CN117670524A - 信用利差敏感度确定方法及装置 - Google Patents

信用利差敏感度确定方法及装置 Download PDF

Info

Publication number
CN117670524A
CN117670524A CN202311727481.1A CN202311727481A CN117670524A CN 117670524 A CN117670524 A CN 117670524A CN 202311727481 A CN202311727481 A CN 202311727481A CN 117670524 A CN117670524 A CN 117670524A
Authority
CN
China
Prior art keywords
curve
target
yield
yield curve
rate
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
CN202311727481.1A
Other languages
English (en)
Inventor
周宏达
李明
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.)
China Construction Bank Corp
Original Assignee
China Construction Bank Corp
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 China Construction Bank Corp filed Critical China Construction Bank Corp
Priority to CN202311727481.1A priority Critical patent/CN117670524A/zh
Publication of CN117670524A publication Critical patent/CN117670524A/zh
Pending legal-status Critical Current

Links

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
    • G06Q40/03—Credit; Loans; Processing thereof
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本发明实施例提供了一种信用利差敏感度确定方法及装置，其中，该方法包括：获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，目标数据集合中至少包括目标债券多个期限对应的利率；根据目标数据集合和收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，第一收益率曲线和第二收益率曲线对应的利率不相同；根据第一收益率曲线和第二收益率曲线确定整体收益率敏感度；将整体收益率敏感度确定为目标债券对应的信用利差敏感度。通过本发明，解决了相关技术中存在的由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题。

Description

信用利差敏感度确定方法及装置
技术领域
本发明实施例涉及资本计量领域，具体而言，涉及一种信用利差敏感度确定方法及装置。
背景技术
巴塞尔委员会发布的《市场风险最低资本要求》中新标准法方法要求计量信用利差风险对应的市场风险资本，需要计算信用利差敏感度并用于资本计量。
由于国内相应的信用衍生工具市场尚不成熟,信用利差报价不连续、不充分且缺乏代表性，部分债券流动性不足报价不充分，构建信用利差曲线或对债券收益率曲线进行信用利差剥离均存在较大困难。即使构建了相应曲线，受限于市场情况，部分曲线会偏离市场或存在适用性不足问题。因此，相关技术中存在由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题。
针对相关技术中存在的由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题，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信用利差敏感度确定方法及装置，以至少解决相关技术中存在的由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题。
根据本发明的一个实施例，提供了一种信用利差敏感度确定方法，包括：获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
在一个示例性实施例中，获取目标债券的收益率曲线期限结构模型之前，包括：获取所述目标债券的初始收益率曲线期限结构模型；对所述目标债券进行估值，得到目标估值；根据所述目标估值对所述初始收益率曲线期限结构模型进行调整，得到收益率曲线期限结构模型。
在一个示例性实施例中，对所述目标债券进行估值，得到目标估值，包括：获取所述目标债券对应的多个现金流量；确定所述多个现金流量中每个现金流量对应的折现因子，得到多个折现因子，其中，所述多个折现因子与所述多个现金流量一一对应；根据所述多个现金流量和所述多个折现因子确定所述目标估值。
在一个示例性实施例中，根据所述多个现金流量和所述多个折现因子确定所述目标估值，包括：将所述多个现金流量中每个现金流量与对应的折现因子相乘，得到多个现值；将所述多个现值的和确定为所述目标估值。
在一个示例性实施例中，根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线，包括：将所述目标数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第一收益率曲线。
在一个示例性实施例中，根据所述目标数据集合和所述收益率曲线期限结构模型构建第二收益率曲线，包括：对所述目标数据集合中的多个期限对应的利率进行调整，得到第一数据集合；将所述第一数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第二收益率曲线。
在一个示例性实施例中，根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度，包括：确定目标期限分别在所述第一收益率曲线和所述第二收益率曲线中对应的整体收益率，得到第一整体收益率和第二整体收益率；根据所述第一整体收益率和所述第二整体收益率确定所述整体收益率敏感度。
根据本发明的又一个实施例，还提供了一种信用利差敏感度确定装置，包括：获取单元，用于获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；
构建单元，用于根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；
第一确定单元，用于根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；
第二确定单元，用于将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
根据本发明的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于基于信用利差曲线计算的敏感度和基于债券整体收益率曲线敏感度基本一致，将目标债券的整体收益率敏感度计算该债券的信用利差敏感度，解决了相关技术中存在的由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题，达到了提高信用利差敏感度的计算准确率的效果。
附图说明
图1是本发明实施例的信用利差敏感度确定方法的移动终端硬件结构框图；
图2是根据本发明实施例的信用利差敏感度确定方法的流程图；
图3是根据本发明实施例的信用利差敏感度确定装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的信用利差敏感度确定方法的移动终端硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的信用利差敏感度确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种信用利差敏感度确定方法，图2是根据本发明实施例的信用利差敏感度确定方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；
在本实施例中，收益率曲线期限结构模型是用来描述不同期限的债券收益率之间的关系的模型。该模型可以预测未来的收益率。不同的债券类型对应的收益率曲线期限结构模型不同，在此可以根据目标债券的类型获取对应的收益率曲线期限结构模型。
可选的，一类债券对应的初始收益率曲线期限结构模型相同，可以直接将目标债券所属类型对应的初始收益率曲线期限结构模型确定为目标债券的收益率曲线期限结构模型。
可选的，还可以使用结合目标债券的估值对初始收益率曲线期限结构模型进行调整，得到更适应于目标债券的收益率曲线期限结构模型。即获取目标债券的收益率曲线期限结构模型之前，包括：获取所述目标债券的初始收益率曲线期限结构模型；对所述目标债券进行估值，得到目标估值；根据所述目标估值对所述初始收益率曲线期限结构模型进行调整，得到收益率曲线期限结构模型。
在一个可选的实施例中，对所述目标债券进行估值，得到目标估值，包括：获取所述目标债券对应的多个现金流量；确定所述多个现金流量中每个现金流量对应的折现因子，得到多个折现因子，其中，所述多个折现因子与所述多个现金流量一一对应；根据所述多个现金流量和所述多个折现因子确定所述目标估值。
在本实施例中，对目标债券进行估值是采用现金流折现模型，现金流折现模型表示为：
其中，n是估值日后的现金流的总个数，Present_Valuei则是第i个现金流的现值，计算方法为：
Present_Valuei＝CashFlowi×折现因子
其中，
其中，P表示目标债券的本金，r表示目标债券的计息利率，αi表示目标债券的计息区间。
可选的，可以采用中债估值曲线用于衡量债券的估值。
步骤S204，根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；
在一个可选的实施例中，根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线，包括：将所述目标数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第一收益率曲线。
可选的，将目标数据集合中的数据依次带入至收益率曲线期限结构模型，得到多个收益率，根据多个收益率构建出第一收益率曲线。
在一个可选的实施例中，根据所述目标数据集合和所述收益率曲线期限结构模型构建第二收益率曲线，包括：对所述目标数据集合中的多个期限对应的利率进行调整，得到第一数据集合；将所述第一数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第二收益率曲线。
可选的，将目标数据集合中的数据进行调整，例如将目标数据集合中每个期限对应的利率调整一个基点，得到第一数据集合，将第一数据集合中的每个数据依次带入至收益率曲线期限结构模型，得到多个收益率，根据多个收益率构建出第一收益率曲线。
步骤S206，根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；
在一个可选的实施例中，根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度，包括：确定目标期限分别在所述第一收益率曲线和所述第二收益率曲线中对应的整体收益率，得到第一整体收益率和第二整体收益率；根据所述第一整体收益率和所述第二整体收益率确定所述整体收益率敏感度。
在本实施例中，债券整体收益率敏感度计算方法为在给定债券整体收益率的曲线(第一收益率曲线)上，给定期限上利率变化1个基点引起工具市值的变化量，再除以0.0001。公式如下:
其中：
(a)rt是无风险利率曲线在期限t的利率；
(b)Cst是信用利差曲线在期限t的值；
(c)Yt为工具i的整体收益率曲线，Yt＝rt+Cst；
(d)Vi为工具i的市值，为无风险利率曲线和信用利差曲线的函数，也可视为整体收益率的函数。
步骤S208，将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
一般的，债券信用利差敏感度计算方法是在给定的信用利差曲线上，给定期限上利率变化1个基点引起金融工具市值的变化量，再除以0.0001。公式如下:
其中：
(a)rt是无风险利率曲线在期限t的利率；
(b)Cst是信用利差曲线在期限t的值；
(c)Vi为工具i的市值，为无风险利率曲线和信用利差曲线的函数，也可视为整体收益率的函数。
信用利差(Credit Spread)反映的相同期限下无违约风险(default free)和有违约风险(default able)债券的收益率之差，本质上是反映市场对债券违约风险的补偿或者定价。信用利差往往用于衡量违约风险相对大小。
债券的收益率曲线与无风险收益率曲线和信用利差之间的关系定义如下：y＝r+cs，其中，y为债券估值中使用的带评级的到期收益率；r为无风险利率，如国债或国开债；cs为债券相应评级对应的信用利差。
通过上述步骤，由于基于信用利差曲线计算的敏感度和基于债券整体收益率曲线敏感度基本一致，将目标债券的整体收益率敏感度计算该债券的信用利差敏感度，解决了相关技术中存在的由于信用利差报价不连续、不充分且缺乏代表性导致计算的信用利准确率低的问题，达到了提高信用利差敏感度的计算准确率的效果。
PV01是指债券的收益率曲线移动一个基点(即0.01％)时，产品估值产生的变化。
PV01＝PV+Δy-PV
其中PV+Δy是风险因子向上移动一个基点后产品估值的变化，PV是产品的估值。
为计算到期收益率曲线和信用利差曲线向上平移一个基点的结果，需首先计算变动后的零息利率曲线。零息利率曲线计算公式如下：
在获得的利差均满足y＝r+cs的前提，因此以上两个公式计算的零息利率曲线相等。带入估值公式与敏感性计算公式后的计算结果相等。即债券整体收益率曲线y向上移动1基点与信用利差曲线cs向上平移1基点，计算的敏感性结果相等。
对于单笔债券i(对应于目标债券)的非证券化信用利差敏感度，有：
即当债券投资组合中的债券选定同一rt作为无风险利率时，可以采用债券的到期收益率yt来代替cst的方式计算CSR-NS敏感度，两者结果一致。而债券投资组合的可以通过单笔债券的/>直接加总的方法来计算。
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所述的方法。
在本实施例中还提供了一种信用利差敏感度确定装置，图3是根据本发明实施例的信用利差敏感度确定装置的结构框图，如图3所示，该装置包括：
获取单元302，用于获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；
构建单元304，用于根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；
第一确定单元306，用于根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；
第二确定单元308，用于将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
在一个可选的实施例中，上述装置用于在获取目标债券的收益率曲线期限结构模型之前，获取所述目标债券的初始收益率曲线期限结构模型；对所述目标债券进行估值，得到目标估值；根据所述目标估值对所述初始收益率曲线期限结构模型进行调整，得到收益率曲线期限结构模型。
在一个可选的实施例中，上述装置用于获取所述目标债券对应的多个现金流量；确定所述多个现金流量中每个现金流量对应的折现因子，得到多个折现因子，其中，所述多个折现因子与所述多个现金流量一一对应；根据所述多个现金流量和所述多个折现因子确定所述目标估值。
在一个可选的实施例中，上述装置用于将所述多个现金流量中每个现金流量与对应的折现因子相乘，得到多个现值；将所述多个现值的和确定为所述目标估值。
在一个可选的实施例中，上述装置用于将所述目标数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第一收益率曲线。
在一个可选的实施例中，上述装置用于对所述目标数据集合中的多个期限对应的利率进行调整，得到第一数据集合；将所述第一数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第二收益率曲线。
在一个可选的实施例中，上述装置用于确定目标期限分别在所述第一收益率曲线和所述第二收益率曲线中对应的整体收益率，得到第一整体收益率和第二整体收益率；根据所述第一整体收益率和所述第二整体收益率确定所述整体收益率敏感度。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种信用利差敏感度确定方法，其特征在于，包括：
获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；
根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；
根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；
将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
2.根据权利要求1所述的方法，其特征在于，获取目标债券的收益率曲线期限结构模型之前，包括：
获取所述目标债券的初始收益率曲线期限结构模型；
对所述目标债券进行估值，得到目标估值；
根据所述目标估值对所述初始收益率曲线期限结构模型进行调整，得到收益率曲线期限结构模型。
3.根据权利要求2所述的方法，其特征在于，对所述目标债券进行估值，得到目标估值，包括：
获取所述目标债券对应的多个现金流量；
确定所述多个现金流量中每个现金流量对应的折现因子，得到多个折现因子，其中，所述多个折现因子与所述多个现金流量一一对应；
根据所述多个现金流量和所述多个折现因子确定所述目标估值。
4.根据权利要求3所述的方法，其特征在于，根据所述多个现金流量和所述多个折现因子确定所述目标估值，包括：
将所述多个现金流量中每个现金流量与对应的折现因子相乘，得到多个现值；
将所述多个现值的和确定为所述目标估值。
5.根据权利要求1所述的方法，其特征在于，根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线，包括：
将所述目标数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第一收益率曲线。
6.根据权利要求1所述的方法，其特征在于，根据所述目标数据集合和所述收益率曲线期限结构模型构建第二收益率曲线，包括：
对所述目标数据集合中的多个期限对应的利率进行调整，得到第一数据集合；
将所述第一数据集合的数据带入至所述收益率曲线期限结构模型中，得到所述第二收益率曲线。
7.根据权利要求1所述的方法，其特征在于，根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度，包括：
确定目标期限分别在所述第一收益率曲线和所述第二收益率曲线中对应的整体收益率，得到第一整体收益率和第二整体收益率；
根据所述第一整体收益率和所述第二整体收益率确定所述整体收益率敏感度。
8.一种信用利差敏感度确定装置，其特征在于，包括：
获取单元，用于获取目标债券的收益率曲线期限结构模型以及目标数据集合，其中，所述目标数据集合中至少包括所述目标债券多个期限对应的利率；
构建单元，用于根据所述目标数据集合和所述收益率曲线期限结构模型构建第一收益率曲线和第二收益率曲线，其中，所述第一收益率曲线和所述第二收益率曲线对应的利率不相同；
第一确定单元，用于根据所述第一收益率曲线和所述第二收益率曲线确定整体收益率敏感度；
第二确定单元，用于将所述整体收益率敏感度确定为所述目标债券对应的信用利差敏感度。
9.一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中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。
10.一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至7任一项中所述的方法的步骤。
CN202311727481.1A 2023-12-14 2023-12-14 信用利差敏感度确定方法及装置 Pending CN117670524A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311727481.1A CN117670524A (zh) 2023-12-14 2023-12-14 信用利差敏感度确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311727481.1A CN117670524A (zh) 2023-12-14 2023-12-14 信用利差敏感度确定方法及装置

Publications (1)

Publication Number Publication Date
CN117670524A true CN117670524A (zh) 2024-03-08

Family

ID=90082493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311727481.1A Pending CN117670524A (zh) 2023-12-14 2023-12-14 信用利差敏感度确定方法及装置

Country Status (1)

Country Link
CN (1) CN117670524A (zh)

Similar Documents

Publication Publication Date Title
CN110246037B (zh) 交易特征预测方法、装置、服务器及可读存储介质
Giesecke et al. Exact simulation of point processes with stochastic intensities
KR101930948B1 (ko) 주택가격 추정 방법 및 시스템
CN109308538B (zh) 成交转化率预测方法及装置
CN109697636A (zh) 一种商户推荐方法、商户推荐装置、电子设备和介质
CN110363642A (zh) 贷款数据处理方法、装置、可读存储介质和程序产品
US20110307415A1 (en) System, Method and Computer Program Product for Measuring Risk Levels in a Stock Market by Providing a Volatility, Skewness and Kurtosis Index
CN110363468B (zh) 采购订单的确定方法、装置、服务器及可读存储介质
CN109741093A (zh) 债权价值评估方法及装置、存储介质、终端
CN114493208A (zh) 工程项目全寿命周期的评价方法、装置、电子设备及介质
CN117670524A (zh) 信用利差敏感度确定方法及装置
CN111724176A (zh) 店铺流量调节方法、装置、设备及计算机可读存储介质
CN116151943A (zh) 手机银行中金融产品的利息数据获取方法及装置
CN112819266B (zh) 配送参数调整方法、装置、存储介质及电子设备
CN114240599A (zh) 贷款测算方法、装置、计算机设备和存储介质
CN113344710A (zh) 模型训练方法、装置与存储介质
CN110706119A (zh) 业务审批方法、装置、存储介质及电子设备
CN113254859A (zh) 用于控制流量进度的方法和装置
CN116452323B (zh) 风险评估方法、系统、设备及存储介质
CN113807260B (zh) 数据处理方法、装置、电子设备和存储介质
CN117670555A (zh) 交叉货币基差敏感度确定方法及装置
CN114638687A (zh) 利率预测方法、装置、电子设备和存储介质
Kostakis et al. Asset allocation with option-implied distributions: A forward-looking approach
CN109981327A (zh) 一种业务量的预测方法及系统
CN114638636A (zh) 一种内转价格确定方法、装置、设备、介质及产品

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