CN117670550A - 一种实时风险管理方法和装置 - Google Patents
一种实时风险管理方法和装置 Download PDFInfo
- Publication number
- CN117670550A CN117670550A CN202410149122.0A CN202410149122A CN117670550A CN 117670550 A CN117670550 A CN 117670550A CN 202410149122 A CN202410149122 A CN 202410149122A CN 117670550 A CN117670550 A CN 117670550A
- Authority
- CN
- China
- Prior art keywords
- quotation
- real
- curve
- time
- point data
- 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 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 51
- 238000003491 array Methods 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000006243 chemical reaction Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 11
- 238000013523 data management Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000003993 interaction Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000007774 longterm Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012954 risk control Methods 0.000 description 3
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 2
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
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
本发明公开了一种实时风险管理方法和装置，涉及金融科技技术领域。该方法的一具体实施方式包括：确定多种行情类型的指示实时行情的报价点数据；针对每一种行情类型的报价点数据，执行为报价点数据确定预先设置的配置信息，其中，配置信息定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法；根据标准数据结构和曲线段算法，将报价点数据转换为多个第一数组；并利用多个第一数组，为报价点数据生成曲线段；拼接多种行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线，基于实时曲线进行交易账户风险处理。该实施方式使业务数据的处理结果以及分析结果具有较好的实时性和准确性，保证交易账户避险的时效性。
Description
技术领域
本发明涉及金融科技技术领域，尤其涉及一种实时风险管理方法和装置。
背景技术
随着金融市场的多样化发展，如何从多样化的金融市场产生的与金融相关的业务数据比如市场行情数据、到期收益数据、即期收益数据等中获取到用户所需信息，是目前金融科技需要克服的关键技术之一。
目前对金融业务数据的处理主要是基于某一个金融市场的日终业务数据进行处理和分析，导致处理结果以及分析结果的实时性和准确性较低，造成风险管理时效性较差。
发明内容
有鉴于此，本发明实施例提供一种实时风险管理方法和装置，使业务数据的处理结果以及分析结果具有较好的实时性和准确性，能够帮助从业人员进行实时的风险控制与管理，使风险控制在一定的范围内，保证风险管理时效性。
为实现上述目的，根据本发明实施例的一个方面，提供了一种实时风险管理方法，包括：
确定多种行情类型的指示实时行情的报价点数据；
针对每一种行情类型的报价点数据，执行为所述报价点数据确定预先设置的配置信息，其中，所述配置信息定义有所述报价点数据的标准数据结构以及所述报价点数据所对应的曲线段算法；根据所述标准数据结构和所述曲线段算法，将所述报价点数据转换为多个第一数组；并利用多个所述第一数组，为所述报价点数据生成曲线段；
拼接多种所述行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线；
针对每一类风险指标包括的每一个子指标，执行下述操作：
将与所述子指标相关的所述实时曲线及交易市场的实时行情数据转换成多个第二数组；
利用多个所述第二数组及预设的子指标评估算法，为交易账户生成对应于所述子指标的实时评估数据；
在所述实时评估数据满足预设的风险调控策略的情况下，对所述交易账户进行避险处理。
可选地，所述确定多种行情类型的指示实时行情的报价点数据，还包括：
接收各种业务平台发送的多种行情类型的指示实时行情的行情数据；
从所述行情数据中筛选出对应于多种标准期限的报价点数据。
可选地，上述实时风险管理方法，还包括：构建出每一种所述行情类型与一种或者多种曲线类型所对应的曲线段的配置信息之间的映射关系；
所述为所述报价点数据确定预先设置的配置信息，包括：
根据所述映射关系以及所述报价点数据所属行情类型，为所述报价点数据查找一个或多个目标曲线类型以及所述目标曲线类型下的目标曲线段的配置信息。
可选地，上述实时风险管理方法，还包括：为多种曲线类型中的每一种曲线类型的各个曲线段划分有对应的计算资源区；
调用所述计算资源区的计算资源执行将所述报价点数据转换为多个第一数组以及为所述报价点数据生成曲线段的步骤。
可选地，上述实时风险管理方法，还包括：基于多种所述标准期限的报价点数据，通过预设的第一插值法生成多个非标准期限的报价点数据，并将多个所述非标准期限的报价点数据转换为对应的第一数组；
所述为所述报价点数据生成曲线段，包括：
结合所述标准期限的报价点数据对应的第一数组以及所述非标准期限的报价点数据对应的第一数组，绘制曲线段。
所述为多个资产生成组合风险数据及其限额，包括：
结合所述标准期限的报价点数据对应的第一数组以及所述非标准期限的报价点数据对应的第一数组，绘制曲线段。
可选地，所述拼接多种所述行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线，包括：
从多种所述行情类型的报价点数据的曲线段中，获取属于同一种所述目标曲线类型的多个目标曲线段；
对多个所述目标曲线段进行拼接，生成并提供对应于所述目标曲线类型的实时曲线。
可选地，上述实时风险管理方法，还包括：
定义有多种所述曲线类型之间的转换策略；
根据所述转换策略，将所述目标曲线类型的实时曲线转换为其他曲线类型的实时曲线。
可选地，所述将所述目标曲线类型的实时曲线转换为其他曲线类型的实时曲线，包括：
根据所述转换策略，将所述目标曲线类型的实时曲线的多个标准期限的报价点数据转换为对应于其他曲线类型的多个标准期限的其他报价点数据；
基于多种所述标准期限的其他报价点数据，通过预设的第二插值法生成多个非标准期限的其他报价点数据；
利用多种所述标准期限的其他报价点数据以及多个所述非标准期限的其他报价点数据，生成对应于其他曲线类型的实时曲线。
可选地，所述为交易账户生成对应于所述子指标的实时评估数据，包括：
为交易账户包括的每一种资产及多种资产组合生成对应于所述子指标的实时评估数据。
可选地，上述实时风险管理方法，还包括：
定义实时风险指标触及所设定的风险限额之后，需要自动采取的相关避险措施；
根据所定义的避险措施，将实时风险指标降低至所设定的风险限额之下。
可选地，将所述风险指标降低至所设定的风险限额之下，包括：
根据转换策略、触及风险限额的风险指标，调整该资产或资产组合的持有数量、持有时间；
根据该资产或资产组合与其他资产的收益相关性，调整其他相关资产的持有数量、持有时间，以使整体组合的所述风险指标降低；
调整不同投资账户之间的资金、仓位分配，以使单个账户中的投资组合的风险指标降低。
第二方面，本发明实施例提供一种实时风险管理装置，包括：数据管理模块、曲线生成模块、风险计算模块、风险管理模块以及交互模块，其中，
所述数据管理模块，用于确定多种行情类型的指示实时行情的报价点数据；
所述曲线生成模块，用于针对每一种行情类型的报价点数据，执行为所述报价点数据确定预先设置的配置信息，其中，所述配置信息定义有所述报价点数据的标准数据结构以及所述报价点数据所对应的曲线段算法；根据所述标准数据结构和所述曲线段算法，将所述报价点数据转换为多个第一数组；并利用多个所述第一数组，为所述报价点数据生成曲线段；拼接多种所述行情类型的报价点数据的曲线段，生成指示实时行情的实时曲线；
所述风险计算模块，用于针对每一类风险指标包括的每一个子指标，执行下述操作：将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；
所述风险管理模块，用于在所述实时评估数据满足预设的风险调控策略的情况下，对所述交易账户进行避险处理；
所述交互模块，用于提供指示实时行情的实时曲线、子指标的实时评估数据及避险处理结果。
上述发明中的一个实施例具有如下优点或有益效果：由于本发明实施例提供的方案主要是针对确定出的每一种行情类型的指示实时行情的报价点数据，为报价点数据确定预先设置的定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法的配置信息，根据配置信息的标准数据结构，将报价点数据转换为多个第一数组；并利用曲线段算法和多个第一数组，为报价点数据生成曲线段，即对于每一种行情类型的指示实时行情的报价点数据生成曲线段，实现为不同行情类型的报价点数据生成具有针对性的曲线段，使各个曲线段更能真实的反映特定阶段的数据变化情况，则通过拼接多种行情类型的报价点数据的曲线段得到指示实时行情的实时曲线，使实时曲线能够更真实的反映实时行情，并使基于实时曲线进行的业务分析更加准确。另外，通过将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；在实时评估数据满足预设的风险调控策略的情况下，对交易账户进行避险处理，以及时为账户避险，保证账户避险的有效性。
进一步地，基于实时曲线反映的实时行情，结合实时市场数据（即交易市场的实时行情数据），能够生成多个风险指标，以通过这些风险指标对账户中的资产进行实时监测、判断账户中的资产是否触碰风险调控策略比如设置的风险限额，并且能够采取自动化的避险措施，使投资组合的风险管理更加精确、实时、自动化。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明实施例的一种实时风险管理方法的主要流程的示意图；
图2是根据本发明实施例的确定报价点数据的主要流程的示意图；
图3是根据本发明实施例的生成曲线段的主要流程的示意图；
图4是根据本发明实施例的生成并提供指示实时行情的实时曲线的主要流程的示意图；
图5是根据本发明实施例的转换策略的一种实现方式的主要流程的示意图；
图6是根据本发明实施例的另一种实时风险管理方法的主要流程的示意图；
图7是根据本发明实施例的一种实时风险管理方法的主要流程示意图；
图8是根据本发明实施例的实时风险管理装置的主要模块的示意图；
图9是根据本发明实施例的实时风险管理系统的结构示意图；
图10是本发明实施例可以应用于其中的示例性系统架构图；
图11是适于用来实现本发明实施例的终端设备或分布式计算平台的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本发明各个实施例的应用场景主要是提供与行情相关的实时曲线比如对某一种币种资产进行估值的收益率曲线、国债的到期收益率曲线、国债的即期收益率曲线、浮动利率类的资产的远期收益率曲线、某一种币种资产进行估值的隐含收益率曲线等，以基于曲线获取任意非标准期限点基准数据（例如价格、收益率、利率、汇率、波动率等），而后根据上述计算的实时曲线及交易市场的实时行情数据计算交易账户中的单个资产、投资的各个资产组合、交易账户的相关风险指标，对风险限额进行实时管理，并在风险指标触及所设定的风险限额时，自动地执行系统设定的相关避险措施，使得风险能够有效地被控制在限额水平之下。
值得说明的是，本发明实施例所涉及的曲线段算法是将现有的金融公式转换为计算资源执行的计算模型实现。
图1是根据本发明实施例的一种基于实时的业务数据实现的实时风险管理方法，如图1所示，该基于实时的业务数据实现的实时风险管理方法可包括如下步骤：
步骤S101：确定多种行情类型的指示实时行情的报价点数据；
其中，行情类型可以根据数据来源的市场不同以及数据所表示的信息不同得到的，比如，来自于债券市场的即期报价点数据，来自于债券市场的掉期报价点数据，来自于货币市场的即期报价，来自于货币市场的掉期报价等。
其中，报价点数据是指对应于一个期限的报价数据，比如，对应于1W（周）的即期报价数据，对应于1Y（年）的掉期报价数据等。
步骤S102：针对每一种行情类型的报价点数据，执行为报价点数据确定预先设置的配置信息，其中，配置信息定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法；根据标准数据结构和曲线段算法，将报价点数据转换为多个第一数组；并利用多个第一数组，为报价点数据生成曲线段；
其中，配置信息包括的标准数据结构和曲线段算法可以根据用户的需求进行相应地配置。
其中，标准数据结构可以根据用户需求或者后续计算需求设置，比如，该标准数据结构可为[term，dT，dY]，其中term是标准期限点的期限字符串，例如：3M（月）、1Y（年）等；dT是term对应的期限实数，例如3M（月）对应0.25，1Y（年）对应1.0；dY表示标准期限点对应的到期收益率值或即期收益率值等
步骤S103：拼接多种行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线；
步骤S104：针对每一类风险指标包括的每一个子指标，执行下述操作：将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；在实时评估数据满足预设的风险调控策略的情况下，对交易账户进行避险处理。
其中，每一类风险指标包括的每一个子指标可以根据实际需求配置比如本发明实施例所涉及的风险指标可为定价估值、市场风险敏感性指标、VaR指标、会计指标等，其中，定价估值包括的子指标可包括有全价价格、净价价格、应计利息价格、全价价值、净价价值、应计利息价值、到期收益率、点差、隐含波动率等。市场风险敏感性指标包括的子指标可包括有到期收益率、即期收益率、利差、浮动基准、信用差、即期汇率、远期汇率等。
其中，将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组该过程主要是从实时曲线中选择几个定点值组成一组第二数组，从每一种类型的实时行情数据中选择几个定点的实时数据组成一组第二数组，具体选择哪几个定点可以根据实时行情数据及实时曲线确定。
在图1所示的实施例中，由于本发明实施例提供的方案主要是针对确定出的每一种行情类型的指示实时行情的报价点数据，为报价点数据确定预先设置的定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法的配置信息，根据配置信息的标准数据结构，将报价点数据转换为多个第一数组；并利用曲线段算法和多个第一数组，为报价点数据生成曲线段，即对于每一种行情类型的指示实时行情的报价点数据生成曲线段，实现为不同行情类型的报价点数据生成具有针对性的曲线段，使各个曲线段更能真实的反映特定阶段的数据变化情况，则通过拼接多种行情类型的报价点数据的曲线段得到指示实时行情的实时曲线，使实时曲线能够更真实的反映实时行情，并使基于实时曲线进行的业务分析更加准确。
另外，通过将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；在实时评估数据满足预设的风险调控策略的情况下，对交易账户进行避险处理，以及时为账户避险，保证账户避险的有效性。
进一步地，基于实时曲线反映的实时行情，结合实时市场数据（即交易市场的实时行情数据），能够生成多个风险指标，以通过这些风险指标对账户中的资产进行实时监测、判断账户中的资产是否触碰风险调控策略比如设置的风险限额，并且能够采取自动化的避险措施，使投资组合的风险管理更加精确、实时、自动化。
在本发明实施例中，如图2所示，上述步骤S101的具体实施方式可包括如下步骤：
步骤S201：接收各种业务平台发送的多种行情类型的指示实时行情的行情数据；
步骤S202：从行情数据中筛选出对应于多种标准期限的报价点数据。
通过上述过程可以综合考量各种业务平台提供的行情数据，同时能够使筛选出的报价点数据能够更好真实、准确的体现出数据比如收益率等的趋势变化，以满足用户参考需求。
在本发明实施例中，上述实时风险管理方法还包括：构建出每一种行情类型与一种或者多种曲线类型所对应的曲线段的配置信息之间的映射关系；相应地，为报价点数据确定预先设置的配置信息的具体实施方式可包括：根据映射关系以及报价点数据所属行情类型，为报价点数据查找一个或多个目标曲线类型以及目标曲线类型下的目标曲线段的配置信息。通过构建的映射关系可以比较方便的管理各种行情类型以及曲线段的配置信息。
在本发明实施例中，如图3所示，上述实时风险管理方法还包括如下步骤：
步骤S301：为多种曲线类型中的每一种曲线类型的各个曲线段划分有对应的计算资源区；
步骤S302：调用计算资源区的计算资源执行将报价点数据转换为多个第一数组以及为报价点数据生成曲线段的步骤。
通过为不同曲线段分配对应的计算资源区以及为不同曲线分配对应的计算资源区，实现并行处理曲线段以及不同类型的曲线，以有效地提高数据处理效率。
在本发明实施例中，如图3所示，上述实时风险管理方法还包括：基于多种标准期限的报价点数据，通过预设的第一插值法生成多个非标准期限的报价点数据，并将多个非标准期限的报价点数据转换为对应的第一数组；相应地，上述为报价点数据生成曲线段的具体实施方式可包括：结合标准期限的报价点数据对应的第一数组以及非标准期限的报价点数据对应的第一数组，绘制曲线段。通过插值法生成多个非标准期限的报价点数据，能够有效地提高数据处理效率，并可以使曲线的数据点更加丰富以及准确。
在本发明实施例中，如图4所示，上述拼接多种所述行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线的具体实施方式可包括如下步骤：
步骤S401：从多种行情类型的报价点数据的曲线段中，获取属于同一种目标曲线类型的多个目标曲线段；
步骤S402：对多个目标曲线段进行拼接，生成并提供对应于目标曲线类型的实时曲线。
比如，行情类型A的曲线段为曲线段1，行情类型B的曲线段为曲线段2，行情类型C的曲线段为曲线段3，行情类型D的曲线段为曲线段4，行情类型E的曲线段为曲线段5，行情类型F的曲线段为曲线段6，其中，曲线段1和曲线段2属于同一曲线类型，曲线段3和曲线段4属于同一曲线类型。则可以将曲线段1和曲线段2拼接成为一条实时曲线，曲线段3和曲线段4拼接成另外的实时曲线。
通过上述过程可以实现处理多种类型的报价点数据，以满足不同用户的需求。
在本发明实施例中，上述实时风险管理方法还可包括：定义有多种曲线类型之间的转换策略；根据转换策略，将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线。
其中，转换策略实现的将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线，可以有两种实现方式。
转换策略实现的将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线的第一种实现方式：直接将目标曲线类型的实时曲线上的关键数据点转换为其他曲线类型的实时曲线的关键数据点，通过连接转换后的关键数据点得到其他曲线类型的实时曲线。
转换策略实现的将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线的第二种实现方式如图5所示，可包括如下步骤：
步骤S501：根据转换策略，将目标曲线类型的实时曲线的多个标准期限的报价点数据转换为对应于其他曲线类型的多个标准期限的其他报价点数据；
步骤S502：基于多种标准期限的其他报价点数据，通过预设的第二插值法生成多个非标准期限的其他报价点数据；
步骤S503：利用多种标准期限的其他报价点数据以及多个非标准期限的其他报价点数据，生成对应于其他曲线类型的实时曲线。
比如，已得到一条到期收益率曲线：Y=f(t)。其中Y是到期收益率，t是期限点（单位年），已知曲线可以理解为一个计算函数，输入期限点t，可以返回该期限对应的到期收益率值Y。需要将该到期收益率曲线转换出即期收益率曲线（其中，即期收益率曲线的算法y=g(Y，t)，输入期限点t和到期收益率，返回对应期限的即期收益率值y）。
其中，作为已知的到期曲线可以表示为一组标准期限点的列表：
[term_1, dT_1, dY_1]，[term_2, dT_2, dY_2]，...，[term_n, dT_n, dY_n]
作为输出的或者转换出的即期收益率曲线也对应表示为同样长度的标准期限点的列表：
[term_1, dT_1, dy_1]，[term_2, dT_2, dy_2]，...，[term_n, dT_n, dy_n]
即期收益率曲线的每个标准期限点的term和dT变量和到期收益率曲线上对应的标准期限点一致，dy值可以通过算法y=g(Y，t)计算出来。
通过算法y=g(t)，可以直接基于到期收益率曲线计算标准期限的即期收益率，然后使用直接用插值方法计算非标准期限的即期收益率，而不再调用算法y=g(t)。
下面以来自于多个债券市场的即期报价数据以及掉期报价数据为基础，得到到期收益率曲线和即期收益率曲线等为例，详细说明基于实时的业务数据实现的实时风险管理方法。如图6所示，该实时风险管理方法可包括如下步骤：
步骤S601：构建出每一种行情类型与一种或者多种曲线类型所对应的曲线段的配置信息之间的映射关系，其中，配置信息定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法；
比如，债券的即期报价数据属于即期行情，债券的掉期报价数据属于掉期行情，其中，针对债券的曲线类型可以为到期收益率曲线、即期收益率曲线等。其中，标准数据结构为[term，dT，dY]，其中term是标准期限点的期限字符串，例如：3M（月）、1Y（年）等；dT是term对应的期限实数，例如3M（月）对应0.25，1Y（年）对应1.0；dY表示标准期限点对应的到期收益率值或即期收益率值等。其中，曲线段算法是指将该曲线段的标准数据结构转换为特定曲线类型的曲线段所使用的算法，比如，将即期报价数据的标准数据结构转换为一段到期收益率曲线段的算法，又比如，将掉期报价数据的标准数据结构转换为一段到期收益率曲线段的算法等。其中，本领域技术人员可以通过对现有的转换公式进行逻辑变换得到曲线段算法，在此不再赘述。
步骤S602：为多种曲线类型中的每一种曲线类型的各个曲线段划分有对应的计算资源区，并定义有多种曲线类型之间的转换策略；
通过对计算资源分区，各个区的计算资源独立运行，可以使各个曲线段并行处理，另外，还可为不同的曲线类型设置对应的计算资源分区，以通过不同的计算资源区处理不同曲线类型的曲线或者曲线转换，以保证数据处理的速度以及时效性。其中，转换策略实现将一种曲线类型的曲线转换为其他曲线类型的曲线的处理逻辑。
步骤S603：接收各种业务平台发送的多种行情类型的指示实时行情的行情数据；
比如，接收某一个市场的业务平台提供的包括有1 W（周）内的即期报价点数据的即期报价数据以及另外的市场的业务平台提供的包括有1M（月）、2M、3M、6M、9M、1Y（年）、2Y、3Y、5Y、7Y、10Y、15Y、20Y、30Y、40Y、50Y等的掉期报价点数据的掉期报价数据。
步骤S604：从行情数据中筛选出对应于多种标准期限的报价点数据；
其中，对应于多种标准期限的报价点数据是指被众多金融机构提供和采纳的，通过权威发布的期限报价点数据，比如，对应于1 W（周）的报价点数据，1M（月）、3M、6M、9M、1Y（年）、3Y、5Y、10Y、15Y、20Y、30Y、40Y、50Y等的期限报价点数据。
针对每一种行情类型的对应于多种标准期限的报价点数据，执行下述步骤S605至步骤608：
步骤S605：根据映射关系以及报价点数据所属行情类型，为报价点数据查找一个或多个目标曲线类型以及目标曲线类型下的目标曲线段的配置信息；
比如上述的债券的即期报价数据属于即期行情，债券的掉期报价数据属于掉期行情，这两种数据所属的行情类型（即期行情和掉期行情）均对应的目标曲线类型为到期收益率曲线，其中，债券的即期报价数据对应一种目标曲线段的配置信息（标准数据结构[term，dT，即期收益率值]以及由债券的即期报价数据转换为到期收益率的曲线段算法），债券的掉期报价数据对应另一种目标曲线段的配置信息（标准数据结构[term，dT，到期报价数据]以及由债券的到期报价数据转换为到期收益率的曲线段算法，其中，由掉期报价数据转换为到期报价数据可通过现有算法实现），其中，到期收益率的曲线段算法即为预先配置的曲线段算法。
步骤S606：调用计算资源区的计算资源，利用曲线段算法将报价点数据转换为多个第一数组；
比如上述实例包括有两个曲线段分别为即期行情对应的曲线段以及掉期行情对应的曲线段，该步骤通过不同的计算资源区分别对即期行情的报价点数据和掉期行情的报价点数据转换为第一数组，其中，第一数组结构对应于上述的标准数据结构，即将即期行情的报价点数据和掉期行情的报价点数据转换为上述的标准数据结构。
步骤S607：基于多种标准期限的报价点数据，通过预设的第一插值法生成多个非标准期限的报价点数据，并将多个非标准期限的报价点数据转换为对应的第一数组；
为了能够使数据点更多，以保证构建曲线的准确性，同时避免各个曲线段算法的复杂性引起的计算效率降低，该步骤通过插值法生成多个非标准期限的报价点数据，以满足用户需求，同时能够降低计算资源开销。值得说明的是，插值法可选用现有的内插或者外插，可以根据用户需求进行相应地设置插值法所需的参数等，以使插值更准确。
步骤S608：结合标准期限的报价点数据对应的第一数组以及非标准期限的报价点数据对应的第一数组，绘制曲线段；
比如，即期行情的即期报价数据通过预设的一种曲线段算法绘制出即期行情所对应的时间段（比如1W内）的到期收益率的曲线段1，掉期行情的掉期报价数据通过预设的另一种曲线段算法绘制出掉期行情所对应的时间段（比如1M（月）、2M、3M、6M、9M、1Y（年）、2Y、3Y、5Y、7Y、10Y、15Y、20Y、30Y、40Y、50Y等）的到期收益率的曲线段2。
步骤S609：从多种行情类型的报价点数据的曲线段中，获取属于同一种目标曲线类型的多个目标曲线段；
步骤S610：对多个目标曲线段进行拼接，生成并提供对应于目标曲线类型的实时曲线；
比如，即期行情的即期报价数据的到期收益率的曲线段1、掉期行情的掉期报价数据的到期收益率的曲线段2、货币市场的货币兑换的即期报价数据的曲线段3等，其中，即期行情的即期报价数据的到期收益率的曲线段1以及掉期行情的掉期报价数据的到期收益率的曲线段2均属于到期收益率曲线类型，通过拼接曲线段1和曲线段2得到最终的到期收益率曲线。
步骤S611：根据转换策略，将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线。
该转换策略具体实现：将目标曲线类型的实时曲线的多个标准期限的报价点数据转换为对应于其他曲线类型的多个标准期限的其他报价点数据，比如将上述的多个标准期限的到期收益率转换为对应的即期收益率；基于多种标准期限的其他报价点数据，通过预设的第二插值法（该第二插值法也可根据用户需求进行设置，其一般与上述第一差值法不同）生成多个非标准期限的其他报价点数据；利用多种标准期限的其他报价点数据以及多个非标准期限的其他报价点数据，生成对应于其他曲线类型的实时曲线，比如可以通过该过程将到期收益率曲线转换为即期收益率曲线，以满足用户对于不同分析的需求。
其中，上述各个实施例主要针对实时风险管理方法中指示实时行情的实时曲线的生成过程。
进一步地，在上述生成指示实时行情的实时曲线的基础上，对交易账户进行实时风险管理。具体地，针对实时风险管理过程中，为交易账户生成对应于子指标的实时评估数据的具体实施方式可包括：为交易账户包括的每一种资产及多种资产组合生成对应于子指标的实时评估数据。该对应于子指标的实时评估数据能够用来评估资产或者多种资产组合是否存在风险或者是否到达风险指标限额等。在资产或多种资产组合存在风险或者是否到达风险指标限额，则对该资产或者资产组合进行避险操作，该避险操作是通过系统自动完成的。
进一步地，上述实时风险管理方法还包括：定义实时风险指标触及所设定的风险限额之后，需要自动采取的相关避险措施；根据所定义的避险措施，将实时风险指标降低至所设定的风险限额之下。以及时调整交易账户的资产份额或者各种资产组合配置。
进一步地，将风险指标降低至所设定的风险限额之下的具体实施方式可包括：根据转换策略、触及风险限额的风险指标，调整该资产或资产组合的持有数量、持有时间；根据该资产或资产组合与其他资产的收益相关性，调整其他相关资产的持有数量、持有时间，以使整体组合的所述风险指标降低；调整不同投资账户之间的资金、仓位分配，以使单个账户中的投资组合的风险指标降低。具体地，可通过后续计算出的结果，保证资产配置和资产份额风险可控，以有效地降低资产配置和资产份额存在的风险。
具体地，在本发明实例中，图7是根据本发明实施例的一种基于实时的业务数据实现的实时风险管理的主要流程示意图。如图7所示，该实时风险管理可包括如下步骤：
步骤S701：实时数据导入。
比如，针对目标单一头寸的资产持仓这一场景，该实时数据包括最新的实时市场数据，根据本发明实施方式计算得到的实时曲线，以及目标单一头寸的资产持仓数据。例如，对于债券资产头寸，实时市场数据可能包括债券价格、交易量等数据，实时曲线可能包括人民币国债利率曲线，目标头寸资产持仓数据可能包括债券基本信息数据、持仓量数据。
又比如，针对多个目标账户的资产持仓，该实时数据包括实时数据可包括最新的实时市场数据，根据本发明实施方式计算得到的实时曲线，以及多个目标账户的资产持仓数据。
步骤S702：风险指标计算。
具体地，根据风险指标的计算公式、逻辑，在导入的各类数据中提取某一风险指标所需要的相关数据，计算该指标。指标计算完成后，根据设置的风险限额计算风险限额余额，并将以上数据在相关页面进行展示。该步骤根据S701的数据导入刷新而重新运行，从而保证风险指标的时效性。
例如，对于债券资产头寸，可能的风险指标有久期、凸性等，久期的计算可能涉及的数据有债券息票率、债券面值、债券剩余期限、人民币国债利率曲线数据等。若对久期风险设定的限额为10，而此债券头寸的久期为6，则风险余额为4，并在相关页面展示上述数据。
又比如，针对多个目标账户的资产持仓，对各个账户中的各类资产分别计算、并生成总体账户、单一账户、明细资产的风险指标数据。例如，对于债券账户，可能的风险指标有久期、凸性等，久期的计算可能涉及的数据有债券息票率、债券面值、债券剩余期限、人民币国债利率曲线数据等。若对债券账户的久期风险设定的限额为10，而此债券账户的久期为6，则此债券账户的风险余额为4，并在相关页面展示上述数据。
久期作为风险指标，在本质上指的是对于利率风险的度量，股票账户、期权账户、期货账户等账户同样也需要考虑利率风险。例如股票账户、期权账户、期货账户的久期分别为0.5、1、3，其久期风险限额分别为2、2、2，则风险余额分别为1.5、1、-1。
例1：整体账户综合的久期风险为4，综合风险限额为5，综合风险余额为1。
例2：整体账户综合的久期风险为4，综合风险限额为3，综合风险余额为-1。
当实时市场数据发生变化，如债券价格发生变化，或实时曲线数据发生变化，则可以按数据时效性的需求，重新计算上述风险指标。
步骤S703：风险余额判断。
该步骤需要判断S702中计算的指标是否触及到所设置的风险限额水平，即S702中展示的风险限额余额是否小于或等于零。若风险限额余额尚未归零，则继续回到S701与S702的步骤，等待数据更新之后再次计算风险指标，并进行判断。
例如对债券头寸的久期风险设定的限额为10，而此债券头寸的久期为6，则风险余额为4，尚未归零，则回到步骤S702与S702，不断更新、展示实时的久期风险数据，直到判断发现久期计算结果大于等于10，则进入步骤S704。
又比如，针对多个目标账户的资产持仓，该步骤判断多账户整体是否触及其风险限额。
例1：所有账户综合的久期风险位4，综合风险限额为5，综合风险余额为1，并未触及风险限额，无需发出综合避险信号。
例2：所有账户综合的久期风险位4，综合风险限额为3，综合风险余额为-1，已经触及风险限额，理应发出综合避险信号。
另外，针对多个目标账户的资产持仓，还需要判断各个单一账户是否触及其风险限额。
例1：债券账户的久期风险设定的限额为10，而此债券账户的久期为6，则此债券账户的风险余额为4；股票账户、期权账户、期货账户的久期分别为0.5、1、3，其久期风险限额分别为2、2、2，则风险余额分别为1.5、1、-1。其中仅有期货账户触及风险限额。
例2：债券账户的久期风险设定的限额为10，而此债券账户的久期为6，则此债券账户的风险余额为4；股票账户、期权账户、期货账户的久期分别为2、1、3，其久期风险限额分别为2、2、2，则风险余额分别为0、1、-1。其中仅有期货账户触及风险限额。
步骤S704：发出避险信号。
具体地，当S703的判断结果为当前风险余额已归零时，则需要发出避险信号，在步骤S705中根据所设置的避险措施进行处理。
步骤S705：实施避险措施。
根据所设置的避险措施，进行相关交易，使目标风险指标降低至风险限额之下。
例如，对于单一种类的资产，减持一定数量的资产，可有效降低VaR（在险价值）等风险指标；增持一定数量具有负相关性的资产，如为资产多头头寸增持一定数量的对应资产看跌期权，可有效降低资产组合的Delta。
又比如，针对多个目标账户的资产持仓，该步骤根据整体账户的风险限额余额情况以及各个单一账户的风险限额余额判断情况，采取相应的避险措施，以使整体账户与各个单一账户的风险水平均恢复到风险限额之下。
例1：整体账户的综合久期风险余额大于零，仍未触及风险限额，而期货账户久期风险余额小于零，已经触及风险限额。
调整1：在期货账户、股票账户、债券账户、期权账户之间调配保证金、仓位等，使得不需要追加新资金的情况下，以尽可能小的仓位调整，使得期货账户的久期风险水平恢复到限额之下，并保证其它账户以及整体账户的各个风险指标水平不触及风险限额。
例2：整体账户的综合久期风险余额小于零，已经触及风险限额，并且期货账户、股票账户的久期风险余额均已小于等于零，已经触及风险限额。
调整1：在期货账户、股票账户、债券账户、期权账户之间调配保证金、仓位等，使得不需要追加新资金的情况下，以尽可能小的仓位调整，使得期货账户的久期风险水平恢复到限额之下，并保证其它账户以及整体账户的各个风险指标水平不触及风险限额。
调整2：追加新的资金，以增加能够降低久期风险的期货仓位（如期货空头仓位）、股票仓位，不改变其他账户中的各资产仓位，使得触及风险限额的账户的各风险指标以及整体账户的综合的各风险指标恢复到风险限额之下。
调整3：减少期货的多头仓位与股票的多头仓位，释放部分资金，降低期货账户与股票账户的久期风险，使得触及风险限额的账户的各风险指标以及整体账户的综合的各风险指标恢复到风险限额之下。
步骤S706：根据避险措施调整，更新交易账户的信息。
具体地，针对上述债券资产头寸，根据避险措施的实施结果，更新资产的仓位情况，并结合最新的实时行情数据、实时曲线数据重新计算风险指标。
针对多个目标账户的资产持仓，根据避险措施调整，更新各个账户以及整体账户的持仓以及风险指标信息数据，重新回到S701、S702等步骤，再次计算各个风险指标。
如图8所示，本发明实施例提供一种实时风险管理装置800，该实时风险管理装置800可包括：数据管理模块801、曲线生成模块802、交互模块803、风险计算模块804及风险管理模块805，其中，
数据管理模块801，用于确定多种行情类型的指示实时行情的报价点数据；
曲线生成模块802，用于针对每一种行情类型的报价点数据，执行为报价点数据确定预先设置的配置信息，其中，配置信息定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法；根据标准数据结构，将报价点数据转换为多个第一数组；并利用曲线段算法和多个第一数组，为报价点数据生成曲线段；拼接多种行情类型的报价点数据的曲线段，生成指示实时行情的实时曲线；
交互模块803，用于提供指示实时行情的实时曲线、子指标的实时评估数据及避险处理结果；
风险计算模块804，用于针对每一类风险指标包括的每一个子指标，执行下述操作：将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；
风险管理模块805，用于在实时评估数据满足预设的风险调控策略的情况下，对交易账户进行避险处理；
交互模块803，进一步用于设定曲线配置信息、风险指标计算逻辑、各风险指标的具体限额，并提供指示实时行情的实时曲线、实时行情的风险数据及风险限额余量，以使用户基于所述实时曲线、风险数据与风险限额余量进行业务分析。
在本发明实施例中，数据管理模块801，用于接收各种业务平台发送的多种行情类型的指示实时行情的行情数据；从行情数据中筛选出对应于多种标准期限的报价点数据。
在本发明实施例中，上述风险管理装置800还包括：配置模块806，其中，
配置模块806，用于构建出每一种所述行情类型与一种或者多种曲线类型所对应的曲线段的配置信息之间的映射关系；
曲线生成模块802，进一步用于根据配置模块806构建出的映射关系以及报价点数据所属行情类型，为报价点数据查找一个或多个目标曲线类型以及目标曲线类型下的目标曲线段的配置信息。
在本发明实施例中，上述实时风险管理装置800还包括：资源管理模块807，其中，
资源管理模块807，用于为多种曲线类型中的每一种曲线类型的各个曲线段划分有对应的计算资源区；
曲线生成模块802，进一步用于调用资源管理模块807划分出的计算资源区的计算资源执行将报价点数据转换为多个第一数组以及为报价点数据生成曲线段的步骤。
在本发明实施例中，曲线生成模块802，进一步用于基于多种标准期限的报价点数据，通过预设的第一插值法生成多个非标准期限的报价点数据，并将多个非标准期限的报价点数据转换为对应的第一数组，结合标准期限的报价点数据对应的第一数组以及非标准期限的报价点数据对应的第一数组，绘制曲线段。
在本发明实施例中，曲线生成模块802，进一步用于从多种行情类型的报价点数据的曲线段中，获取属于同一种目标曲线类型的多个目标曲线段；对多个目标曲线段进行拼接，生成并提供对应于目标曲线类型的实时曲线。
在本发明实施例中，曲线生成模块802，进一步用于定义有多种曲线类型之间的转换策略；根据转换策略，将目标曲线类型的实时曲线转换为其他曲线类型的实时曲线。
在本发明实施例中，曲线生成模块802，进一步用于根据转换策略，将目标曲线类型的实时曲线的多个标准期限的报价点数据转换为对应于其他曲线类型的多个标准期限的其他报价点数据；基于多种标准期限的其他报价点数据，通过预设的第二插值法生成多个非标准期限的其他报价点数据；利用多种标准期限的其他报价点数据以及多个非标准期限的其他报价点数据，生成对应于其他曲线类型的实时曲线。
在本发明实施例中，风险计算模块804，进一步用于为交易账户包括的每一种资产及多种资产组合生成对应于所述子指标的实时评估数据。
如图9所示，本发明实施例提供一种基于实时的业务数据实现的实时风险管理系统900，该实时风险管理系统900可包括：业务数据提供平台901、用户终端902以及图8所示出的实时风险管理装置900，其中，
业务数据提供平台901，用于为实时风险管理装置800提供多种行情类型的指示实时行情的行情数据；
用户终端902，用于接收实时风险管理装置800提供的指示实时行情的实时曲线。
图10示出了可以应用本发明实施例的实时风险管理方法或实时风险管理装置的示例性系统架构1000。
如图10所示，系统架构1000可以包括与实时行情相关数据的数据提供平台1001、1002、1003，网络1004，分布式计算平台1005以及用户终端设备1006、1007、1008。网络1004用以在数据提供平台1001、1002、1003和分布式计算平台1005之间、分布式计算平台1005和用户终端设备1006、1007、1008之间提供通信链路的介质。网络1004可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
数据提供平台1001、1002、1003通过网络1004与分布式计算平台1005交互，以为分布式计算平台1005提供与实时行情相关的报价点数据等。数据提供平台1001、1002、1003可以为发布权威的报价点数据的平台比如证券平台、银行平台等（仅为示例）。
分布式计算平台1005可以是提供各种分布式服务的服务器，例如对数据提供平台1001、1002、1003所提供的与实时行情相关的数据进行处理以得到实时曲线的后台管理服务器（仅为示例）。后台管理服务器可以对接收到的指示实时行情的报价点数据等数据进行分析等处理，并将处理结果（例如实时曲线--仅为示例）提供给用户终端设备。
用户终端设备1006、1007、1008可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
需要说明的是，本发明实施例所提供的实时风险管理方法一般由分布式计算平台1005执行，相应地，实时风险管理装置一般设置于分布式计算平台1005中。
应该理解，图10中的数据提供平台、网络和分布式计算平台和用户终端设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的数据提供平台、网络和分布式计算平台和用户终端设备。
下面参考图11，其示出了适于用来实现本发明实施例的终端设备或分布式计算平台的计算机系统1100的结构示意图。图11示出的终端设备或分布式计算平台仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示，计算机系统1100包括中央处理单元（CPU）1101，其可以根据存储在只读存储器（ROM）1102中的程序或者从存储部分1108加载到随机访问存储器（RAM）1103中的程序而执行各种适当的动作和处理。在RAM 1103中，还存储有系统1100操作所需的各种程序和数据。CPU 1101、ROM 1102以及RAM 1103通过总线1104彼此相连。输入/输出（I/O）接口1105也连接至总线1104。
以下部件连接至I/O接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管（CRT）、液晶显示器（LCD）等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元（CPU）1101执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括数据管理模块、曲线生成模块以及交互模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，数据管理模块还可以被描述为“确定多种行情类型的指示实时行情的报价点数据的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：确定多种行情类型的指示实时行情的报价点数据；针对每一种行情类型的报价点数据，执行为报价点数据确定预先设置的配置信息，其中，配置信息定义有所述报价点数据的标准数据结构以及报价点数据所对应的曲线段算法；根据标准数据结构，将报价点数据转换为多个第一数组；并利用曲线段算法和多个第一数组，为报价点数据生成曲线段；拼接多种行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线，以使用户基于实时曲线进行业务分析。
根据本发明实施例的技术方案，由于本发明实施例提供的方案主要是针对确定出的每一种行情类型的指示实时行情的报价点数据，为报价点数据确定预先设置的定义有报价点数据的标准数据结构以及报价点数据所对应的曲线段算法的配置信息，根据配置信息的标准数据结构，将报价点数据转换为多个第一数组；并利用曲线段算法和多个第一数组，为报价点数据生成曲线段，即对于每一种行情类型的指示实时行情的报价点数据生成曲线段，实现为不同行情类型的报价点数据生成具有针对性的曲线段，使各个曲线段更能真实的反映特定阶段的数据变化情况，则通过拼接多种行情类型的报价点数据的曲线段得到指示实时行情的实时曲线，使实时曲线能够更真实的反映实时行情，并使基于实时曲线进行的业务分析更加准确。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (12)
1.一种实时风险管理方法，其特征在于，包括：
确定多种行情类型的指示实时行情的报价点数据；
针对每一种行情类型的报价点数据，执行为所述报价点数据确定预先设置的配置信息，其中，所述配置信息定义有所述报价点数据的标准数据结构以及所述报价点数据所对应的曲线段算法；根据所述标准数据结构和所述曲线段算法，将所述报价点数据转换为多个第一数组；并利用多个所述第一数组，为所述报价点数据生成曲线段；
拼接多种所述行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线；
针对每一类风险指标包括的每一个子指标，执行下述操作：
将与所述子指标相关的所述实时曲线及交易市场的实时行情数据转换成多个第二数组；
利用多个所述第二数组及预设的子指标评估算法，为交易账户生成对应于所述子指标的实时评估数据；
在所述实时评估数据满足预设的风险调控策略的情况下，对所述交易账户进行避险处理。
2.根据权利要求1所述的实时风险管理方法，其特征在于，所述确定多种行情类型的指示实时行情的报价点数据，包括：
接收各种业务平台发送的多种行情类型的指示实时行情的行情数据；
从所述行情数据中筛选出对应于多种标准期限的报价点数据。
3.根据权利要求1所述的实时风险管理方法，其特征在于，
还包括：构建出每一种所述行情类型与一种或者多种曲线类型所对应的曲线段的配置信息之间的映射关系；
所述为所述报价点数据确定预先设置的配置信息，包括：
根据所述映射关系以及所述报价点数据所属行情类型，为所述报价点数据查找一个或多个目标曲线类型以及所述目标曲线类型下的目标曲线段的配置信息。
4.根据权利要求1所述的实时风险管理方法，其特征在于，还包括：
为多种曲线类型中的每一种曲线类型的各个曲线段划分有对应的计算资源区；
调用所述计算资源区的计算资源执行所述将所述报价点数据转换为多个第一数组以及为所述报价点数据生成曲线段的步骤。
5.根据权利要求2所述的实时风险管理方法，其特征在于，
还包括：基于多种所述标准期限的报价点数据，通过预设的第一插值法生成多个非标准期限的报价点数据，并将多个所述非标准期限的报价点数据转换为对应的第一数组；
所述为所述报价点数据生成曲线段，包括：
结合所述标准期限的报价点数据对应的第一数组以及所述非标准期限的报价点数据对应的第一数组，绘制曲线段。
6.根据权利要求3所述的实时风险管理方法，其特征在于，所述拼接多种所述行情类型的报价点数据的曲线段，生成并提供指示实时行情的实时曲线，包括：
从多种所述行情类型的报价点数据的曲线段中，获取属于同一种所述目标曲线类型的多个目标曲线段；
对多个所述目标曲线段进行拼接，生成并提供对应于所述目标曲线类型的实时曲线。
7.根据权利要求6所述的实时风险管理方法，其特征在于，还包括：
定义有多种所述曲线类型之间的转换策略；
根据所述转换策略，将所述目标曲线类型的实时曲线转换为其他曲线类型的实时曲线。
8.根据权利要求7所述的实时风险管理方法，其特征在于，所述将所述目标曲线类型的实时曲线转换为其他曲线类型的实时曲线，包括：
根据所述转换策略，将所述目标曲线类型的实时曲线的多个标准期限的报价点数据转换为对应于其他曲线类型的多个标准期限的其他报价点数据；
基于多种所述标准期限的其他报价点数据，通过预设的第二插值法生成多个非标准期限的其他报价点数据；
利用多种所述标准期限的其他报价点数据以及多个所述非标准期限的其他报价点数据，生成对应于其他曲线类型的实时曲线。
9.根据权利要求1所述的实时风险管理方法，其特征在于，
所述为交易账户生成对应于所述子指标的实时评估数据，包括：
为交易账户包括的每一种资产及多种资产组合生成对应于所述子指标的实时评估数据。
10.一种实时风险管理装置，其特征在于，包括：数据管理模块、曲线生成模块、风险计算模块、风险管理模块以及交互模块，其中，
所述数据管理模块，用于确定多种行情类型的指示实时行情的报价点数据；
所述曲线生成模块，用于针对每一种行情类型的报价点数据，执行为所述报价点数据确定预先设置的配置信息，其中，所述配置信息定义有所述报价点数据的标准数据结构以及所述报价点数据所对应的曲线段算法；根据所述标准数据结构和所述曲线段算法，将所述报价点数据转换为多个第一数组；并利用多个所述第一数组，为所述报价点数据生成曲线段；拼接多种所述行情类型的报价点数据的曲线段，生成指示实时行情的实时曲线；
所述风险计算模块，用于针对每一类风险指标包括的每一个子指标，执行下述操作：将与子指标相关的实时曲线及交易市场的实时行情数据转换成多个第二数组；利用多个第二数组及预设的子指标评估算法，为交易账户生成对应于子指标的实时评估数据；
所述风险管理模块，用于在所述实时评估数据满足预设的风险调控策略的情况下，对所述交易账户进行避险处理；
所述交互模块，用于提供指示实时行情的实时曲线、子指标的实时评估数据及避险处理结果。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410149122.0A CN117670550A (zh) | 2024-02-02 | 2024-02-02 | 一种实时风险管理方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410149122.0A CN117670550A (zh) | 2024-02-02 | 2024-02-02 | 一种实时风险管理方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117670550A true CN117670550A (zh) | 2024-03-08 |
Family
ID=90069926
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410149122.0A Pending CN117670550A (zh) | 2024-02-02 | 2024-02-02 | 一种实时风险管理方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117670550A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298383A (zh) * | 2021-05-26 | 2021-08-24 | 凯美瑞德（苏州）信息科技股份有限公司 | 一种资产评估方法、装置及电子设备 |
| CN115578105A (zh) * | 2022-11-21 | 2023-01-06 | 凯美瑞德（苏州）信息科技股份有限公司 | 一种处理交易数据的方法和装置 |
| CN116630051A (zh) * | 2023-07-24 | 2023-08-22 | 中债金融估值中心有限公司 | 收益率曲线和债券估值实时计算系统、方法及设备 |
| CN117036046A (zh) * | 2023-08-09 | 2023-11-10 | 平安银行股份有限公司 | 一种债券收益率数据的处理方法及系统 |
-
2024
- 2024-02-02 CN CN202410149122.0A patent/CN117670550A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298383A (zh) * | 2021-05-26 | 2021-08-24 | 凯美瑞德（苏州）信息科技股份有限公司 | 一种资产评估方法、装置及电子设备 |
| CN115578105A (zh) * | 2022-11-21 | 2023-01-06 | 凯美瑞德（苏州）信息科技股份有限公司 | 一种处理交易数据的方法和装置 |
| CN116630051A (zh) * | 2023-07-24 | 2023-08-22 | 中债金融估值中心有限公司 | 收益率曲线和债券估值实时计算系统、方法及设备 |
| CN117036046A (zh) * | 2023-08-09 | 2023-11-10 | 平安银行股份有限公司 | 一种债券收益率数据的处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Nonparametric inference of value-at-risk for dependent financial returns | |
| CN111198873B (zh) | 数据处理的方法和装置 | |
| US20090063365A1 (en) | System and method of managing cash and suggesting transactions in a multi-strategy portfolio | |
| CN113487410B (zh) | 一种授信管理方法、装置、电子设备及计算机可读介质 | |
| CN110415123B (zh) | 金融产品推荐方法、装置和设备及计算机存储介质 | |
| CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
| CN111967954A (zh) | 一种资源归还增比确定方法、装置和电子设备 | |
| CN112417060A (zh) | 识别企业关系的方法、装置、设备和计算机可读介质 | |
| CN111429259A (zh) | 计息数据处理的方法和装置 | |
| CN112561708A (zh) | 处理数据的方法、装置、设备和计算机可读介质 | |
| Sun et al. | Accounting earnings and economic growth, trends, and challenges: a bibliometric approach | |
| CN113034183A (zh) | 定价处理方法、装置、电子设备和存储介质 | |
| CN111429251A (zh) | 多模式下数据处理的方法和装置 | |
| CN117670550A (zh) | 一种实时风险管理方法和装置 | |
| CN115578105A (zh) | 一种处理交易数据的方法和装置 | |
| CN116228384A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
| CN113592263A (zh) | 基于动态资源归还增比的资源归还增量预测方法和装置 | |
| CN111402018B (zh) | 一种上报资源预算的方法和系统 | |
| CN113989001A (zh) | 虚拟资产结算方法、装置、电子设备以及存储介质 | |
| CN111768298A (zh) | 事务数据额度确定方法、装置、设备和介质 | |
| CN112102094A (zh) | 资产证券化分层的方法和装置 | |
| CN111563807A (zh) | 一种处理交易数据的方法和装置 | |
| CN110909294A (zh) | 数据处理的方法和装置 | |
| Wang et al. | Which implied volatilities contain more information? Evidence from China | |
| EP4187476A1 (en) | Method and apparatus of treating asset, electronic device and storage medium |
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 |