选地,所述一种基于实时持仓分析的精细化固收资管投研一体化系统包括:
系统结构设置模块,用于设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
信息获取模块,用于设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
持仓处理模块,用于在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
资产运算模块,用于在每日进行自动的投资指令估算和在线数据备份;
指标准备模块,用于设置系列计算指标,并标记系列计算指标的计算量;
在线展示模块,用于根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的方法。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明方案中,和交易系统打通,实现持仓和投资额度等数据的打通,帮助信评人员在投资入库流程审批时可以结合实时的持仓以及审批额度。
本发明方案中,综合评估每一笔债券的授信额度,使投资管理更为精细化和科学化,同时分析结果自动同步至交易系统。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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一些实施例,对于本领域技术人员来讲,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是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法的流程图。
图2是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型的流程图。
图3是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置实时在线进行支撑信息获取的设备,完成在线获取数据组的流程图。
图4是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量的流程图。
图5是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的在每日进行自动的投资指令估算和在线数据备份的流程图。
图6是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置系列计算指标,并标记系列计算指标的计算量的流程图。
图7是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息的流程图。
图8是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化系统的结构图。
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,本领域技术人员在没有作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。
投资是一个非常重要的活动,在各个公司进行产品规模提升过程中,投资标的数量和种类都大幅增加,不管是投资经理还是信评团队都需要一个更为精细化和科学性的系统去支持和管理产品持仓的结构,也需要更加细致的评估每一笔投资对整个账户的影响。
在该方法投入使用前,缺少一个系统性的工具对信用债投资入库进行管理,信评人员针对主体信用资质是否满足入库标准进行管理,将内评等级手工录入投资系统,投资经理自行决定购买的标的和额度,无法将每笔投资的情况和产品实时的持仓结构及产品、债券集中度进行综合分析,得出最佳的入库投资额度和有效期,无法使额度分配管理和投资效率得到提升。
本发明实施例中,提供了一种基于实时持仓分析的精细化固收资管投研一体化方法。该方案通过动态持仓分析确认资产信用评级和投资入库的风险控制,完成精细化管理,提升投资效率,提高收益率。
根据本发明实施例第一方面,提供一种基于实时持仓分析的精细化固收资管投研一体化方法。
图1是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法的流程图。
在一个或多个实施例中,优选地,所述一种基于实时持仓分析的精细化固收资管投研一体化方法包括:
S101、设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
S102、设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
S103、在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
S104、在每日进行自动的投资指令估算和在线数据备份;
S105、设置系列计算指标,并标记系列计算指标的计算量;
S106、根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息。
在本发明实施例中,首先,设置系统结构,进行在线的获取信息,进而完成持仓数据的预处理,进行投资直流的运算,最终形成系列运算指标,并基于系列的运算指标基于系统结构进行分时间尺度的优化展示。
图2是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型的流程图。
如图2所示,在一个或多个实施例中,优选地,所述设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型,具体包括:
S201、设置所述工作台用于进行完成各类提醒并支撑各类信息的在线显示;
S202、设置所述数据管理用于完成债券数据、财务数据和持仓数据的关联;
S203、设置所述评级流程用于进行不同类型债券、买入信息的判定;
S204、设置所述债池管理用于进行全部的债务和备选的管理与关联;
S205、设置所述预警监控用于结合参数数据进行在线预警分析;
S206、设置所述统计分析用于进行持仓、评级、企业和财务的全面分析;
S207、设置所述评级模型用于完成存储进行评级所用的数学模型。
在本发明实施例中,明确了如何设置系统结构,进行精细化固收管理过程包括一个系统功能结构,具体包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型,其中,所述工作台用于进行完成各类提醒并支撑各类信息的在线显示,数据管理用于完成债券数据、财务数据和持仓数据的关联,评级流程用于进行不同类型债券、买入信息的判定,债池管理用于进行全部的债务和备选的管理与关联,预警监控用于结合参数数据进行在线预警分析,统计分析,用于进行持仓、评级、企业和财务的全面分析,评级模型,用于完成存储进行评级的。
图3是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置实时在线进行支撑信息获取的设备,完成在线获取数据组的流程图。
如图3所示,在一个或多个实施例中,优选地,所述设置实时在线进行支撑信息获取的设备,完成在线获取数据组,具体包括:
S301、为精细化管理软件结构设置在线的基础支撑信息获取设备,具体包括:流程引擎、模型引擎、报表平台和任务管理和参数管理;
S302、在流程引擎、模型引擎、报表平台和任务管理和参数管理中在线获取内部传输的数据,并在证券软件上在线导出持仓数据,汇总为在线获取数据组。
在本发明实施例中,明确了如何在线获取信息,设置在线的基础支撑信息获取设备,具体包括:流程引擎、模型引擎、报表平台和任务管理和参数管理,这些基础支撑信息获取设备主要进行不同层级上的数据获取,其中最原始的数据在证券软件和本身内部持仓数据中导出,最终信息汇总为在线获取数据组。
图4是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量的流程图。
如图4所示,在一个或多个实施例中,优选地,所述在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量,具体包括:
S401、在所述在线获取数据组中提取持仓产品预处理表,其中,所述在线获取数据组包括持仓日期、产品代码和产品净资产;
S402、在线进行每日持仓数据的更新;
S403、在线进行持仓的净资产数据,形成净资产表;
S404、净资产表跟系统已经生成的投资指令匹配,计算出未买入量。
在本发明实施例中,明确了如何进行持仓数据的预处理,在所述在线获取数据组中提取持仓产品预处理表,其中包括持仓日期、产品代码、产品净资产,在线进行每日持仓数据的更新,并形成持仓市值的净资产表,并净资产表跟系统已经生成的投资指令匹配,计算出未买入量。
图5是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的在每日进行自动的投资指令估算和在线数据备份的流程图。
如图5所示,在一个或多个实施例中,优选地,所述在每日进行自动的投资指令估算和在线数据备份,具体包括:
S501、在线进行时间判断,判断当前时刻属于开市前、开市中和开市后中的哪个阶段;
S502、在开市前调取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
S503、在开市中,自动进行全部的操作控制的记录,并备份全部的操作过程,根据预设的计算指标,利用当前持仓数据、未买入量、已到期额度及页面新申请的投资额度,计算出系列计算指标的计算值;
S504、在开市后,重启估值运算过程,对持仓和交易数据进行核对校验,存储到估值备份数据库。
在本发明实施例中,明确了如何完成投资指令的运算,在每天早上启动估值运算,在开市过程中记录每次持仓变动控制的过程,并记录备份全部的成功和不成功的操作过程,在每天下午3点后重启估值运算,形成模块估值数据。
图6是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的设置系列计算指标,并标记系列计算指标的计算量的流程图。
如图6所示,在一个或多个实施例中,优选地,所述设置系列计算指标,并标记系列计算指标的计算量,具体包括:
S601、设置一个用于存储所述系列计算指标的指标数据库;
S602、利用第一计算公式计算授信额度剩余,存储到指标数据库;
S603、利用第二计算公式计算主体单一集中度,存储到指标数据库;
S604、利用第三计算公式计算单券限额,存储到指标数据库;
S605、利用第四计算公式计算行业限额,存储到指标数据库;
S606、利用第五计算公式计算区域限额,存储到指标数据库;
S607、利用第六计算公式计算产品集中度、行业集中度和区域集中度,存储到指标数据库;
所述第一计算公式为:
A=B-C-D-E
其中,A为授信额度剩余,B为授信额度上限,C为主体下所有债已持仓额度,D为主体下所有债已提交未买入且未成交额度,E为申请额度;
所述第二计算公式为:
G=(C+E)÷F
其中,G为主体单一集中度,F为所有产品净资产总和;
所述第三计算公式为:
H=(L+E)÷F
其中,H为债券单一集中度,L为债券总持仓;
所述第四计算公式为:
k=M+E
其中,k为单券限额,M为债券所有产品总持仓额度;
所述第五计算公式为:
N=O+E
其中,N为行业限额,O为行业下所有主体的总持仓,;
所述第六计算公式为:
Q=P+E
其中,Q为区域限额,P为区域中所有主体的总持仓;
所述第七计算公式为:
其中,R为产品集中度,S为行业集中度,T为区域集中度,X为该行业中所有主体发行的债券总持仓额度,Y为此区域中所有主体发行的债券总持仓额度。
在本发明实施例中,设置系列操作指标,具体包括主体单一集中度、债券单一集中度、单券限额、区域限额等,授信额度剩余为根据每天导入的持仓额度更新剩余额度(授信额度上限-主体下所有债已持仓额度-主体下所有债已提交未买入且未成交额度-申请额度);主体单一集中度:(主体下所有债券总持仓+申请额度)/所有产品净资产总和;债券单一集中度:(债券总持仓+申请额度)/所有产品净资产总和;单券限额:当前债券所有产品总持仓额度+申请额度;行业限额:行业下所有主体的总持仓+申请额度。这些方式均以公式运输方式执行。
图7是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化方法中的根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息的流程图。
如图7所示,在一个或多个实施例中,优选地,所述根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息,具体包括:
S701、实时获取每种运算的所需时间,利用第八计算公式完成单独分析时间计算;
S702、实时提取当前时刻的决策能力分析所需的计算时长,并利用第九计算公式判断是否启动自适应分析,若满足第九计算公式则启动自适应分析反之则不启动;
S703、利用第十计算公式计算启动运算总数,并结合产品估值表基于系列计算指标自动启动分析过程,更新已经完成的自适应分析并在线展示;
S704、将上次分析后运算总数对应的最后一个分析作为分析起点,到再次启动自适应分析时自动从所述分析起点完成运算,每次运算量均由第十计算公式确定启动运算总数;
S705、更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
所述第八计算公式为:
其中,DD为单独分析时间,Di为第i次单独分析所需时间,U为分析次数i的总数;
所述第九计算公式为:
(ZQ-SX)÷ZQ>20%
其中,ZQ为总运行周期,SX为所需的计算时长;
所述第十计算公式为:
qd=qz((ZQ-SX)÷DAVG)
其中,qd为启动运算总数,ZQ为总运行周期,SX为所需的计算时长,qz()为取整函数,DAVG为全部的U次单独分析所需时间的最大值。
在本发明实施例中,实时进行在线的系统运算能力与决策能力分析,结合系列操作指标进行在线的滚动分析,利用第八、第九和第十计算公式根据分析次数i的在线运算,形成具体的操作和展示策略,首先获得单独分析时间,进而依次选取不同分析次数总数对应的单独分析时间,展示当前需要完成不同次数的系列操作指标运算的单独分析时间,进而结合在线分析与运算的函数进行决策部署,当前的决策能力不足时,不更新进行指标运算,当决策能力足够时,按照预设的周期启动指标更新,完成信息的在线运算,并更新到前段指标数据库中,并最终进行在线展示。
根据本发明实施例第二方面,提供一种基于实时持仓分析的精细化固收资管投研一体化系统。
图8是本发明一个实施例的一种基于实时持仓分析的精细化固收资管投研一体化系统的结构图。
在一个或多个实施例中,优选地,所述一种基于实时持仓分析的精细化固收资管投研一体化系统包括:
系统结构设置模块801,用于设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
信息获取模块802,用于设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
持仓处理模块803,用于在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
资产运算模块804,用于在每日进行自动的投资指令估算和在线数据备份;
指标准备模块805,用于设置系列计算指标,并标记系列计算指标的计算量;
在线展示模块806,用于根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息。
在本发明实施例中,通过一系列的模块化设计,实现一个适用于不同结构下的系统,该系统能够通过采集、分析和控制,实现闭环的、可靠的、高效的执行。
根据本发明实施例第三方面,提供一种计算机可读存储介质,其上存储计算机程序指令,所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
根据本发明实施例第四方面,提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用基于实时持仓分析的精细化固收资管投研一体化装置。参照图9,该电子设备900包括相互耦合的一个或多个(图中仅示出一个)处理器902、存储器904以及无线模块906。其中,该存储器904中存储有可以执行前述实施例中内容的程序,而处理器902可以执行该存储器904中存储的程序。
其中,处理器902可以包括一个或者多个处理核。处理器902利用各种接口和线路连接整个电子设备900内的各个部分,通过运行或执行存储在存储器904内的指令、程序、代码集或指令集,以及调用存储在存储器904内的数据,执行电子设备900的各种功能和处理数据。可选地,处理器902可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(ProgrammableLogic Array,PLA)中的至少一种硬件形式来实现。处理器902可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面和目标应用程序等;GPU用于负责显示内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器902中,单独通过一块通信芯片进行实现。
存储器904可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。存储器904可用于存储指令、程序、代码、代码集或指令集。存储器904可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备900在使用中所创建的数据(比如前述的文本文档)等。
所述无线模块906用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯,例如基于移动通信协议与基站进行通讯。所述无线模块906可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。所述无线模块906可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他电子设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于WLAN协议以及蓝牙协议,甚至可包括那些当前仍未被开发出来的协议。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明方案中,和交易系统打通,实现持仓和投资额度等数据的打通,帮助信评人员在投资入库流程审批时可以结合实时的持仓以及审批额度。
本发明方案中,综合评估每一笔债券的授信额度,使投资管理更为精细化和科学化,同时分析结果自动同步至交易系统。
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和光学存储器等)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。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于实时持仓分析的精细化固收资管投研一体化方法,其特征在于,该方法包括:
设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
在每日进行自动的投资指令估算和在线数据备份;
设置系列计算指标,并标记系列计算指标的计算量;
根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
其中,所述在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量,具体包括:
在所述在线获取数据组中提取持仓产品预处理表,其中,所述在线获取数据组包括持仓日期、产品代码和产品净资产;
在线进行每日持仓数据的更新;
在线进行持仓的净资产数据,形成净资产表;
净资产表跟系统已经生成的投资指令匹配,计算出未买入量;
其中,所述在每日进行自动的投资指令估算和在线数据备份,具体包括:
在线进行时间判断,判断当前时刻属于开市前、开市中和开市后中的哪个阶段;
在开市前调取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
在开市中,自动进行全部的操作控制的记录,并备份全部的操作过程,根据预设的计算指标,利用当前持仓数据、未买入量、已到期额度及页面新申请的投资额度,计算出系列计算指标的计算值;
在开市后,对持仓和交易数据进行核对校验,存储到估值备份数据库;
其中,所述设置系列计算指标,并标记系列计算指标的计算量,具体包括:
设置一个用于存储所述系列计算指标的指标数据库;
利用第一计算公式计算授信额度剩余,存储到指标数据库;
利用第二计算公式计算主体单一集中度,存储到指标数据库;
利用第三计算公式计算债券单一集中度,存储到指标数据库;
利用第四计算公式计算单券限额,存储到指标数据库;
利用第五计算公式计算行业限额,利用第六计算公式计算区域限额,存储到指标数据库;
利用第七计算公式计算产品集中度、行业集中度和区域集中度,存储到指标数据库;
所述第一计算公式为:
A=B-C-D-E
其中,A为授信额度剩余,B为授信额度上限,C为主体下所有债已持仓额度,D为主体下所有债已提交未买入且未成交额度,E为申请额度;
所述第二计算公式为:
G=(C+E)÷F
其中,G为主体单一集中度,F为所有产品净资产总和;
所述第三计算公式为:
H=(L+E)÷F
其中,H为债券单一集中度,L为债券总持仓;
所述第四计算公式为:
k=M+E
其中,k为单券限额,M为债券所有产品总持仓额度;
所述第五计算公式为:
N=O+E
其中,N为行业限额,O为行业下所有主体的总持仓,;
所述第六计算公式为:
Q=P+E
其中,Q为区域限额,P为区域中所有主体的总持仓;
所述第七计算公式为:
其中,R为产品集中度,S为行业集中度,T为区域集中度,X为该行业中所有主体发行的债券总持仓额度,Y为此区域中所有主体发行的债券总持仓额度;
其中,所述根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息,具体包括:
实时提取当前时刻的决策能力分析所需的计算时长,并利用第九计算公式判断是否启动自适应分析,若满足第九计算公式则启动自适应分析反之则不启动;
利用第十计算公式计算启动运算总数,并结合产品估值表基于系列计算指标自动启动分析过程,更新已经完成的自适应分析并在线展示;
将上次分析后运算总数对应的最后一个分析作为分析起点,到再次启动自适应分析时自动从所述分析起点完成运算,每次运算量均由第十计算公式确定启动运算总数;
更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
所述第九计算公式为:
(ZQ-SX)÷ZQ>20%
其中,ZQ为总运行周期,SX为所需的计算时长;
所述第十计算公式为:
qd=qz((ZQ-SX)÷DAVG)
其中,qd为启动运算总数,ZQ为总运行周期,SX为所需的计算时长,qz()为取整函数,DAVG为全部的U次单独分析所需时间的最大值。
2.如权利要求1所述的一种基于实时持仓分析的精细化固收资管投研一体化方法,其特征在于,所述设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型,具体包括:
设置所述工作台用于进行完成各类提醒并支撑各类信息的在线显示;
设置所述数据管理用于完成债券数据、财务数据和持仓数据的关联;
设置所述评级流程用于进行不同类型债券、买入信息的判定;
设置所述债池管理用于进行全部的债务和备选的管理与关联;
设置所述预警监控用于结合参数数据进行在线预警分析;
设置所述统计分析用于进行持仓、评级、企业和财务的全面分析;
设置所述评级模型用于完成存储进行评级所用的数学模型。
3.如权利要求1所述的一种基于实时持仓分析的精细化固收资管投研一体化方法,其特征在于,所述设置实时在线进行支撑信息获取的设备,完成在线获取数据组,具体包括:
为精细化管理软件结构设置在线的基础支撑信息获取设备,具体包括:流程引擎、模型引擎、报表平台和任务管理和参数管理;
在流程引擎、模型引擎、报表平台和任务管理和参数管理中在线获取内部传输的数据,并在证券软件上在线导出持仓数据,汇总为在线获取数据组。
4.一种基于实时持仓分析的精细化固收资管投研一体化系统,其特征在于,该系统用于实施如权利要求1-3中任一项所述的方法,该系统包括:
系统结构设置模块,用于设置用于持仓分析的精细化管理软件结构,所述精细化管理软件结构包括:工作台、数据管理、评级流程、债池管理、预警监控、统计分析和评级模型;
信息获取模块,用于设置实时在线进行支撑信息获取的设备,完成在线获取数据组;
持仓处理模块,用于在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
资产运算模块,用于在每日进行自动的投资指令估算和在线数据备份;
指标准备模块,用于设置系列计算指标,并标记系列计算指标的计算量;
在线展示模块,用于根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
其中,所述在所述在线获取数据组中提取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量,具体包括:
在所述在线获取数据组中提取持仓产品预处理表,其中,所述在线获取数据组包括持仓日期、产品代码和产品净资产;
在线进行每日持仓数据的更新;
在线进行持仓的净资产数据,形成净资产表;
净资产表跟系统已经生成的投资指令匹配,计算出未买入量;
其中,所述在每日进行自动的投资指令估算和在线数据备份,具体包括:
在线进行时间判断,判断当前时刻属于开市前、开市中和开市后中的哪个阶段;
在开市前调取持仓产品预处理表,跟系统已经生成的投资指令匹配,计算出未买入量;
在开市中,自动进行全部的操作控制的记录,并备份全部的操作过程,根据预设的计算指标,利用当前持仓数据、未买入量、已到期额度及页面新申请的投资额度,计算出系列计算指标的计算值;
在开市后,对持仓和交易数据进行核对校验,存储到估值备份数据库;
其中,所述设置系列计算指标,并标记系列计算指标的计算量,具体包括:
设置一个用于存储所述系列计算指标的指标数据库;
利用第一计算公式计算授信额度剩余,存储到指标数据库;
利用第二计算公式计算主体单一集中度,存储到指标数据库;
利用第三计算公式计算债券单一集中度,存储到指标数据库;
利用第四计算公式计算单券限额,存储到指标数据库;
利用第五计算公式计算行业限额,利用第六计算公式计算区域限额,存储到指标数据库;
利用第七计算公式计算产品集中度、行业集中度和区域集中度,存储到指标数据库;
所述第一计算公式为:
A=B-C-D-E
其中,A为授信额度剩余,B为授信额度上限,C为主体下所有债已持仓额度,D为主体下所有债已提交未买入且未成交额度,E为申请额度;
所述第二计算公式为:
G=(C+E)÷F
其中,G为主体单一集中度,F为所有产品净资产总和;
所述第三计算公式为:
H=(L+E)÷F
其中,H为债券单一集中度,L为债券总持仓;
所述第四计算公式为:
k=M+E
其中,k为单券限额,M为债券所有产品总持仓额度;
所述第五计算公式为:
N=O+E
其中,N为行业限额,O为行业下所有主体的总持仓,;
所述第六计算公式为:
Q=P+E
其中,Q为区域限额,P为区域中所有主体的总持仓;
所述第七计算公式为:
其中,R为产品集中度,S为行业集中度,T为区域集中度,X为该行业中所有主体发行的债券总持仓额度,Y为此区域中所有主体发行的债券总持仓额度;
其中,所述根据产品估值表在线结合系列计算指标进行自适应校验分析,更新并在线展示不同时间尺度下的决策信息和持仓首页信息,具体包括:
实时提取当前时刻的决策能力分析所需的计算时长,并利用第九计算公式判断是否启动自适应分析,若满足第九计算公式则启动自适应分析反之则不启动;
利用第十计算公式计算启动运算总数,并结合产品估值表基于系列计算指标自动启动分析过程,更新已经完成的自适应分析并在线展示;
将上次分析后运算总数对应的最后一个分析作为分析起点,到再次启动自适应分析时自动从所述分析起点完成运算,每次运算量均由第十计算公式确定启动运算总数;
更新并在线展示不同时间尺度下的决策信息和持仓首页信息;
所述第九计算公式为:
(ZQ-SX)÷ZQ>20%
其中,ZQ为总运行周期,SX为所需的计算时长;
所述第十计算公式为:
qd=qz((ZQ-SX)÷DAVG)
其中,qd为启动运算总数,ZQ为总运行周期,SX为所需的计算时长,qz()为取整函数,DAVG为全部的U次单独分析所需时间的最大值。
5.一种计算机可读存储介质,其上存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-3中任一项所述的方法。
6.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-3任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310687184.2A CN116703606B (zh) | 2023-06-09 | 2023-06-09 | 一种基于实时持仓分析的精细化固收资管投研一体化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310687184.2A CN116703606B (zh) | 2023-06-09 | 2023-06-09 | 一种基于实时持仓分析的精细化固收资管投研一体化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116703606A CN116703606A (zh) | 2023-09-05 |
CN116703606B true CN116703606B (zh) | 2024-05-17 |
Family
ID=87825245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310687184.2A Active CN116703606B (zh) | 2023-06-09 | 2023-06-09 | 一种基于实时持仓分析的精细化固收资管投研一体化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116703606B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055639A (zh) * | 2006-04-14 | 2007-10-17 | 武汉群胜科技有限公司 | 银行信贷业务处理系统 |
CN109658215A (zh) * | 2018-12-10 | 2019-04-19 | 平安科技(深圳)有限公司 | 交易台账计算方法、装置及计算机可读存储介质 |
CN112396516A (zh) * | 2020-12-04 | 2021-02-23 | 中国农业银行股份有限公司天津市分行 | 一种数据管理方法、装置、计算机设备及存储介质 |
CN112686758A (zh) * | 2020-12-28 | 2021-04-20 | 上海芯与网络科技有限公司 | 一种投研策略与投资行为相结合的投资系统 |
CN115221212A (zh) * | 2021-04-15 | 2022-10-21 | 北京同邦卓益科技有限公司 | 基金投资数据管理系统及方法 |
CN115237985A (zh) * | 2022-03-28 | 2022-10-25 | 中国人寿保险股份有限公司 | 基于etl的投资风险指标分析平台 |
CN116227958A (zh) * | 2022-11-24 | 2023-06-06 | 北京汇成基金销售有限公司 | 一种基于持仓与净值动态量化评价偏债型基金经理的方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150254766A1 (en) * | 2014-03-05 | 2015-09-10 | Marc Abramowitz | System and method for generating a dynamic credit risk rating for a debt security |
-
2023
- 2023-06-09 CN CN202310687184.2A patent/CN116703606B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055639A (zh) * | 2006-04-14 | 2007-10-17 | 武汉群胜科技有限公司 | 银行信贷业务处理系统 |
CN109658215A (zh) * | 2018-12-10 | 2019-04-19 | 平安科技(深圳)有限公司 | 交易台账计算方法、装置及计算机可读存储介质 |
CN112396516A (zh) * | 2020-12-04 | 2021-02-23 | 中国农业银行股份有限公司天津市分行 | 一种数据管理方法、装置、计算机设备及存储介质 |
CN112686758A (zh) * | 2020-12-28 | 2021-04-20 | 上海芯与网络科技有限公司 | 一种投研策略与投资行为相结合的投资系统 |
CN115221212A (zh) * | 2021-04-15 | 2022-10-21 | 北京同邦卓益科技有限公司 | 基金投资数据管理系统及方法 |
CN115237985A (zh) * | 2022-03-28 | 2022-10-25 | 中国人寿保险股份有限公司 | 基于etl的投资风险指标分析平台 |
CN116227958A (zh) * | 2022-11-24 | 2023-06-06 | 北京汇成基金销售有限公司 | 一种基于持仓与净值动态量化评价偏债型基金经理的方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116703606A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648074A (zh) | 基于支持向量机的贷款评估方法、装置及设备 | |
CN110992167A (zh) | 银行客户业务意图识别方法及装置 | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN101089890A (zh) | 一种基于网络的贷款受理系统及其贷款受理终端 | |
CN110097451B (zh) | 一种银行业务的监控方法及装置 | |
CN111951052B (zh) | 基于知识图谱的获取潜在客户方法及装置 | |
CN110991441A (zh) | 基于图像识别的资产评估方法、装置以及计算机存储介质 | |
CN110610431A (zh) | 基于大数据的智能理赔方法及智能理赔系统 | |
US20030144933A1 (en) | Method and apparatus for determining a customer's likelihood of reusing a financial account | |
CN113989020A (zh) | 贷款逾期信息处理方法、装置、计算机设备及存储介质 | |
CN114154672A (zh) | 一种用于客户流失预测的数据挖掘方法 | |
CN113518117A (zh) | Etc办理推荐方法、银行服务器、计算机设备及介质 | |
CN116703606B (zh) | 一种基于实时持仓分析的精细化固收资管投研一体化方法 | |
CN116797345A (zh) | 任务处理方法、装置、计算机设备及存储介质 | |
CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
CN111160681A (zh) | 基于用户收支数据评估用户收入级别的方法、装置及存储介质 | |
CN107172311B (zh) | 业务评估方法及终端设备 | |
CN115619534A (zh) | 企业贷款请求处理方法及装置 | |
CN113240513A (zh) | 一种用户授信额度的确定方法和相关装置 | |
CN111667357A (zh) | 银行产品推送方法及装置 | |
CN111626572A (zh) | 数字化智能风控方法及相关产品 | |
CN110084701A (zh) | 理财平台入驻方法、装置、计算机设备和存储介质 | |
CN111932018B (zh) | 银行业务绩效贡献信息预测方法及装置 | |
CN112396513B (zh) | 一种数据处理的方法及装置 | |
CN115689779B (zh) | 一种基于云端信用决策的用户风险预测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |