一种市场压力测试及监控系统技术方案

本公开一种市场压力测试及监控系统，属于金融技术领域，特别涉及一种市场压力测试及监控系统，包括：触发模块，用于在接收到期权策略评估请求时，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；获取模块，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块；评估模块，用于通过策略评估模型，根据期权合约基本参数、期权自有策略和合成数据集，依据标的资产价格路径，计算并给出评估结果；警示模块，用于根据监控对象实际计量值进入对应的预警区域，发出预警。预警。预警。

【技术实现步骤摘要】
一种市场压力测试及监控系统


[0001]本专利技术属于金融
，特别涉及一种市场压力测试及监控系统。

技术介绍

[0002]金融的核心是风险控制，风险伴随着项目执行的整个过程，风险的出现会增加项目的费用，减缓项目的进度，并对项目的完成质量产生很大的影响，从而影响投资者的预期收益。因此，对项目风险进行分析，并探讨如何控制风险就变得非常必要。
[0003]风险控制是指风险管理者采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或风险控制者减少风险事件发生时造成的损失。
[0004]现有技术中，风控系统中大部分是基于历史数据进行建模，提取特征、计量风险和研发模型,本专利技术人经研究发现，当前基于BS模型生成的数据是风险中性的，并非市场的实际行情。基于此进行评估期权策略有效性的测试，造成了智能化增强风险管理和预见性的手段严重缺失。

技术实现思路

[0005]为了至少解决上述技术问题，本专利技术提供了一种市场压力测试及监控系统。
[0006]根据本专利技术第一方面，提供了一种市场压力测试及监控系统，包括：触发模块，用于在接收到期权策略评估请求时，获取历史数据，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，获取历史数据，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；获取模块，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块；评估模块，用于通过策略评估模型，根据期权合约基本参数、期权自有策略和合成数据集，依据标的资产价格路径，计算并给出评估结果；还用于根据用户选择的未来T+1日标的资产价格所在价格区间,计算损益分布及对应的评估指标 PnL均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下Var、ES值；警示模块，用于根据监控对象实际计量值进入对应的预警区域，发出预警。
[0007]进一步地，所述触发模块，包括：第一触发子模块，用于在接收到期权策略评估请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于策略评估的标的资产价格路径，并触发获取模块；第二触发子模块，用于在接收到期权事中监控及预警请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块。
[0008]进一步地，所述无风险利率路径至少包括：Shibor、Libor、Sofr、国债利率。
[0009]进一步地，所述期权合约基本参数至少包括：名义本金、行权价、开始日、观察日、到期日、无风险利率、挂钩标的。
[0010]进一步地，所述获取期权自有策略包括：获取基本对冲策略和对冲风险限额；基本对冲策略包括固定时间周期对冲、标的资产价格变动对冲、对冲至Delta带。
[0011]进一步地，所述评估模块具体用于计算当笔期权在所选策略下至到期日的损益分布，含自由对冲策略、基本对冲策略及无策略以及损益分布对应的评估指标值PnL均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下Var、ES值；评估模块具体还用于根据用户选择的未来T+1日标的资产价格所在价格区间，计算损益分布及对应的评估指标 PnL均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下Var、ES值。
[0012]进一步地，所述监控对象至少包括资产总盈亏，每日盈亏、Greeks、汇率、无风险利率，通过风险利率路径与监控对象相结合，根据标的资产价格路径推演出监控对象的未来走势概率分布,画定预警边界。
[0013]进一步地，所述系统用于推演投资组合和外汇期权累计盈亏的未来走势概率分布；用于推演标的资产的未来走势概率分布；用于推演投资组合及成分资产未来不同时点的盈亏概率分布；用于推演未来希腊字母风险敞口走势；用于推演未来时点主观压力条件的标的资产走势数据；用于推演未来时点发生历史极端事件的标的资产走势概率分布；用于未来标的资产走势进行策略评估；用于监控对象实际计量值计算；用于根据监控对象点位所在推演概率分布位置预警；用于通过推演的盈亏概率VaR和ES值计算；用于隐含波动率和已实现波动率计算及可视化模块；还用于策略评估及监控报告生成。
[0014]本专利技术的有益效果：本专利技术通过生成式对抗网络技术生成人造合成数据,前瞻性评估各种压力情景下金融资产风险暴露，识别定位业务的脆弱环节，改进对风险状况的理解，监测风险的变动。对基于历史数据的计量模型进行补充，识别和管理“尾部”风险，对模型假设进行评估。
附图说明
[0015]本专利技术上述的和 / 或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中，图1为本专利技术提供的一种市场压力测试及监控系统结构示意图；图2为本专利技术提供的一种推演未来走势概率分布示意图。
具体实施方式
[0016]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0017]为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。
[0018]在本专利技术的第一方面，提供一种市场压力测试及监控系统，包括：
触发模块101，用于在接收到期权策略评估请求时，获取历史数据，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，获取历史数据，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；本专利技术中，触发模块101，具体用于在接收到期权策略评估请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于策略评估的标的资产价格路径，并触发获取模块102；用于在接收到期权事中监控及预警请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块104；其中，无风险利率路径包括但不限于Shibor、Libor、Sofr、国债利率。
[0019]获取模块102，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块103；在本专利技术中，期权合约基本参数包括：名义本金、行权价、开始日、观察日、到期日、无风险利率、挂钩标的等。
[0020]在另一个实施例中，获取期权自有策略还可以为获取基本对冲策略和对冲风险限额。进一步地，基本对冲策略包括固定时间周期对冲、标的资产价格变动对冲、对冲至Delta带等。
[0021]在本专利技术实施例中，通过机器学习的算法，学习暗含在真实行情数据中的随机统计规律，从而生成平行世界中的相应数据,是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种市场压力测试及监控系统，其特征在于，包括：触发模块，用于在接收到期权策略评估请求时，获取历史数据，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，获取历史数据，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；获取模块，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块；评估模块，用于通过策略评估模型，根据期权合约基本参数、期权自有策略和合成数据集，依据标的资产价格路径，计算并给出评估结果；还用于根据用户选择的未来T+1日标的资产价格所在价格区间,计算损益分布及对应的评估指标 PnL均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下Var、ES值；警示模块，用于根据监控对象实际计量值进入对应的预警区域，发出预警。2.如权利要求1所述的系统，其特征在于，所述触发模块，包括：第一触发子模块，用于在接收到期权策略评估请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于策略评估的标的资产价格路径，并触发获取模块；第二触发子模块，用于在接收到期权事中监控及预警请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块。3.如权利要求1所述的系统，其特征在于，所述无风险利率路径至少包括：Shibor、Libor、Sofr、国债利率。4.如权利要求1所述的系统，其特征在于，所述期权合约基本参数至少包括：...

【专利技术属性】
技术研发人员：王舸，王群，王若旭，纪旭，
申请(专利权)人：北京宽客进化科技有限公司，
类型：发明
国别省市：