TWI661378B - 前瞻性違約率評估系統及前瞻性違約率評估方法 - Google Patents

前瞻性違約率評估系統及前瞻性違約率評估方法 Download PDF

Info

Publication number
TWI661378B
TWI661378B TW107103336A TW107103336A TWI661378B TW I661378 B TWI661378 B TW I661378B TW 107103336 A TW107103336 A TW 107103336A TW 107103336 A TW107103336 A TW 107103336A TW I661378 B TWI661378 B TW I661378B
Authority
TW
Taiwan
Prior art keywords
default
processing unit
historical
overall economic
looking
Prior art date
Application number
TW107103336A
Other languages
English (en)
Other versions
TW201933243A (zh
Inventor
孫子明
李郁亭
陳湘宜
Original Assignee
兆豐國際商業銀行股份有限公司
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 兆豐國際商業銀行股份有限公司 filed Critical 兆豐國際商業銀行股份有限公司
Priority to TW107103336A priority Critical patent/TWI661378B/zh
Application granted granted Critical
Publication of TWI661378B publication Critical patent/TWI661378B/zh
Publication of TW201933243A publication Critical patent/TW201933243A/zh

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本揭露提供一種前瞻性違約率評估系統及前瞻性違約率評估方法。處理單元分別讀取並輸入歷史參數組中的每一組至運算電路，以產生預測總體經濟分數，並分別比較預測總體經濟分數與歷史參數組的每一筆對應的歷史總體經濟分數，以獲取選定歷史參數組。處理單元選取對應選定歷史參數組的年份的多年期違約機率表，作為預測年度的預測多年期違約機率表。當處理單元接收違約損失率（Loss Given Default，LGD）及信用評等時，處理單元查詢預測多年期違約機率表中對應信用評等的違約機率（Probability of Default，PD），以依據對應信用評等的違約機率以及違約損失率產生預期損失率（Expected Loss，ECL）。

Description

前瞻性違約率評估系統及前瞻性違約率評估方法
本揭露是有關於一種數位金融技術，且特別是有關於一種前瞻性違約率評估系統及前瞻性違約率評估方法。
為了使財務報表更忠實地表達金融工具損益情況，國際會計準則委員會(IASB)制定國際財務報告準則第9號(International Financial Reporting Standard 9；IFRS 9)，銀行公會提出了減損評估方法論指引，並指出在估算違約機率時，不能只依據當期情況進行估算，必須對未來提出前瞻性的評估。然而，對於如何進行前瞻性的評估，銀行公會並無提出具體的方法。
在2015年12月，根據國際清算銀行下的巴塞爾銀行監理委員會(Basel Committee on Banking Supervision)的信用風險及會計預期信用損失之指導原則，其指出確保預期信用損失之估算已適當整合前瞻性的資訊，包括總體經濟因素。
由於在銀行業務中，與國際的銀行或客戶相互往來為必要的情形。在考量與國際接軌的前情形下，如何能夠依據總體經濟因素提出前瞻性的評估為本領域技術人員所致力的課題。
本發明提供一種前瞻性違約率評估系統及前瞻性違約率評估方法，以藉由運算電路、總體經濟因子以對違約率進行前瞻性的評估與調整。
本揭露的前瞻性違約率評估系統具有儲存單元及處理單元。儲存單元儲存多筆歷史參數組。處理單元與儲存單元連接，處理單元分別讀取並輸入歷史參數組中的每一組至運算電路，以產生預測總體經濟分數。處理單元分別比較預測總體經濟分數與歷史參數組的每一筆對應的歷史總體經濟分數，以獲取選定歷史參數組，其中選定歷史參數組所對應的歷史總體經濟分數為歷史參數組中的歷史總體經濟分數中最接近預測總體經濟分數的一筆。處理單元選取對應選定歷史參數組的年份的多年期違約機率表，以作為預測年度的預測多年期違約機率表。當接收信用評等時，處理單元查詢預測多年期違約機率表中對應信用評等的違約機率(Probability of Default，PD)，當接收違約損失率(Loss Given Default，LGD)時，處理單元更依據對應信用評等的違約機率以及違約損失率產生預期損失率(Expected Loss，ECL)。
本揭露的前瞻性違約率評估方法具有步驟：獲取多筆歷 史參數組；輸入歷史參數組中的每一組至運算電路，以產生預測總體經濟分數；比較預測總體經濟分數與歷史參數組的每一筆對應的歷史總體經濟分數，以獲取選定歷史參數組，其中選定歷史參數組所對應的歷史總體經濟分數為歷史參數組中的歷史總體經濟分數中最接近預測總體經濟分數的一筆；選取對應選定歷史參數組的年份的多年期違約機率表，以作為預測年度的預測多年期違約機率表；當接收信用評等時，查詢預測多年期違約機率表中對應信用評等的違約機率；以及當接收違約損失率時，更依據對應信用評等的違約機率以及違約損失率產生預期損失率。
基於上述，本揭露的前瞻性違約率評估系統及前瞻性違約率評估方法透過處理單元與運算電路對過去歷史參數組的運算，並且依據對總體經濟狀況的評級調整違約率。藉此，以依據總體經濟因素而對未來提供前瞻性的評估。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
100‧‧‧前瞻性違約率評估系統
110‧‧‧儲存單元
120‧‧‧處理單元
130‧‧‧第一運算電路
140‧‧‧第二運算電路
150‧‧‧第三運算電路
S210~S270‧‧‧前瞻性違約率評估方法的步驟
圖1繪示本揭露一實施例的前瞻性違約率評估系統的架構圖。
圖2繪示本揭露一實施例執行前瞻性違約率評估方法的流程圖。
本揭露所提供的前瞻性違約率評估系統執行前瞻性違約率評估方法，以估算未來的信用評級。
請參照圖1，圖1繪示本揭露一實施例的前瞻性違約率評估系統的架構圖。本揭露的前瞻性違約率評估系統100具有儲存單元110以及處理單元120。
儲存單元110儲存單元，儲存多筆歷史參數組。歷史參數組可以為歷史上的主要經濟指標，主要經濟指標可以為以全球性經濟因子及或二十國集團(Group of Twenty，G20)為首的各類經濟因子，如國內生產總值(Gross Domestic Product，GDP)成長率、消費者物價指數(consumer price index)、失業率、利率、各年度的違約率(Default Rate)。在本揭露的實施例中，儲存單元110所儲存的每一筆歷史參數組例如為一個年度的各類經濟因子，例如，2017年的全球性國內生產總值成長率、全球性消費者物價指數、全球性失業率、二十國集團的全球性國內生產總值成長率、二十國集團的失業率、二十國集團的利率。本揭露並不限定儲存單元110所儲存的年份以及儲存的經濟因子的種類，在不違反本揭露的精神下，任何適當的設計、調整皆為本揭露的應用範圍。此外，歷史參數組可以透過網際網路進行資料蒐集，也可以透過使用者上傳的相關數據、擷取相關檔案或依據使用者掃描的資料進行OCR分析等，本揭露並不限於此。
儲存單元110可以是任何型態的固定或可移動隨機存取記憶體(Random Access Memory，RAM)、唯讀記憶體(Read-Only Memory，ROM)、快閃記憶體(flash memory)、硬碟(Hard Disk Drive，HDD)、固態硬碟(Solid State Drive，SSD)或類似元件或上述元件的組合。
處理單元120與儲存單元110連接。處理單元110可以是中央處理單元(Central Processing Unit，CPU)，或是其他可程式化之一般用途或特殊用途的微處理器(Microprocessor)、數位信號處理器(Digital Signal Processor，DSP)、可程式化控制器、特殊應用積體電路(Application Specific Integrated Circuit，ASIC)或其他類似元件或上述元件的組合，本揭露不限於此。
在本揭露的一實施例中，處理單元120會將歷史參數組輸入至運算電路，並控制運算電路對歷史參數組進行運算，以產生預測總體經濟分數。具體來說，在本揭露的一實施例中，運算電路具有第一運算電路130、第二運算電路140以及第三運算電路150。
第一運算電路130會分別對歷史參數組進行運算，以產生第一係數組。在本揭露的一實施例中，第一運算電路130是由加法器、乘法器、減法器的一個或多個組合而成，並運行回歸運算。舉例來說，第一運算電路130的電路結構可以運行下述方程式： 在本揭露的實施例中，Y為違約率(Default Rate，DFR)，X為一筆歷史參數組中的一個歷史參數。而n則為其所採用的歷史參數 的數量。也就是說，在本揭露不同的實施例中，其所採用的歷史參數的數目可以為一個或多個，並依據實際的需求與設計而有所不同。α與ε分別為截距項與殘差項。藉由上述方程式，第一運算電路130會依據每一筆不同的歷史參數產生多筆以α、β以及ε所建構的結果。換句話說，由於在本揭露的實施例中，每一組歷史參數組分別對應至一個年份中的多種不同的歷史參數，因此在第一運算電路130中會獲取在過去每一年中所產生的α、β以及ε的關係式。
需說明的是，在本揭露的一實施例中，歷史參數組具備的歷史參數的數量可以依據實際需求而定。舉例來說，歷史參數組中具備兩個的歷史參數X1、X2，並例如為二十國集團的國內生產總值成長率X1以及二十國集團的消費額指物價指數X2。或者是，歷史參數組中具備三個歷史參數，例如為全球性國內生產總值成長率X1、全球性消費者物價指數X2並具有全球性失業率X3。或者是，除了歷史參數X1、X2、X3，更具有歷史參數X4，例如為二十國集團的利率。換句話說，第一運算電路130的運算式會依據實際情形的設計採用不同的歷史參數，並依據採用的歷史參數進行調整。在不違背本揭露的精神下，本揭露並不限制其採用的歷史參數與運算方式。以下將由歷史參數組具備三個歷史參數X1、X2、X3進行說明。
除了上述方程式外，第一運算電路130還會依據每一筆歷史參數組所產生的α、β以及ε所建構的結果進行運算，以產生 α、β以及ε分別的數值，即第一係數組。也就是說，此第一係數組則是依據過去每一年所產生的α、β以及ε的關係式進行運算，以獲取與所有歷史係數組(即：所有年份)之間的關聯係數。
第二運算電路140具備對應上述方程式(1)的運算電路結構，不同的是，處理單元120會將第一參數組輸入至第二運算電路140，以使第二運算電路140採用第一係數組進行運算。此外，處理單元120會獲取當前預測參數組，並將當前預測參數組輸入至第二運算電路140，以產生第二運算結果。
具體來說，當前預測參數組至少具備對應歷史參數X1、X2、X3的預測參數X1’、X2’、X3’。舉例來說，若在第一運算電路130所採用的歷史參數X1、X2、X3為全球性國內生產總值成長率、全球性消費者物價指數以及全球性失業率，而在第二運算電路140所輸入的當前預測參數組即必須具備對應下一個年度所預期的全球性國內生產總值成長率、全球性消費者物價指數以及全球性失業率的預測參數X1’、X2’、X3’。處理單元120會將上述預測參數組輸入至第二運算電路140。基此，第二運算電路140可以依據預測參數X1’、X2’、X3’、第一參數組α、β、ε進行運算，並輸出對應的違約率Y，此即第二運算結果。也就是說，第二運算電路140會依據過往的歷史參數組所產生的相關第一參數組α、β、ε，並將對未來的預測參數X1’、X2’、X3’與過往的歷史進行計算，以由過往的經驗獲取未來可能的結果。
第三運算電路150用以標準化各類分數，並計算預測總 體經濟分數。具體來說，第三運算電路150亦是由加法器、乘法器、減法器的一個或多個組合而成，且其電路結構可以運行下述方程式： 第三運算電路150會分別將預測參數X1’、X2’、X3’以上述方程式(2)進行運算。也就是說，在每一次第三運算電路運算方程式(2)中，參數Xi、以及σi分別會輸入預測參數X1’、X2’、X3’及對應預測參數X1’、X2’、X3’的歷史平均以及標準差，藉此以獲得每一個預測參數所對應的局部標準分數Std1、Std2以及Std3。
除此之外，第三運算電路150還會計算預測參數X1’、X2’、X3’分別所對應的決定係數(Coefficient of determination，R2)以及其佔的係數權重。計算各個預測參數所對應的決定係數為相關領域所熟知的方法，此處即不贅述。而計算對應的權重的方法是依據一般計算比重的方式進行計算，即單項的決定係數除以所有決定係數的加總，於此即不贅述。
於獲取係數權重後，第三運算電路150計算係數權重及局部標準分數的乘積，並將獲取的乘積結果進行加總，藉此以產生預測總體經濟分數。
在本揭露的其他實施例中，前瞻性違約率評估系統更具備通訊單元，用以傳送及接收各類資訊。例如，處理單元120可以指示通訊單元連接至網際網路以獲取各年度總體經濟因子的資訊、各信評機構的多年期違約機率表等。在本揭露一實施例中，通訊單 元是以通訊晶片進行實作，通訊晶片可為支援全球行動通信(Global System for Mobile communication,GSM)、個人手持式電話系統(Personal Handy-phone System,PHS)、碼多重擷取(Code Division Multiple Access,CDMA)系統、寬頻碼分多址(Wideband Code Division Multiple Access,WCDMA)系統、長期演進(Long Term Evolution,LTE)系統、全球互通微波存取(Worldwide interoperability for Microwave Access,WiMAX)系統、無線保真(Wireless Fidelity,Wi-Fi)系統或藍牙的信號傳輸的元件。
除此之外，在本揭露的實施例中，前瞻性違約率評估系統100可以具備輸入單元，例如：鍵盤、滑鼠、觸控式螢幕等，以提供使用者輸入相關資訊。或者是，前瞻性違約率評估系統100可以與使用者的終端裝置以有線或無線的方式連接，例如：手機、個人電腦、筆記型電腦、平板電腦等，藉此接收使用者所輸入的相關資訊。
圖2繪示本揭露一實施例執行前瞻性違約率評估方法的流程圖。以下將搭配圖1與圖2詳述如何應用本揭露的前瞻性違約率評估系統評估違約率。
為了簡化說明，以下的舉例將選用為國內生產總值成長率做為示範說明，也就是說，歷史參數X1為過去每個年度中的國內生產總值成長率，預測參數X1’為欲預測年度的預測國內生產總值成長率。然而，本揭露並不限於此，在不為被本揭露的精神下，本揭露並不限制其採用的歷史參數與運算方式。
在步驟S210，處理單元120讀取並輸入儲存於儲存單元110的歷史參數組中的每一組至運算電路，以產生預測總體經濟分數。
具體來說，步驟S210中是應用運算電路中的第一運算電路130、第二運算電路140以及第三運算電路150來產生預測總體經濟分數。
首先，處理單元120分別讀取並輸入歷史參數組中的每一組至第一運算電路130，以產生第一係數組。也就是說，第一運算電路130會分別將每一個年度的歷史參數X1進行運算，並獲得相關的第一係數組α、β以及ε。例如：α為3.01、β1為-0.61及ε為0.32。
接著，處理單元120將第一係數組輸入至第二運算電路140，以使第二運算電路140依據第一係數組α、β以及ε運行。處理單元120獲取當前預測參數組，並輸入當前預測參數組至第二運算電路，以產生第二運算結果。藉此，第二運算電路140可以依據第一係數組α、β以及ε以及預測參數X1’產生欲預測年度的預測違約率，例如，當預測參數X1’為3.01時，預測違約率為1.50。
處理單元120再輸入第二運算結果至第三運算電路150，以產生預測總體經濟分數。具體來說，第三運算電路會依據每一個預測參數計算局部標準分數。例如，當國內生產總值成長率的歷史平均為2.793，標準差為1.184時，局部標準分數為54.5716。接著，第三運算電路150還會計算預測參數X1’所對應的決定係數及 其佔的係數權重。由於在本揭露的實施例中僅採用國內生產總值成長率，因此其所對應的權重為1。基此，第三運算電路150運算出來在預測年度的預測總體經濟分數即為54.5716。
在步驟S220，處理單元120分別比較預測總體經濟分數與每一筆歷史參數組的歷史總體經濟分數，以獲取選定歷史參數組。
具體來說，在步驟S210中所採用的歷史參數與預測參數為對應相同類型的參數，因此，在本揭露的一實施例中，處理單元120會將每一組歷史參數組輸入至第三運算電路150，以產生對應每一個歷史參數組的歷史總體經濟分數。與步驟S210產生預測總體經濟分數的差異在於，處理單元120是將已經發生的歷史參數組輸入至第三運算電路150，以產生每一年度的歷史總體經濟分數，而非將預測參數輸入至第三運算電路150。處理單元120可以將計算的每一年度的歷史總體經濟分數事先儲存在儲存單元110中，並於需參考每一年度的歷史總體經濟分數時再讀取出來。或者是，處理單元120亦可以在需參考每一年度的歷史總體經濟分數時重新進行運算，本揭露並不限於此。
考量到歷史會重演，在本揭露的實施例中，處理單元120會比較每一年度的歷史總體經濟分數，以找到與預測最相近的歷史總體經濟分數。舉例來說，表一為近五年的總體經濟分數與歷史參數表： 請參考表一，在上述的實施例中，預測總體經濟分數為54.5176，此與2015年的歷史總體經濟分數最為相近，因而以2015年做為選定的歷史參數組。
在本揭露的其他實施例中，為了提供全方面的前瞻評估，處理單元120可以依據不同規則而產生選定歷史參數組。舉例來說，處理單元120可以選取最相近的兩筆歷史參數組，進一步依據歷史參數組的違約率挑選與預測參數組的違約率(即：由第二運算電路140所獲取的違約率)最相近的一筆歷史參數組，以做為選定歷史參數組。以上述實施例為例，處理單元120會先依據預測總體經濟分數為54.5176，挑選出最相近的歷史參數組為2014年及2015年。接著，處理單元120會再依據預測違約率1.5挑選較接近的2015年，以做為選定歷史參數組。
或者是，處理單元120可以依據預測總體經濟分數與連續預設區間(例如：前三年)的歷史總體經濟分數，以找到最相近 的歷史總體經濟分數，並將對應預測總體經濟分數的歷史參數組做為選定歷史參數組。在不違背本揭露的精神下，本揭露並不限定選定歷史參數組的方法。
在步驟S230，處理單元120選取對應選定歷史參數組的年份的多年期違約機率表，以作為預測年度的預測多年期違約機率表。為了簡化說明書的內容，表二為節錄的2015年的多年期違約機率表，請參考表二： 承上實施例，在步驟S220中所選定歷史參數組的年份為2015年，因此，在步驟S230中，將以2015年的違約機率表做為預測年度的違約機率。
需說明的是，在本揭露的實施例中，處理單元120是透 過通訊單元獲取多年期違約機率表，或者透過使用者的輸入以獲取多年期違約機率表，本揭露不限於此。而多年期違約機率表的來源可以例如為標準普爾(Standard and Poors)、穆迪(Moody's)、英商惠譽(Fitch)或者各個金融單位製作的違約機率表，本揭露並不限於此。
在步驟S240中，處理單元120接收使用者所輸入的信用評等。並在步驟S250，處理單元120查詢預測多年期違約機率表中對應信用評等的違約機率。具體來說，處理單元120依據步驟S210~S230所選取的預測多年期違約機率表以及使用者所輸入的信用評等而查詢違約機率。承上實施例，當使用者輸入的信用評等為AA時，處理單元120會於預測多年期違約機率表中查詢對應信用評等AA的違約機率(即：表二中信用評等為AA的該欄)。
接著，在步驟S260，處理單元120接收使用者所輸入的違約損失率(Loss Given Default，LGD)。並且在步驟S270，處理單元120依據對應信用評等的違約機率以及違約損失率，產生預期損失。
詳細地說，處理單元120可以依據對應信用評等的違約機率以及使用者所輸入的違約損失率的乘積產生預期損失率(Expected Loss，ECL)。例如，當違約損失率為51.6%時，預期損失率為表三：
在本揭露的其他實施例中，使用者更可以進一步輸入違約風險暴露(Exposure at Default，EAD)，即使用者所欲投資的金額。處理單元120於接收違約風險暴露時，會計算違約風險暴露與預期損失率的乘積，藉此以計算預期損失金額。承上實施例，若使用者所投資的金額為一萬，則預期損失金額如表四：
綜上所述，本揭露的前瞻性違約率評估系統及前瞻性違約率評估方法透過處理單元與運算電路對過去歷史參數組的運算，並且依據對總體經濟狀況的評級調整違約率。藉此，以依據總體經濟因素而對未來提供前瞻性的評估。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精 神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

Claims (10)

  1. 一種前瞻性違約率評估系統，包括：儲存單元，儲存多筆歷史參數組；以及處理單元，與該儲存單元連接，該處理單元分別讀取並輸入該些歷史參數組中的每一組至運算電路，以產生預測總體經濟分數，該處理單元分別比較該預測總體經濟分數與該些歷史參數組的每一筆對應的歷史總體經濟分數，以獲取選定歷史參數組，其中該選定歷史參數組所對應的該歷史總體經濟分數為該些歷史參數組中的歷史總體經濟分數中最接近該預測總體經濟分數的一筆，該處理單元選取對應該選定歷史參數組的年份的多年期違約機率表，以作為預測年度的預測多年期違約機率表，當接收信用評等時，該處理單元查詢該預測多年期違約機率表中對應該信用評等的違約機率(Probability of Default，PD)，當接收違約損失率(Loss Given Default，LGD)時，該處理單元依據對應該信用評等的該違約機率以及該違約損失率產生預期損失率(Expected Loss，ECL)。
  2. 如申請專利範圍第1項所述的該前瞻性違約率評估系統，其中該處理單元更分別輸入該些歷史參數組的每一組至第一運算電路，以產生第一係數組，該處理單元更將該第一係數組輸入至第二運算電路，以使該第二運算電路依據該第一係數組運行，該處理單元更獲取當前預測參數組，並輸入該當前預測參數組至該第二運算電路，以產生第二運算結果，該處理單元更輸入該第二運算結果至第三運算電路，以產生該預測總體經濟分數。
  3. 如申請專利範圍第2項所述的該前瞻性違約率評估系統，其中該第三運算電路單元更分別依據該歷史參數組的歷史參數產生局部標準分數及係數權重，並依據該局部標準分數及該係數權重產生該總體經濟分數。
  4. 如申請專利範圍第2項所述的該前瞻性違約率評估系統，其中該處理單元更輸入每一組該些歷史參數組至該第三運算電路，以分別產生對應每一該些歷史參數組的該歷史總體經濟分數。
  5. 如申請專利範圍第1項所述的該前瞻性違約率評估系統，其中該處理單元更接收違約風險暴露，並依據該違約風險暴露與該預期損失率產生預期損失金額。
  6. 一種前瞻性違約率評估方法，適用於前瞻性違約率評估系統，該系統包括處理單元、儲存單元以及運算電路，該方法包括：由該處理單元獲取多筆歷史參數組；由該處理單元輸入該些歷史參數組中的每一組至該運算電路，以產生預測總體經濟分數；由該處理單元比較該預測總體經濟分數與該些歷史參數組的每一筆對應的歷史總體經濟分數，並決定該些歷史參數組中的歷史總體經濟分數中最接近該預測總體經濟分數的一筆為選定歷史參數組；由該處理單元設定對應該選定歷史參數組的年份的多年期違約機率表為預測年度的預測多年期違約機率表；由該處理單元於接收信用評等時，依據該預測多年期違約機率表查詢對應該信用評等的違約機率；以及由該處理單元於接收違約損失率時，依據對應該信用評等的該違約機率以及該違約損失率產生預期損失率。
  7. 如申請專利範圍第6項所述的該前瞻性違約率評估方法，其中於由該處理單元輸入該些歷史參數組中的每一組至該運算電路，以產生預測總體經濟分數的步驟中，包括：由該處理單元輸入該些歷史參數組的每一組至第一運算電路，以產生第一係數組；由該處理單元設定該第一係數組為該第二運算電路的運行參數；由該處理單元獲取當前預測參數組，並輸入該當前預測參數組至該第二運算電路，以由該第二運算電路依據該第一係數組對該當前預測參數組進行運算，並產生第二運算結果；以及由該處理單元輸入該第二運算結果至第三運算電路，以由該第三運算電路對該第二運算結果進行運算，以產生該預測總體經濟分數。
  8. 如申請專利範圍第7項所述的該前瞻性違約率評估方法，其中於由該處理單元更輸入該第二運算結果至第三運算電路，以由該第三運算電路對該第二運算結果進行運算，以產生該預測總體經濟分數中，包括：由該第三運算電路分別依據該歷史參數組的歷史參數對該第二運算結果進行運算，以產生局部標準分數及係數權重，並由該第三運算電路依據該局部標準分數及該係數權重進行運算，以產生該總體經濟分數。
  9. 如申請專利範圍第7項所述的該前瞻性違約率評估方法，其中於由該處理單元比較該預測總體經濟分數與該些歷史參數組的每一筆對應的該歷史總體經濟分數，並決定該些歷史參數組中的該歷史總體經濟分數中最接近該預測總體經濟分數的一筆為該選定歷史參數組的步驟之前，包括：由該處理單元輸入每一組該些歷史參數組至該第三運算電路，以由該第三運算電路依據該歷史參數組進行運算，以分別產生對應每一該些歷史參數組的該歷史總體經濟分數。
  10. 如申請專利範圍第6項所述的該前瞻性違約率評估方法，更包括：由該處理單元接收違約風險暴露，並依據該違約風險暴露與該預期損失率產生預期損失金額。
TW107103336A 2018-01-30 2018-01-30 前瞻性違約率評估系統及前瞻性違約率評估方法 TWI661378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW107103336A TWI661378B (zh) 2018-01-30 2018-01-30 前瞻性違約率評估系統及前瞻性違約率評估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW107103336A TWI661378B (zh) 2018-01-30 2018-01-30 前瞻性違約率評估系統及前瞻性違約率評估方法

Publications (2)

Publication Number Publication Date
TWI661378B true TWI661378B (zh) 2019-06-01
TW201933243A TW201933243A (zh) 2019-08-16

Family

ID=67764064

Family Applications (1)

Application Number Title Priority Date Filing Date
TW107103336A TWI661378B (zh) 2018-01-30 2018-01-30 前瞻性違約率評估系統及前瞻性違約率評估方法

Country Status (1)

Country Link
TW (1) TWI661378B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085299A (zh) * 2020-09-27 2020-12-15 中国建设银行股份有限公司 违约损失率预测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM379816U (en) * 2009-08-04 2010-05-01 Szu-Hsien Lee Financial platform apparatus for funds mutually loan
CN102622706A (zh) * 2012-03-14 2012-08-01 中国农业银行股份有限公司 一种风险缓释分配方法
CN103154991A (zh) * 2010-07-23 2013-06-12 汤森路透环球资源公司 信用风险采集
TW201327453A (zh) * 2011-12-26 2013-07-01 Chailease Finance Co Ltd 微型企業融資風險評估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM379816U (en) * 2009-08-04 2010-05-01 Szu-Hsien Lee Financial platform apparatus for funds mutually loan
CN103154991A (zh) * 2010-07-23 2013-06-12 汤森路透环球资源公司 信用风险采集
TW201327453A (zh) * 2011-12-26 2013-07-01 Chailease Finance Co Ltd 微型企業融資風險評估方法
CN102622706A (zh) * 2012-03-14 2012-08-01 中国农业银行股份有限公司 一种风险缓释分配方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085299A (zh) * 2020-09-27 2020-12-15 中国建设银行股份有限公司 违约损失率预测方法及装置

Also Published As

Publication number Publication date
TW201933243A (zh) 2019-08-16

Similar Documents

Publication Publication Date Title
US10990849B2 (en) Sample screening method and apparatus, and service object data searching method and apparatus
Hyppönen et al. A data-driven approach for studying the role of body mass in multiple diseases: a phenome-wide registry-based case-control study in the UK Biobank
De Haan et al. Does the impact of financial liberalization on income inequality depend on financial development? Some new evidence
US10380194B2 (en) Displaying sort results on a mobile computing device
WO2018032763A1 (zh) 一种生成热力图的方法及装置
KR102125119B1 (ko) 데이터 핸들링 방법 및 장치
KR20140005157A (ko) 온라인 점포에 대한 평판 채점
JP6971103B2 (ja) 情報処理装置、情報処理方法、およびプログラム
TWI661378B (zh) 前瞻性違約率評估系統及前瞻性違約率評估方法
JP2018013925A (ja) 情報処理装置、情報処理方法、およびプログラム
TWI634499B (zh) 資料分析方法、系統及非暫態電腦可讀取媒體
US8856110B2 (en) Method and apparatus for providing a response to a query
TWM561870U (zh) 前瞻性違約率評估系統
KR20130089699A (ko) 증권 거래정보를 이용한 증권 컬렉션 랭킹 산출방법, 검색 서버 및 컴퓨터로 판독 가능한 기록매체
US11593694B1 (en) Apparatus, method, and non-transitory computer storage medium for performing predictive inferences using multiple predictive models
KR102048426B1 (ko) 사용자의 건강 상태에 대한 정보를 제공해 주는 웰니스 건강 다이어리를 제공하는 컴퓨팅 장치 및 그 방법
CN116485262B (zh) 定价策略的评估方法、电子设备以及存储介质
CN108229572B (zh) 一种参数寻优方法及计算设备
CN113326436B (zh) 确定推荐资源的方法、装置、电子设备和存储介质
US20230004570A1 (en) Systems and methods for generating document score adjustments
US20130268524A1 (en) Method and system for appraising the extent to which a publication has been reviewed by means of a peer-review process
CN111164633B (zh) 一种评分卡模型的调整方法、装置、服务器及存储介质
TW201947498A (zh) 獲取前瞻性違約機率的景氣調整係數的評估系統及方法
TWM566370U (zh) 獲取前瞻性違約機率的景氣調整係數的評估系統
CN117541366B (zh) 一种中标概率的预测方法、装置、电子设备及存储介质