一种基于基金持仓变化的债券违约预警方法技术

本发明专利技术公开了一种基于基金持仓变化的债券违约预警方法，涉及金融数据信息处理技术领域。相比于传统的以专家打分卡为基础的信用评级方法，基于金融策略算法模型在基金持仓债券变化进行违约预警识别上的应用技术，可以比外部评级更早发出债券违约预警提示，通过监测基金持仓的抛售行为变化，发出红色预警信号和橙色预警信号，从而可以帮助债券投资者更早发现高风险的债券，及时进行抛售处理，避免违约损失。此外基于基金持仓变化原始数据库，通过基金抛售或买进的企业的行业分布，我们还可以据此发现基金的风险偏好变化，从而有利于产业债行业投资策略的调整和城投债区域风险偏好的更替。更替。更替。

【技术实现步骤摘要】
一种基于基金持仓变化的债券违约预警方法


[0001]本专利技术涉及金融数据信息处理
，具体为一种基于基金持仓变化的债券违约预警方法。

技术介绍

[0002]尽管债券市场有外部评级参考、有内部评级决策，但是传统的信用评级方法只能解决排序的问题，不能解决风险预警的问题。中外信用评级机构都在信用等级调整滞后上受到质疑，这本质上是源于信用评级方法的问题。很多企业在发债首次评级时都是不错的企业，但随着内外部经营环境的变化，企业的信用风险也会发生变化，有些企业会逐步走向债务违约。
[0003]进入大数据时代，信息壁垒越来越低，信息传播速度越来越快。对于机构投资者而言，以往通过资讯优势赚信息不对称价差的时代将不再。在股票投资的智能投顾和智能投研方面，2013年底就开始起步，希望通过人工智能、机器学习来使得投资更趋智能化，但是其和债券违约风险监测的逻辑截然不同。智能投顾和智能投研研究的是股票的涨跌，跟踪的是股票的量价变化和基本面数据，某种意义上也是一种投资者买卖行为的监测，只是股票交易频率远高于债券交易。
[0004]使用金融策略算法模型，在股票投资领域，通过基金股票持仓变化进行跟踪，制定金融投资策略，作为量化投资的一个因子，已经在业界有所运用。但是在对基金的债券持仓数据进行分析研究，并通过算法模型来构建监测方法尚未有先例。
[0005]这是因为不同基金的风格差异会导致不同的投资策略，利率债、信用债、金融债、转债混杂其中。基金持仓变动原因各异，要找出其中是因为债券违约风险而进行的减仓有一定难度，预警规则梳理是难点，预警规则模糊粗放会导致预警名单的不精准和无法应用。

技术实现思路

[0006]针对现有技术的不足，本专利技术提供了一种基于基金持仓变化的债券违约预警方法。
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：一种基于基金持仓变化的债券违约预警方法步骤如下：
[0008]第一步：获取数据并进行预处理，包括读取企业债券明细，以及相关债券代码的基本信息，并读取债券到期日信息，并将数据合并，将债券代码进行格式标准化，统一为字符串格式，根据发行人中文名称，运用正则匹配技术，来判断相关债券的性质，区分利率债以及信用债，运用正则匹配技术，通过对债券简称的处理，判断债券的性质为转债还是非转债，同时判断是否是EB债，为后面筛选数据做准备，并且根据企业改名词典修改已改名公司名称，将处理好的数据进行保存；
[0009]第二步：读取数据后，构建时间列表，为后面遍历时间以及创建相邻季度的持仓差以及抛售比例做准备，标准化处理持仓数量，并且对于数据增加一个“判断时间”特征，用来
判断该债券下季度是否到期，对数据进行剔除 EB债、转债，保留信用债类型，并且对于持仓数量为“0”的进行剔除，随后遍历各个时间点，创建发行人、时间与持有数量、到期数量以及持仓基金公司的相关字典，这样是将所有的数据按照二维字典格式进行存储，后续通过匹配各个时间点的持仓数以及映射发行人名称各个时间点的持仓数量，从而计算发行人在各个时间点的持仓差，剔除其中到期的债券数量，保留最终基金公司抛售的真实数量，并根据相关抛售的真实数量计算真实的抛售比例，然后拼接各个时间点的基金情况，获得各个时间点的评级情况，生成最终表；
[0010]第三步：寻找债券市场中的投资者，跟随信用债投研能力强的公募基金持仓的变动来找出其中是因为债券违约风险而进行的减仓行为，统计基金管理公司信用债和利率债分布情况，用平均市值法可以提前发现违约企业，并进行抛售或减仓；
[0011]第四步：读取相关数据，根据债券代码和债券简称匹配债券发行人名称，通过观察历史违约债券的基金持仓变化，分别分析以基金为统计和以基金管理公司为统计的的发债上市企业的基金持仓变化情况，根据选定出来的基金管理公司的基金持有债券的数量分布，以及发债公司的信用评级情况，生成初步预警规则，根据基金持仓预警初步规则生成初步预警名单，根据所生成的名单进行回溯检验，对基金持仓预警初步规则进行迭代调优，最终生成基金持仓预警规则，相关预警规则是以信用等级和企业性质作为筛选条件，以剔除非信用因素的持仓减少，并且剔除偶发的变化和债券到期原因导致的名单冗长的问题，根据预设的基金持仓预警规则，设计红色预警信号和黄色预警信号的预警条件矩阵图，以不同的信用等级、企业性质和抛售比例组合作为预警规则设定两类预警信号；
[0012]第五步：读取最终表格，剔除抛售比例中前一个时间点持仓比例为0的数据，并且标准化企业性质以及企业评级情况，按照最终生成的基金持仓预警规则进行相关预警的标注，并且根据标注添加预警等级说明，删除多余列，还原相关列名，将相关预警信息进行保留。
[0013]优选的，在第一步中，将多种来源的数据库数据进行标准化合并处理，使得用于模型训练的数据集可以提取出有效信息，剔除多余无用且可能影响模型效果的特征，根据金融预验常识和正则匹配等技术手段，挑选出信用债作为主要的跟踪研究对象，且将信用债所涉及到的数据字段集进行了有目的的扩充。
[0014]优选的，所述第三步中最终筛选条件包括：
[0015]A信用债债券数量占比超过50％，基于发行人统计超过70％；
[0016]B在违约债券历史检验中有良好表现，减仓时间领先于其他基金；
[0017]C基金只数在35只以上，也就是中型以上基金公司，保证具有一定代表性。
[0018]优选的，所述第四步中以基金的持仓变化为筛选条件。
[0019]优选的，所述在第四步中每季度的基金持仓预警名单数量不等，以外部评级和企业性质作为筛选条件的总体原则：
[0020](1)信用等级越高筛选条件越松；
[0021](2)国企央企筛选条件松于民企，不同条件下预警判断条件有所不同，以发行人持仓基金数量的变化作为跟踪对象，其原理是如果一个债券发行人有众多基金持有，表明其资质优良，到临近出违约风险时，其持有的基金是不断减少的，因为历史数据验证基金有相对较强的投研能力，能够提前抛出。
[0022]本专利技术提供了一种基于基金持仓变化的债券违约预警方法。相比于传统的以专家打分卡为基础的信用评级方法，基于金融策略算法模型在基金持仓债券变化进行违约预警识别上的应用技术，可以比外部评级更早发出债券违约预警提示，通过监测基金持仓的抛售行为变化，发出红色预警信号和橙色预警信号，从而可以帮助债券投资者更早发现高风险的债券，及时进行抛售处理，避免违约损失。此外基于基金持仓变化原始数据库，通过基金抛售或买进的企业的行业分布，我们还可以据此发现基金的风险偏好变化，从而有利于产业债行业投资策略的调整和城投债区域风险偏好的更替。
[0023]从预警的领先性(从发出预警信号到违约的时间)、预警的有效性(预警的名单在一定的时间内，最终发生违约或者估值收益率大幅上升的企业占比)和预警的覆盖率(是指某段时间内已经违约的企业,在违约前已发出预警信号的企业占比)三个角度来检验，基金持仓预警算法模型效果虽然有效性不是最强的，只有50％，但是领先性最强，能本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于基金持仓变化的债券违约预警方法，其特征在于步骤如下：第一步：获取数据并进行预处理，包括读取企业债券明细，以及相关债券代码的基本信息，并读取债券到期日信息，并将数据合并，将债券代码进行格式标准化，统一为字符串格式，根据发行人中文名称，运用正则匹配技术，来判断相关债券的性质，区分利率债以及信用债，运用正则匹配技术，判断债券的性质为转债还是非转债，同时判断是否是EB债，并且根据企业改名词典修改已改名公司名称，将处理好的数据进行保存；第二步：读取数据后，构建时间列表，标准化处理持仓数量，并且对于数据增加一个“判断时间”特征，用来判断该债券下季度是否到期，对数据进行剔除EB债、转债，保留信用债类型，并且对于持仓数量为“0”的进行剔除，随后遍历各个时间点，创建发行人、时间与持有数量、到期数量以及持仓基金公司的相关字典，这样是将所有的数据按照二维字典格式进行存储，后续通过匹配各个时间点的持仓数以及映射发行人名称各个时间点的持仓数量，从而计算发行人在各个时间点的持仓差，剔除其中到期的债券数量，保留最终基金公司抛售的真实数量，并根据相关抛售的真实数量计算真实的抛售比例，然后拼接各个时间点的基金情况，获得各个时间点的评级情况，生成最终表；第三步：寻找债券市场中的投资者，跟随信用债投研能力强的公募基金持仓的变动来找出其中是因为债券违约风险而进行的减仓行为，统计基金管理公司信用债和利率债分布情况，用平均市值法可以提前发现违约企业，并进行抛售或减仓；第四步：读取相关数据，根据债券代码和债券简称匹配债券发行人名称，通过观察历史违约债券的基金持仓变化，分别分析以基金为统计和以基金管理公司为统计的的发债上市企业的基金持仓变化情况，根据选定出来的基金管理公司的基金持有债券的数量分布，以及发债公司的信用评级情况，生成初步预警规则，根据基金持仓预警初步规则...

【专利技术属性】
技术研发人员：陈毓敏，余哲，林日裕，李绪生，蔡旺，陆俊，
申请(专利权)人：上海析鲸信息科技有限公司，
类型：发明
国别省市：