CN116823488A - 资产组合管理方法、装置、终端设备以及存储介质 - Google Patents
资产组合管理方法、装置、终端设备以及存储介质 Download PDFInfo
- Publication number
- CN116823488A CN116823488A CN202310949595.4A CN202310949595A CN116823488A CN 116823488 A CN116823488 A CN 116823488A CN 202310949595 A CN202310949595 A CN 202310949595A CN 116823488 A CN116823488 A CN 116823488A
- Authority
- CN
- China
- Prior art keywords
- solving
- constraint conditions
- portfolio management
- preset
- resource
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 99
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 90
- 238000013439 planning Methods 0.000 claims abstract description 46
- 238000013468 resource allocation Methods 0.000 claims description 38
- 230000008901 benefit Effects 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 description 33
- 230000006870 function Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 19
- 238000011161 development Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000008685 targeting Effects 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种资产组合管理方法、装置、终端设备以及存储介质,其资产组合管理方法包括:确定层级维度,获取对应的情景参数和基期数据;根据情景参数及基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和层级维度,确定约束条件和求解目标;将层级结构信息以及经济资本信息输入至预设规划模型中通过约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
Description
技术领域
本申请涉及数据处理技术领域,尤其涉及一种资产组合管理方法、装置、终端设备以及存储介质。
背景技术
资产组合管理是一项关键的金融活动,通过有效的资源配置和分散风险来最大化投资回报。然而,当前资产组合管理面临着一些严重问题,妨碍了资产组合的优化和风险控制。
一方面,目前资产组合管理缺少有效的计量工具,使得用户难以评估其投资组合的真实价值和风险状况。另一方面,当前资产组合管理无法衡量不同行业之间的风险关联度以及风险集中度,使得用户难以采取相应的分散风险策略。
是以,有必要提出一种优化资产组合管理的方案。
发明内容
本申请的主要目的在于提供一种资产组合管理方法、装置、终端设备以及存储介质,旨在解决资产组合管理优化的技术问题,降低资产组合管理的风险性。
为实现上述目的,本申请提供一种资产组合管理方法,所述资产组合管理方法包括:
确定层级维度,获取对应的情景参数和基期数据;
根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
基于预设计量工具和所述层级维度,确定约束条件和求解目标;
将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
可选地,所述根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息的步骤包括:
根据所述情景参数和基期数据,构造若干资源配置分组以及所述若干资源配置分组各自对应的业务标识,得到所述层级结构信息;
根据所述若干资源配置分组,获取各自对应的经济资本计算分组,得到所述经济资本信息。
可选地,所述将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果的步骤包括:
根据所述业务标识,得到业务规模增长率;
基于所述业务规模增长率,得到所述经济资本计算分组的汇总结果;
基于所述汇总结果,计算所述若干资源配置分组各自对应的风险调整收益中间结果;
结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果。
可选地,所述结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果的步骤包括:
获取当前求解次数,并检测所述当前求解次数是否达到预设求解阈值;
若所述当前求解次数达到所述求解阈值,则检测所述资源组合优化结果是否符合预设算法优化条件;
若所述资源组合优化结果符合所述算法优化条件,则输出所述资源组合优化结果;
若所述当前求解次数未达到所述求解阈值,则检测所述风险调整收益中间结果是否满足所述若干约束条件;
若所述风险调整收益中间结果满足所述若干约束条件,则执行所述步骤:检测所述资源组合优化结果是否符合预设算法优化条件;
若所述风险调整收益中间结果不满足所述若干约束条件或资源组合优化结果不符合所述算法优化条件,则执行所述步骤:根据所述业务标识,得到业务规模增长率。
可选地,所述结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果的步骤之后,还包括:
根据所述资源组合优化结果,判断是否需要调整所述若干约束条件和/或所述求解目标;
若需要调整所述若干约束条件,则返回执行所述基于预设计量工具和所述层级维度,确定约束条件和求解目标以及之后的步骤。
可选地,所述确定层级维度,获取对应的情景参数和基期数据的步骤包括:
规划若干组合及所述若干组合各自对应的子组合,得到所述层级维度;
根据所述层级维度,得到所述基期数据和所述情景参数,并基于所述情景参数初始化所述层级维度的场景。
可选地,所述基于预设计量工具和所述层级维度,确定约束条件和求解目标的步骤包括:
根据所述层级维度,确定初始约束条件和初始求解目标;
通过所述计量工具,分别计算所述初始约束条件和所述初始求解目标,得到所述约束条件和所述求解目标。
本申请实施例还提出一种资产组合管理装置,所述资产组合管理装置包括:
第一数据模块,用于确定层级维度,获取对应的情景参数和基期数据;
第二数据模块,用于根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
资源配置模块,用于基于预设计量工具和所述层级维度,确定约束条件和求解目标;
决策分析模块,用于将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
本申请实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的资产组合管理程序,所述资产组合管理程序被所述处理器执行时实现如上所述的资产组合管理方法的步骤。
本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有资产组合管理程序,所述资产组合管理程序被处理器执行时实现如上所述的资产组合管理方法的步骤。
本申请实施例提出的资产组合管理方法、装置、终端设备以及存储介质,通过确定层级维度,获取对应的情景参数和基期数据;根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和所述层级维度,确定约束条件和求解目标;将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
附图说明
图1为本申请资产组合管理装置所属终端设备的功能模块示意图;
图2为本申请资产组合管理方法第一示例性实施例的流程示意图;
图3为本申请资产组合管理方法第二示例性实施例的流程示意图;
图4为本申请资产组合管理方法第三示例性实施例的流程示意图;
图5为本申请资产组合管理方法的整体框架示意图;
图6为本申请资产组合管理方法第四示例性实施例的流程示意图;
图7为本申请资产组合管理方法数据准备功能的流程示意图;
图8为本申请资产组合管理方法的构造预测期资产组合示意图;
图9为本申请资产组合管理方法资源配置功能的流程示意图;
图10为本申请资产组合管理方法决策分析功能的流程示意图;
图11为本申请资产组合管理方法第五示例性实施例的流程示意图;
图12为本申请资产组合管理方法资源配置计算的流程示意图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例的主要解决方案是:确定层级维度,获取对应的情景参数和基期数据;根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和所述层级维度,确定约束条件和求解目标;将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
本申请实施例涉及的技术术语:
EC,全称为(Economic Capital),是指在金融机构内,为覆盖潜在损失而分配的资本。它是一种用于评估和管理风险的指标,通常以资本的形式表现,用于衡量机构在不同风险情境下所需的资本金额。EC的目标是确保金融机构有足够的资本来抵御风险,以维护其金融稳定性和持续经营能力。
RAROC(Risk-Adjusted Return On Capital),是一种用于评估资本投入和业务风险之间关系的指标。它衡量金融机构在承担一定风险的情况下所能获得的调整后的回报。RAROC是一种综合指标,旨在衡量投资或业务的风险相对于预期收益的影响,从而帮助机构更有效地配置资本和优化业务决策。
EVA (Economic Value Added),是一种用于衡量企业经营绩效的指标。EVA的目标是通过衡量企业创造的经济附加值来评估其真正的价值和绩效,从而为投资者和管理者提供更全面和准确的企业评估指标。
本申请实施例考虑到,针对资产组合管理优化这一问题,一方面,目前资产组合管理缺少有效的计量工具,使得用户难以评估其投资组合的真实价值和风险状况。另一方面,当前资产组合管理无法衡量不同行业之间的风险关联度以及风险集中度,使得用户难以采取相应的分散风险策略。
因此,本申请实施例方案,从优化资产组合管理的实际问题出发,主要关注结合优化求解模型和高级法经济资本计量工具的输出结果,以EC、RAROC、EVA计量为基础,给定多个约束条件,通过最优化规划求解工具,以组合RAROC或EVA最大化为目标,实现多层级、多维度资源最优化配置,寻找组合结构优化的空间。
具体地,参照图1,图1为本申请资产组合管理装置所属终端设备的功能模块示意图。该资产组合管理装置可以为独立于终端设备的、能够进行资产组合管理的装置,其可以通过硬件或软件的形式承载于终端设备上。该终端设备可以为手机、平板电脑等具有数据处理功能的智能移动终端,还可以为具有数据处理功能的固定终端设备或服务器等。
在本实施例中,该资产组合管理装置所属终端设备至少包括输出模块110、处理器120、存储器130以及通信模块140。
存储器130中存储有操作系统以及资产组合管理程序,资产组合管理装置可以将确定的层级维度,获取的对应的情景参数和基期数据;得到的层级结构信息以及经济资本信息;确定的约束条件和求解目标;得到的资源组合优化结果等信息存储于该存储器130中;输出模块110可为显示屏等。通信模块140可以包括WIFI模块、移动通信模块以及蓝牙模块等,通过通信模块140与外部设备或服务器进行通信。
其中,存储器130中的资产组合管理程序被处理器执行时实现以下步骤:
确定层级维度,获取对应的情景参数和基期数据;
根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
基于预设计量工具和所述层级维度,确定约束条件和求解目标;
将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
根据所述情景参数和基期数据,构造若干资源配置分组以及所述若干资源配置分组各自对应的业务标识,得到所述层级结构信息;
根据所述若干资源配置分组,获取各自对应的经济资本计算分组,得到所述经济资本信息。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
根据所述业务标识,得到业务规模增长率;
基于所述业务规模增长率,得到所述经济资本计算分组的汇总结果;
基于所述汇总结果,计算所述若干资源配置分组各自对应的风险调整收益中间结果;
结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
获取当前求解次数,并检测所述当前求解次数是否达到预设求解阈值;
若所述当前求解次数达到所述求解阈值,则检测所述资源组合优化结果是否符合预设算法优化条件;
若所述资源组合优化结果符合所述算法优化条件,则输出所述资源组合优化结果;
若所述当前求解次数未达到所述求解阈值,则检测所述风险调整收益中间结果是否满足所述若干约束条件;
若所述风险调整收益中间结果满足所述若干约束条件,则执行所述步骤:检测所述资源组合优化结果是否符合预设算法优化条件;
若所述风险调整收益中间结果不满足所述若干约束条件或资源组合优化结果不符合所述算法优化条件,则执行所述步骤:根据所述业务标识,得到业务规模增长率。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
根据所述资源组合优化结果,判断是否需要调整所述若干约束条件和/或所述求解目标;
若需要调整所述若干约束条件,则返回执行所述基于预设计量工具和所述层级维度,确定约束条件和求解目标以及之后的步骤。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
规划若干组合及所述若干组合各自对应的子组合,得到所述层级维度;
根据所述层级维度,得到所述基期数据和所述情景参数,并基于所述情景参数初始化所述层级维度的场景。
进一步地,存储器130中的资产组合管理程序被处理器执行时还实现以下步骤:
根据所述层级维度,确定初始约束条件和初始求解目标;
通过所述计量工具,分别计算所述初始约束条件和所述初始求解目标,得到所述约束条件和所述求解目标。
本实施例通过上述方案,具体通过确定层级维度,获取对应的情景参数和基期数据;根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和所述层级维度,确定约束条件和求解目标;将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
基于上述终端设备架构但不限于上述架构,提出本申请方法实施例。
参照图2,图2为本申请资产组合管理方法第一示例性实施例的流程示意图。所述资产组合管理方法包括:
步骤S210,确定层级维度,获取对应的情景参数和基期数据;
本实施例方法的执行主体可以是一种资产组合管理装置,也可以是一种资产组合管理终端设备或服务器,本实施例以资产组合管理装置进行举例,该资产组合管理装置可以集成在具有数据处理功能的智能手机、平板电脑等终端设备上。
本实施例方案主要实现对资产组合管理尤其是资产组合管理的优化,降低资产组合管理的风险性。
本申请实施例主要关注结合优化求解模型和高级法经济资本计量工具的输出结果,以EC、RAROC、EVA计量为基础,给定多个约束条件,通过最优化规划求解工具,以组合RAROC或EVA最大化为目标,实现多层级、多维度资源最优化配置,寻找组合结构优化的空间。
其中,多层级多维度可以是全行、条线、分行、产品、客户、行业以及各类子组合中的一种或多种。
具体地,在资产组合管理或投资决策过程中,首先需要确定层级维度,即将数据按照不同维度进行层级化划分。例如,可以按照组织维度(全行、条线、分行)、产品维度、客户维度、行业维度以及子组合维度对数据进行分类。
在每个层级上,需要获取相应的情景参数和基期数据。情景参数可能包括不同层级下的资产的预期收益率、风险系数、相关性等信息。基期数据可以是过去一段时间内各层级下资产的历史表现数据,用于进行回溯分析和预测模型的校准。
步骤S220,根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
具体地,利用获取的情景参数和基期数据,对每个层级下的资产分组进行数据分析和计算,从而得到层级结构信息和经济资本信息。
在获得情景参数和基期数据后,可以利用这些数据来计算和分析不同层级上的资产组合结构信息。通过层级维度的划分,可以得到不同组织、产品、客户、行业以及子组合的资产权重分配和组合构成。
同时,在层级维度的基础上,可以估计每个层级上的经济资本需求,即所需的资金量来支持对应的资产组合。经济资本信息是在风险管理中非常重要的指标,可以用于评估投资组合的风险暴露。
步骤S230,基于预设计量工具和所述层级维度,确定约束条件和求解目标;
具体地,在资源配置规划过程中,计量工具可以是一种用于帮助优化决策的方法或工具,例如高级法经济资本计量工具等。
其中,约束条件可以包括资产权重的限制、最大投资额度、最小预期收益率要求等,这些约束可以规定优化过程中的限制条件。求解目标可以是最大化投资组合的收益、最小化风险等,这将成为优化模型的目标函数。
步骤S240,将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
具体地,将获得的层级结构信息和经济资本信息输入到预设规划模型中进行优化。通过解决该优化问题,即考虑各个层级维度间的关系和约束条件,得到最优的资源组合配置方案。其中,优化结果可以提供一个在层级维度下的资源配置预测,可以是针对不同层级的资产组合构成、权重分配等优化。这样的资源组合优化结果可以帮助投资者或资产管理者做出更明智的决策,使投资组合在风险可控的前提下,实现预期的收益目标。同时,这也有助于实现整体投资组合在不同层级上的协调和平衡。
本实施例通过上述方案,具体通过确定层级维度,获取对应的情景参数和基期数据;根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和所述层级维度,确定约束条件和求解目标;将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
参照图3,图3为本申请资产组合管理方法第二示例性实施例的流程示意图。基于上述图2所示的实施例,步骤S210,确定层级维度,获取对应的情景参数和基期数据,包括:
步骤S310,规划若干组合及所述若干组合各自对应的子组合,得到所述层级维度;
具体地,在资产组合管理或投资决策过程中,可能需要规划多个投资组合,每个组合针对不同的目标、风险偏好或客户需求。这些投资组合将涉及不同的资产配置和权重分配。
示例性地,组合资产配置一般遵循逐层下钻的配置过程,这与业务预算的配置思路是一致的,即先规划大组合(例如公司信贷、零售信贷、投融资…),大组合规划的到各子组合的增长方案,然后在子组合的增长目标基础上,即作为子组合内部规划的顶层约束条件,进一步规划求解子组合内各分类维度下孙组合的增长方案,依次类推,该工具可以支持上至全行资产大组合,下至客户经理辖内小组合的最优化规划求解。
步骤S320,根据所述层级维度,得到所述基期数据和所述情景参数,并基于所述情景参数初始化所述层级维度的场景。
具体地,基于所获得的情景参数,可以对每个层级的投资情况进行初始化。这意味着在模拟预测或优化过程中,根据不同情景参数设定每个层级的投资情况,以便进行后续的场景分析和优化。
示例性地,资产配置的规划求解是视作对给定的初始业务发展情景的调优工具,也可以看成是在现有组合资产现状基础上,对各个经营单位业务计划的协调与调优过程。
初始情景的设定是规划求解的起点,不能脱离业务发展与市场环境现实情况。因此初始情景设定的建议方案是采用经营单位对其业务的初步预算情景,业务初步预算是各经营单元对其负责的子组合发展情况的预期,应该既包含经营单元对市场的预判、对内部管理资源的考虑、对未来业务发展的部署战略和目标预期等。而组合规划的作用是在此基础上,以实现整体组合RAROC、EVA最大化为目标,通过计量手段整合各业务经营单元对其子组合的发展需求并将有限的资源在各子组合中进行配置,在给定的存量资产组合、市场预期、业务管理发展战略、内部管理资源等的限制条件下,实现一定范围内的组合资产结构优化,提升盈利能力。这种初始情景设置也能够保证在组合限额和业务计划的两条线上的业务发展情景不出现较大的冲突。
本实施例通过上述方案,具体通过规划若干组合及所述若干组合各自对应的子组合,得到所述层级维度;根据所述层级维度,得到所述基期数据和所述情景参数,并基于所述情景参数初始化所述层级维度的场景。可以在不同层级上综合考虑多种情景和预期,为每个投资组合形成具有层级结构的数据,并在后续的优化和分析中基于这些数据进行决策,可以更全面地了解和管理不同投资组合,也便于进行针对性的风险控制和资产配置。
参照图4,图4为本申请资产组合管理方法第三示例性实施例的流程示意图。基于上述图2所示的实施例,步骤S220,根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息,包括:
步骤S410,根据所述层级维度,确定初始约束条件和初始求解目标;
步骤S420,通过所述计量工具,分别计算所述初始约束条件和所述初始求解目标,得到所述约束条件和所述求解目标。
具体地,在资产组合管理中,根据层级维度,可以针对每个层级上的投资组合规划对应的约束条件和求解目标,用于在决策过程中确保资产组合的合理性和达到求解目标。计量工具用于对投资组合进行量化分析和优化。通过计量工具,可以为模型的输出指标和输入指标设置约束条件和求解目标,并将若干约束条件和求解目标传导至规划模型中,进行优化和求解。
示例性地,参照图5,图5为本申请资产组合管理方法的整体框架示意图。约束条件的设置可以从业务预算、利润要求、资本占用、风险偏好要求、集中度控制要求、行业/地区风险、管理资源限制、市场容量、监管要求、成本费用控制等方面考虑,并将约束条件传导至模型中相关指标,作为指标的上/下限,在规划求解的过程中起约束作用。在规划求解模型框架下,针对经济资本模型及风险收益计量中所有输入和输出指标都可以设置约束条件。
在规划求解模型框架下,经济资本模型及风险收益计量中所有输入和输出指标都可以作为求解目标,例如不良率、EC/EAD、RAROC、EVA等,不同的求解目标代表相应的最优化目标含义。例如,可以选择RAROC或EVA作为优化的目标,这两个指标是风险与收益的综合体。
本实施例通过上述方案,具体通过目标值的确定则是在风险边界基础之上进行的更为细致的情景调整,在保证风险边界不被突破的前提下,通过对资产组合结构的调整,优化目标指标RAROC或EVA;此外,通过计量工具的,确定若干约束条件和求解目标,用户可以获得在不同层级上的最优投资组合,可以在不同层级间进行资产配置的平衡。
参照图6,图6为本申请资产组合管理方法第四示例性实施例的流程示意图。基于上述图2所示的实施例,步骤S230,基于预设计量工具和所述层级维度,确定约束条件和求解目标,包括:
步骤S610,根据所述情景参数和基期数据,构造若干资源配置分组以及所述若干资源配置分组各自对应的业务标识,得到所述层级结构信息;
具体地,参照图7,图7为本申请资产组合管理方法数据准备功能的流程示意图。在资产组合管理中,根据之前确定的情景参数和基期数据,可以将资产进行分类并构造若干资源配置分组。资源配置分组可以根据不同的特征和属性来进行划分,例如根据不同投资策略、风险偏好、预期收益率等。
同时,为每个资源配置分组分配相应的业务标识,以便在后续的分析和优化中能够对各个分组进行准确的识别和跟踪。业务标识可以是一种独特的编码或名称,用于区分不同的资源配置分组。
步骤S620,根据所述若干资源配置分组,获取各自对应的经济资本计算分组,得到所述经济资本信息。
具体地,经济资本是用来衡量金融机构或投资组合面临风险所需的资本量,是一种风险敞口的度量指标。在资产组合管理中,经济资本信息对于评估投资组合的风险承受能力和资本充足性非常重要。
根据之前构造的若干资源配置分组,可以对每个分组进行经济资本计算。经济资本计算分组是根据不同资源配置的风险水平和敞口程度进行分类的,因为不同资源配置可能承受不同程度的风险。这样的分类能够更准确地估计每个资源配置分组所需的经济资本量。
示例性地,可以基于基期数据和用户输入的配置参数构造预测期资产组合,其中,预测期资产组合可以包括若干资源配置分组,具体可以包括如下步骤:
在选择基期数据后,数据准备功能在基期组合的基础上,复制产生预测期12个月的资产组合(下称“预期组合”)。预测期未来12个月的业务包括存量业务和新增业务两部分。用户可分别对存量业务和新增业务的风险收益指标(PD、LGD等风险相关指标和FTP、贷款利率等收益相关指标)进行分组或单笔层面的配置,配置后最终产生预期组合的基础数据。
参照图8,图8为本申请资产组合管理方法的构造预测期资产组合示意图。基于预测期资产组合基础数据预先计算经济资本和风险收益中间结果两项工作。其中,预测期可以是资源配置预测的时间范围(时间区间长度为12个月),基期可以是预测期开始时点前n个月(1≤n≤12)。
在产生预测期数据后,数据准备功能预先计算预测期基准情景下资源配置维度各分组的经济资本和风险调整收益中间结果(基准情景指组合资产结构不变、即各分组业务规模增长率为0%时,下称基准情景的风险收益指标值为预期组合的“基准值”),具体可以包括如下步骤:
在数据准备功能执行完毕后,参照图9和图10,图9为本申请资产组合管理方法资源配置功能的流程示意图。图10为本申请资产组合管理方法决策分析功能的流程示意图。通过资源配置功能和决策分析功能调用数据准备功能输出的经济资本和风险调整收益中间结果,计算预测情景的资源配置维度各分组的经济资本和财务指标(预测情景指各分组业务规模变化时,下称预测情景的风险收益指标值为预测组合的“预测值”)。
本实施例通过上述方案,具体通过对情景参数和基期数据的分析和整理,以及构造资源配置分组和业务标识,可以得到所述层级结构信息,可以更好地理解不同资源配置的特征和分布,为后续的经济资本计算和优化决策提供基础;通过获取各自对应的经济资本计算分组,可以得到所述经济资本信息,可以更好地获取投资组合的整体风险特征。
参照图11,图11为本申请资产组合管理方法第五示例性实施例的流程示意图。基于上述图2所示的实施例,步骤S240,将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果,包括:
步骤S1110,根据所述业务标识,得到业务规模增长率;
具体地,通过非线性规划求解可得出最优的业务情景,规划模型的规模分配结果可以作为这些维度(行业、地区等)贷款额度增量限额的初始建议,后续可结合战略或管理需要进行调整。同时在业务规模给定的情况下,可以通过存量分析中总结的先验参数推断出最优业务情景下的风险指标水平作为风险指标限额的初始建议。资源配置功能是通过规划求解模型,在满足组合和分层限制条件的前提下,求得使组合收益(以RAROC或EVA指标衡量)最大化的最优资产结构。
在资源配置功能中,待求变量是各资源配置分组的业务规模增长率。设组合在共有个分组资源配置分组,各分组记为Opt_G(n),其中,n=1,…,N。其中,经济资本计算分组字段由资源配置分组和新增或存量业务标识字段组合生成,经济资本计算分组共M=2×N组,各分组记为Cal_G(m),其相对于基期的业务规模增长率为Growth Ratem。其中,经济资本计算分组与资源配置分组的关系示意参照下表1:
表1
资源配置功能计算流程说明如下:
系统产生各经济资本计算业务规模增长率Growth Ratem,其中:
经济资本计算分组若对应新增或存量业务标识为存量业务,则Growth Ratem=0%,即存量业务的业务规模在规划求解过程中不会变动;
经济资本计算分组若对应新增或存量业务标识为新增业务,则Growth Ratem≥-100%,即新增业务的业务规模在规划求解过程中下限为0;
各经济资本计算分组的资产业务规模增长倍数ASSET Growth Rm=1+GrowthRatem。
步骤S1120,基于所述业务规模增长率,得到所述经济资本计算分组的汇总结果;
具体地,根据各经济资本计算分组的资产业务规模增长倍数和分组联合风险贡献汇总表、分组经济资本结果汇总表,可计算各业务条线每个月的经济资本结果。
具体地,根据资源配置分组的层级维度,将各条线、每个月的经济资本汇总至全年平均(不分条线)。
步骤S1130,基于所述汇总结果,计算所述若干资源配置分组各自对应的风险调整收益中间结果;
具体地,风险调整收益是指在考虑风险因素后,企业或投资组合所实现的收益。根据汇总结果,可以计算每个资源配置分组对应的风险调整收益中间结果。
在计算风险调整收益时,可能需要考虑不同的风险指标,可以提供在不同风险水平下,每个资源配置分组所实现的收益水平。
步骤S1140,结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果。
具体地,在得到风险调整收益的中间结果后,结合之前所设定的若干约束条件和求解目标,进行循环求解过程。循环求解过程可能涉及多轮的优化算法,如线性规划、整数规划、遗传算法等,用于在满足约束条件的前提下,找到最优的资源组合配置,直到达到收敛或满足设定的终止条件。
参照图12,图12为本申请资产组合管理方法资源配置计算的流程示意图。
进一步地,步骤S1140,结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果包括:
获取当前求解次数,并检测所述当前求解次数是否达到预设求解阈值;
若所述当前求解次数达到所述求解阈值,则检测所述资源组合优化结果是否符合预设算法优化条件;
若所述资源组合优化结果符合所述算法优化条件,则输出所述资源组合优化结果;
若所述当前求解次数未达到所述求解阈值,则检测所述风险调整收益中间结果是否满足所述若干约束条件;
若所述风险调整收益中间结果满足所述若干约束条件,则执行所述步骤:检测所述资源组合优化结果是否符合预设算法优化条件;
若所述风险调整收益中间结果不满足所述若干约束条件或资源组合优化结果不符合所述算法优化条件,则执行所述步骤:根据所述业务标识,得到业务规模增长率。
示例性地,风险调整收益及中间结果的具体计算步骤可以如下:
基于预测期的资源配置分组的新增业务、存量业务的EAD,模型可重新计算每个月各分组的风险调整收益和相关的中间结果。
其中,汇总的结果,可以根据下三个条件依次进行判断:
是否达到求解限制:可在后台设置求解次数上限为m=1000,当求解m次仍未达到最优1时,则直接跳转算法优化条件判断,输出m次求解中最优的配置结果;否则进行约束条件判断。
是否满足所有约束:将汇总后的风险收益指标与用户设定的约束条件进行比较,若不满足约束则跳转至步骤S1110,重新进行求解;若满足则进行算法优化条件判断。
是否达到最优:根据算法优化条件判断算法是否达到最优,如果算法达到最优,则输出结果,否则跳转至步骤S1110,重新进行求解。
进一步地,步骤S1140,结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果之后,还包括:
根据所述资源组合优化结果,判断是否需要调整所述若干约束条件和/或所述求解目标;
若需要调整所述若干约束条件,则返回执行所述基于预设计量工具和所述层级维度,确定约束条件和求解目标以及之后的步骤。
具体地,重新分析情景参数和基期数据:根据新的约束条件和目标,可能需要重新分析和评估情景参数和基期数据,以确保它们能够准确地反映新设定的投资策略和要求。
调整预设规划模型的约束条件和求解目标:根据新的需求,可以对预设规划模型中的约束条件和求解目标进行适度的调整。这些调整可能涉及资金预算限制、权重限制、收益率要求、风险限制等方面的变化。
重新优化和求解:在调整完约束条件和求解目标后,需要再次运行规划模型进行优化和求解,得到新的资源组合优化结果。
此过程将反复迭代,直至得到满足投资者或资产管理者要求的最终资源组合优化结果。
通过这样的调整和迭代过程,可以不断优化资源组合的配置,使之适应不断变化的市场环境和投资者的需求。这样的灵活性和自适应性能够帮助投资者在动态的市场中做出更为理性和有效的投资决策。
本实施例通过上述方案,具体通过非线性规划求解,以一个满足风险边界的情景作为初始情景,在风险、业务、管理等约束条件下调整各子组合业务余额、风险与收益参数的方式获得新的资产配置方案,并测算最优配置方案下的风险收益及风险水平、各子组合的一系列风险收益指标,包括余额(及占比)、风险暴露(及占比)、资本需求、资本占用、RAROC、EVA、不良率等关键指标,刻画最优情景下的资产组合风险收益轮廓。
此外,本申请实施例还提出一种资产组合管理装置,所述资产组合管理装置包括:
第一数据模块,用于确定层级维度,获取对应的情景参数和基期数据;
第二数据模块,用于根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
资源配置模块,用于基于预设计量工具和所述层级维度,确定约束条件和求解目标;
决策分析模块,用于将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
本实施例实现资产组合管理的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本申请实施例还提出一种终端设备,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的资产组合管理程序,所述资产组合管理程序被所述处理器执行时实现如上所述的资产组合管理方法的步骤。
由于本资产组合管理程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
此外,本申请实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有资产组合管理程序,所述资产组合管理程序被处理器执行时实现如上所述的资产组合管理方法的步骤。
由于本资产组合管理程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
相比现有技术,本申请实施例提出的资产组合管理方法、装置、终端设备以及存储介质,通过确定层级维度,获取对应的情景参数和基期数据;根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;基于预设计量工具和所述层级维度,确定约束条件和求解目标;将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。基于本申请方案,预先给定若干约束条件及求解目标,结合规划模型和计量工具的输出结果,实现优化的多维度资源组合配置,可以有效改善资产组合管理优化的技术问题,降低资产组合管理的风险性。
需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
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上述实施例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,本申请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如上的一个存储介质(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,被控终端,或者网络设备等)执行本申请每个实施例的方法。
以上仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种资产组合管理方法,其特征在于,所述资产组合管理方法包括以下步骤:
确定层级维度,获取对应的情景参数和基期数据;
根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
基于预设计量工具和所述层级维度,确定约束条件和求解目标;
将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
2.如权利要求1所述的资产组合管理方法,其特征在于,所述根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息的步骤包括:
根据所述情景参数和基期数据,构造若干资源配置分组以及所述若干资源配置分组各自对应的业务标识,得到所述层级结构信息;
根据所述若干资源配置分组,获取各自对应的经济资本计算分组,得到所述经济资本信息。
3.如权利要求2所述的资产组合管理方法,其特征在于,所述将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果的步骤包括:
根据所述业务标识,得到业务规模增长率;
基于所述业务规模增长率,得到所述经济资本计算分组的汇总结果;
基于所述汇总结果,计算所述若干资源配置分组各自对应的风险调整收益中间结果;
结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果。
4.如权利要求3所述的资产组合管理方法,其特征在于,所述结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果的步骤包括:
获取当前求解次数,并检测所述当前求解次数是否达到预设求解阈值;
若所述当前求解次数达到所述求解阈值,则检测所述资源组合优化结果是否符合预设算法优化条件;
若所述资源组合优化结果符合所述算法优化条件,则输出所述资源组合优化结果;
若所述当前求解次数未达到所述求解阈值,则检测所述风险调整收益中间结果是否满足所述若干约束条件;
若所述风险调整收益中间结果满足所述若干约束条件,则执行所述步骤:检测所述资源组合优化结果是否符合预设算法优化条件;
若所述风险调整收益中间结果不满足所述若干约束条件或资源组合优化结果不符合所述算法优化条件,则执行所述步骤:根据所述业务标识,得到业务规模增长率。
5.如权利要求3所述的资产组合管理方法,其特征在于,所述结合所述若干约束条件和求解目标,对所述风险调整收益中间结果进行循环求解,得到所述资源组合优化结果的步骤之后,还包括:
根据所述资源组合优化结果,判断是否需要调整所述若干约束条件和/或所述求解目标;
若需要调整所述若干约束条件,则返回执行所述基于预设计量工具和所述层级维度,确定约束条件和求解目标以及之后的步骤。
6.如权利要求1所述的资产组合管理方法,其特征在于,所述确定层级维度,获取对应的情景参数和基期数据的步骤包括:
规划若干组合及所述若干组合各自对应的子组合,得到所述层级维度;
根据所述层级维度,得到所述基期数据和所述情景参数,并基于所述情景参数初始化所述层级维度的场景。
7.如权利要求1所述的资产组合管理方法,其特征在于,所述基于预设计量工具和所述层级维度,确定约束条件和求解目标的步骤包括:
根据所述层级维度,确定初始约束条件和初始求解目标;
通过所述计量工具,分别计算所述初始约束条件和所述初始求解目标,得到所述约束条件和所述求解目标。
8.一种资产组合管理装置,其特征在于,所述资产组合管理装置包括:
第一数据模块,用于确定层级维度,获取对应的情景参数和基期数据;
第二数据模块,用于根据所述情景参数及所述基期数据,得到层级结构信息以及经济资本信息;
资源配置模块,用于基于预设计量工具和所述层级维度,确定约束条件和求解目标;
决策分析模块,用于将所述层级结构信息以及所述经济资本信息输入至预设规划模型中通过所述约束条件和求解目标进行优化,得到资源组合优化结果。
9.一种终端设备,其特征在于,所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的资产组合管理程序,所述资产组合管理程序被所述处理器执行时实现如权利要求1-7中任一项所述的资产组合管理方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有资产组合管理程序,所述资产组合管理程序被处理器执行时实现如权利要求1-7中任一项所述的资产组合管理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310949595.4A CN116823488A (zh) | 2023-07-31 | 2023-07-31 | 资产组合管理方法、装置、终端设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310949595.4A CN116823488A (zh) | 2023-07-31 | 2023-07-31 | 资产组合管理方法、装置、终端设备以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116823488A true CN116823488A (zh) | 2023-09-29 |
Family
ID=88141315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310949595.4A Pending CN116823488A (zh) | 2023-07-31 | 2023-07-31 | 资产组合管理方法、装置、终端设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116823488A (zh) |
-
2023
- 2023-07-31 CN CN202310949595.4A patent/CN116823488A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hung | Activity-based divergent supply chain planning for competitive advantage in the risky global environment: A DEMATEL-ANP fuzzy goal programming approach | |
US7881958B2 (en) | Business data analysis | |
US20090319310A1 (en) | Information Criterion-Based Systems And Methods For Constructing Combining Weights For Multimodel Forecasting And Prediction | |
US20120016808A1 (en) | Business Review and Volume Optimizer (BRAVO) | |
Mild et al. | Combining a multiattribute value function with an optimization model: An application to dynamic resource allocation for infrastructure maintenance | |
US20140289007A1 (en) | Scenario based customer lifetime value determination | |
Wang et al. | Demand control model with combinatorial incentives and surcharges for one-way carsharing operation | |
US20130024237A1 (en) | Management decision making support system | |
US20120116993A1 (en) | Investment management system and method | |
Wong | Performance evaluation of supply chain in stochastic environment: using a simulation based DEA framework | |
Rafke et al. | Simulating fleet procurement in an Indonesian logistics company | |
Ghafori et al. | Best cloud provider selection using integrated ANP-DEMATEL and prioritizing SMI attributes | |
US8386354B2 (en) | Deterministic pricing management of a portfolio of one or more applications | |
US20240013131A1 (en) | Systems and methods for managing decision scenarios | |
CN111260161A (zh) | 一种众包任务下发的方法及设备 | |
CN104321800A (zh) | 价格目标生成器 | |
Leitner et al. | On the fault (in) tolerance of coordination mechanisms for distributed investment decisions | |
CN116823488A (zh) | 资产组合管理方法、装置、终端设备以及存储介质 | |
CN116562477A (zh) | 工作组排产方案选取方法、装置、设备及存储介质 | |
US20120005118A1 (en) | Systems And Methods For Optimizing Capital Structure Of A Financial Institution | |
Kokos et al. | Demand response strategy for optimal formulation of flexibility services | |
Firli et al. | CAPEX efficiency and service quality improvement via tower sharing in the Indonesian telecommunication industry: optimisation model using comparison of genetic algorithm and simulated annealing methods | |
CN114492934A (zh) | 一种仓库选址的方法及装置 | |
CN114240052A (zh) | 一种基于遗传算法的组合销售策略优化方法及系统 | |
Borissova et al. | Selection of ERP via cost-benefit analysis under uncertainty conditions |
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 |