一种银行风险偏好数据处理方法及装置制造方法及图纸

本发明专利技术提供一种银行风险偏好数据处理方法及装置，包括统计当前银行的贷款违约率；将贷款违约率和各个宏观经济指标输入到贷款损失测算模型进行处理，输出不良贷款额和不良贷款率；将不良贷款额、不良贷款率输入到银行财务报表模型中进行处理，输出并基于银行财务报表中各个核心科目的数值，计算得到资本充足率、ROA和ROE，分别测算不同压力情景下指示银行风险偏好的风险偏好指标值。在本方案中，利用预先构建的贷款损失测算模型和预先构建的银行财务报表模型，测算在不同宏观压力情景下的用于指示银行风险偏好的风险偏好指标值，避免了专家根据历史经验主观设置风险偏好指标值局限性，从而使银行风险偏好指标数据的测算具有前瞻性和科学性。具有前瞻性和科学性。具有前瞻性和科学性。

【技术实现步骤摘要】
一种银行风险偏好数据处理方法及装置


[0001]本专利技术涉及数据处理
，具体涉及一种银行风险偏好数据处理方法及装置。

技术介绍

[0002]风险偏好是商业银行总体战略的重要组成部分，是一套完整且相互联系的风险收益指标，目前许多银行已经建立其风险偏好设定体系。
[0003]目前，风险偏好中设定，主要通过专家根据历史经验来设定风险偏好中的核心定量指标值，进而确定银行的风险偏好，这样无法预测未来宏观经济的形势，且依赖于专家的专业水平，导致银行风险偏好指标数据的测算缺乏前瞻性和科学性。
[0004]因此，银行风险偏好指标数据的测算缺乏前瞻性和科学性是目前急需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供一种银行风险偏好数据处理方法及装置，以实现使银行风险偏好指标数据的测算具有前瞻性和科学性的目的。
[0006]为实现上述目的，本专利技术实施例提供如下技术方案：
[0007]本专利技术实施例第一方面公开了一种银行风险偏好数据处理方法，包括：
[0008]统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约率；
[0009]将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率；所述贷款损失测算模型包括Wilson模型和不良贷款测算模型；
[0010]将所述不良贷款额、所述不良贷款率、银行历史数据和银行经营计划数据输入到预先构建的银行财务报表模型中进行处理，输出预先构建的银行财务报表中各个核心科目的数值；
[0011]基于相应的各个核心科目的数值和银行报表中相关的参数，计算得到资本充足率、ROA和ROE；
[0012]基于所述不良贷款率、所述资本充足率、所述ROA和所述ROE，分别测算基准情景、轻度压力情景、中度压力情景和重度压力情景下的用于指示所述银行风险偏好的风险偏好指标值。
[0013]优选的，所述统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约率，包括：
[0014]统计当前银行在历史时段内，个人贷款各个季度点的金额违约率；
[0015]统计当前银行在所述历史时段内，对公贷款各个季度点的客户数违约率；
[0016]相应的，将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率，包括：
[0017]将所述各个季度点的客户数违约率、所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率。
[0018]优选的，所述将所述各个季度点的客户数违约率、所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率，包括：
[0019]将所述各个季度点的金额违约率和各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的金额违约率；
[0020]将所述各个季度点的客户数违约率和所述各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的客户数违约率；
[0021]将所述预测的客户数违约率转换为客户金额违约率；
[0022]将所述预测的金额违约率和所述客户金额违约率输入到所述不良贷款测算模型进行测算处理，得到银行的不良贷款额和不良贷款率。
[0023]优选的，所述贷款损失测算模型的构建过程，包括：
[0024]对由各个季度点的所述贷款违约率组成的序列和由各个宏观经济指标组成的序列进行平稳性检验；
[0025]所述平稳性检验通过后，基于由各个季度点的所述贷款违约率组成的序列和由各个宏观经济指标组成的序列，构建所述Wilson模型；
[0026]构建所述不良贷款测算模型；
[0027]基于所述Wilson模型和所述不良贷款测算模型构建贷款损失测算模型。
[0028]优选的，所述银行财务报表模型的构建过程，包括：
[0029]构建资产负债表，所述资产负债表中的核心科目包括总资产、总负债、净资产、生息资产平均余额、计息负债平均余额和金融资产平均余额；
[0030]构建具有测算所述资产负债表中的核心科目功能的资产负债表模型；
[0031]构建利润表，所述利润表中的核心科目包括利息收入、利息支出、利息净收入、营业收入、业务及管理费、其他支出、信用减值损失、贷款减值损失、金融投资减值损失、其他减值损失、其他损失、利润总额和净利润；
[0032]构建具有测算所述利润表中的核心科目功能的利润表模型；
[0033]基于所述资产负债表模型和所述利润表模型构建银行财务报表模型。
[0034]本专利技术实施例第二方面公开了一种银行风险偏好数据处理装置，包括：
[0035]统计单元，用于统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约率；
[0036]第一处理单元，用于将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率；所述贷款损失测算模型包括Wilson模型和不良贷款测算模型；
[0037]第二处理单元，用于将所述不良贷款额、所述不良贷款率、银行历史数据和银行经营计划数据输入到预先构建的银行财务报表模型中进行处理，输出预先构建的银行财务报表中各个核心科目的数值；
[0038]计算单元，用于基于相应的各个核心科目的数值和银行报表中相关的参数，计算
得到资本充足率、ROA和ROE；
[0039]预测单元，用于基于所述不良贷款率、所述资本充足率、所述ROA和所述ROE，分别测算基准情景、轻度压力情景、中度压力情景和重度压力情景下的用于指示所述银行风险偏好的风险偏好指标值。
[0040]优选的，所述统计单元具体用于：
[0041]统计当前银行在历史时段内，个人贷款各个季度点的金额违约率；统计当前银行在所述历史时段内，对公贷款各个季度点的客户数违约率；
[0042]相应的，所述第一处理单元具体用于：
[0043]将所述各个季度点的客户数违约率、所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率。
[0044]优选的，所述第一处理单元包括：
[0045]预测子单元，用于将所述各个季度点的金额违约率和各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的金额违约率；将所述各个季度点的客户数违约率和所述各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的客户数违约率；
[0046]转换子单元，用于将所述预测的客户数违约率转换为客户金额违约率；
[0047]计算子单元，用于将所述预测的金额违约率和所述客户金额违约率输入到所述不良贷款测算模型进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种银行风险偏好数据处理方法，其特征在于，包括：统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约率；将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率；所述贷款损失测算模型包括Wilson模型和不良贷款测算模型；将所述不良贷款额、所述不良贷款率、银行历史数据和银行经营计划数据输入到预先构建的银行财务报表模型中进行处理，输出预先构建的银行财务报表中各个核心科目的数值；基于相应的各个核心科目的数值和银行报表中相关的参数，计算得到资本充足率、ROA和ROE；基于所述不良贷款率、所述资本充足率、所述ROA和所述ROE，分别测算基准情景、轻度压力情景、中度压力情景和重度压力情景下的用于指示所述银行风险偏好的风险偏好指标值。2.根据权利要求1所述的方法，其特征在于，所述统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约率，包括：统计当前银行在历史时段内，个人贷款各个季度点的金额违约率；统计当前银行在所述历史时段内，对公贷款各个季度点的客户数违约率；相应的，将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率，包括：将所述各个季度点的客户数违约率、所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率。3.根据权利要求2所述的方法，其特征在于，所述将所述各个季度点的客户数违约率、所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测算模型进行处理，输出所述银行的不良贷款额和不良贷款率，包括：将所述各个季度点的金额违约率和各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的金额违约率；将所述各个季度点的客户数违约率和所述各个宏观经济指标输入到所述Wilson模型进行预测处理，得到预测的客户数违约率；将所述预测的客户数违约率转换为客户金额违约率；将所述预测的金额违约率和所述客户金额违约率输入到所述不良贷款测算模型进行测算处理，得到银行的不良贷款额和不良贷款率。4.根据权利要求1所述的方法，其特征在于，所述贷款损失测算模型的构建过程，包括：对由各个季度点的所述贷款违约率组成的序列和由各个宏观经济指标组成的序列进行平稳性检验；所述平稳性检验通过后，基于由各个季度点的所述贷款违约率组成的序列和由各个宏观经济指标组成的序列，构建所述Wilson模型；构建所述不良贷款测算模型；基于所述Wilson模型和所述不良贷款测算模型构建贷款损失测算模型。
5.根据权利要求1所述的方法，其特征在于，所述银行财务报表模型的构建过程，包括：构建资产负债表，所述资产负债表中的核心科目包括总资产、总负债、净资产、生息资产平均余额、计息负债平均余额和金融资产平均余额；构建具有测算所述资产负债表中的核心科目功能的资产负债表模型；构建利润表，所述利润表中的核心科目包括利息收入、利息支出、利息净收入、营业收入、业务及管理费、其他支出、信用减值损失、贷款减值损失、金融投资减值损失、其他减值损失、其他损失、利润总额和净利润；构建具有测算所述利润表中的核心科目功能的利润表模型；...

【专利技术属性】
技术研发人员：邹沛江，李超，程建，
申请(专利权)人：中国建设银行股份有限公司，
类型：发明
国别省市：