一种债券发行主体的信用风险监测方法及装置制造方法及图纸

本申请提供一种债券发行主体的信用风险监测方法及装置，应用于数据处理技术领域。该方法包括获取债券发行主体的财务经营数据；将所述债券发行主体的财务经营数据输入至预先训练完成的债券发行主体信用利差预测模型，得到所述债券发行主体信用利差预测模型输出的信用利差预测值；根据所述信用利差预测值确定所述债券发行主体的信用风险值。如此，将债券发行主体的财务经营数据输入预先训练完成的债券发行主体信用利差预测模型，可得到债券发行主体信用利差预测值，再根据信用利差预测值确定债券发行主体的信用风险值，能够有效实现债券发行主体的信用风险监测。债券发行主体的信用风险监测。债券发行主体的信用风险监测。

【技术实现步骤摘要】
一种债券发行主体的信用风险监测方法及装置


[0001]本申请涉及数据处理
，具体涉及一种债券发行主体的信用风险监测方法及装置。

技术介绍

[0002]债券市场信用债违约风险不断暴露，对于参与债券市场的机构投资者而言，对债券发行主体的信用风险进行监测尤为重要。目前市场上主要以评级公司评级结果为基础，进行信用风险监测。
[0003]但是由于评级机构的外部评级等级虚高、等级区分度不足、评级调整滞后，存在无法有效实现信用风险监测功能的问题。

技术实现思路

[0004]有鉴于此，本申请提供一种债券发行主体的信用风险监测方法及装置，能够有效实现债券发行主体的信用风险监测。
[0005]为解决上述问题，本申请提供的技术方案如下：第一方面，本申请提供一种债券发行主体的信用风险监测方法，所述方法包括：获取债券发行主体的财务经营数据；将所述债券发行主体的财务经营数据输入至预先训练完成的债券发行主体信用利差预测模型，得到所述债券发行主体信用利差预测模型输出的信用利差预测值；根据所述信用利差预测值确定所述债券发行主体的信用风险值。
[0006]在一种可能实现的方式中，所述债券发行主体信用利差预测模型是采用如下的方法训练得到的：获取训练数据，所述训练数据包括历史财务经营数据和与所述历史财务经营数据匹配的债券历史收益率；对所述历史财务经营数据进行特征选择处理，得到目标历史财务经营数据；基于所述债券历史收益率计算债券发行主体的信用利差值；对所述债券发行主体的信用利差值进行K
‑
mean聚类分箱处理，得到分箱处理后的信用利差值；将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值，所述待训练模型为初始信用利差预测模型；利用ElasticNet回归方法、所述初始信用利差预测值和所述分箱处理后的信用利差值训练所述待训练模型；若不满足预设条件，则返回执行将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值的步骤及后续步骤，直至满足所述预设条件；将满足所述预设条件的待训练模型作为所述债券发行主体信用利差预测模型。
[0007]在一种可能实现的方式中，所述对所述历史财务经营数据进行特征选择处理，得到目标历史财务经营数据，包括：剔除所述历史财务经营数据中与所述债券历史收益率的相关性参数小于第一阈值的数据，得到初始历史财务经营数据；计算所述初始历史财务经营数据之间的相关性参数，将所述初始历史财务经营数据中相关性参数大于第二阈值的数据作为中间历史财务经营数据；将所述中间历史财务经营数据中与所述债券历史收益率的相关性参数的绝对值符合预设数值条件的数据，作为目标历史财务经营数据。
[0008]在一种可能实现的方式中，所述基于所述债券历史收益率计算债券发行主体的信用利差值，包括：获取债券无风险收益率、债券久期点差、债券流动性点差和债券未偿本金金额数据；基于所述债券历史收益率、所述债券无风险收益率、所述债券久期点差和所述债券流动性点差计算债券信用利差值；根据所述债券信用利差值和所述债券未偿本金金额数据确定所述债券发行主体的信用利差值。
[0009]在一种可能实现的方式中，所述根据所述信用利差预测值确定所述债券发行主体的信用风险值，包括：利用min
‑
max标准化方法将所述信用利差预测值转化成所述债券发行主体的信用风险值。
[0010]第二方面，本申请提供一种债券发行主体的信用风险监测装置，所述装置包括：获取模块，用于获取债券发行主体的财务经营数据；获取模块，还用于将所述债券发行主体的财务经营数据输入至预先训练完成的债券发行主体信用利差预测模型，得到所述债券发行主体信用利差预测模型输出的信用利差预测值；确定模块，用于根据所述信用利差预测值确定所述债券发行主体的信用风险值。
[0011]在一种可能实现的方式中，所述装置还包括模型训练模块，所述模型训练模块，用于采用如下的方法训练得到所述债券发行主体信用利差预测模型：获取训练数据，所述训练数据包括历史财务经营数据和与所述历史财务经营数据匹配的债券历史收益率；对所述历史财务经营数据进行特征选择处理，得到目标历史财务经营数据；基于所述债券历史收益率计算债券发行主体的信用利差值；对所述债券发行主体的信用利差值进行K
‑
mean聚类分箱处理，得到分箱处理后的信用利差值；将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值，所述待训练模型为初始信用利差预测模型；利用ElasticNet回归方法、所述初始信用利差预测值和所述分箱处理后的信用利差值训练所述待训练模型；
若不满足预设条件，则返回执行将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值的步骤及后续步骤，直至满足所述预设条件；将满足所述预设条件的待训练模型作为所述债券发行主体信用利差预测模型。
[0012]在一种可能实现的方式中，所述模型训练模块，具体用于：剔除所述历史财务经营数据中与所述债券历史收益率的相关性参数小于第一阈值的数据，得到初始历史财务经营数据；计算所述初始历史财务经营数据之间的相关性参数，将所述初始历史财务经营数据中相关性参数大于第二阈值的数据作为中间历史财务经营数据；将所述中间历史财务经营数据中与所述债券历史收益率的相关性参数的绝对值符合预设数值条件的数据，作为目标历史财务经营数据。
[0013]在一种可能实现的方式中，所述模型训练模块，具体用于：获取债券无风险收益率、债券久期点差、债券流动性点差和债券未偿本金金额数据；基于所述债券历史收益率、所述债券无风险收益率、所述债券久期点差和所述债券流动性点差计算债券信用利差值；根据所述债券信用利差值和所述债券未偿本金金额数据确定所述债券发行主体的信用利差值。
[0014]在一种可能实现的方式中，所述确定模块，具体用于：利用min
‑
max标准化方法将所述信用利差预测值转化成所述债券发行主体的信用风险值。
[0015]第三方面，本申请提供一种债券发行主体的信用风险监测设备，包括：处理器、存储器、系统总线；所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述第一方面所述的债券发行主体的信用风险监测方法。
[0016]第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储指令，当所述指令在设备上运行时，使得所述设备执行上述第一方面所述的债券发行主体的信用风险监测方法。
[0017]由此可见，本申请具有如下有益效果：本申请提供一种债券发行主体的信用风险监测方法及装置，获取债券发行主体的财务经营数据；将所述债券发行主体的财务经营数据输入至预先训练完成的债券发行主体信用利差预测模型，得到所述债券发行主体信用利差预测模型输出的信用利差预测值；根据所述信用利差预测值确定所述债券发行主体的信用风险值。如此，将债券发行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种债券发行主体的信用风险监测方法，其特征在于，所述方法包括：获取债券发行主体的财务经营数据；将所述债券发行主体的财务经营数据输入至预先训练完成的债券发行主体信用利差预测模型，得到所述债券发行主体信用利差预测模型输出的信用利差预测值；根据所述信用利差预测值确定所述债券发行主体的信用风险值；所述债券发行主体信用利差预测模型是采用如下的方法训练得到的：获取训练数据，所述训练数据包括历史财务经营数据和与所述历史财务经营数据匹配的债券历史收益率；对所述历史财务经营数据进行特征选择处理，得到目标历史财务经营数据；基于所述债券历史收益率计算债券发行主体的信用利差值；对所述债券发行主体的信用利差值进行K
‑
mean聚类分箱处理，得到分箱处理后的信用利差值；将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值，所述待训练模型为初始信用利差预测模型；利用ElasticNet回归方法、所述初始信用利差预测值和所述分箱处理后的信用利差值训练所述待训练模型；若不满足预设条件，则返回执行将所述目标历史财务经营数据输入待训练模型，得到所述待训练模型输出的初始信用利差预测值的步骤及后续步骤，直至满足所述预设条件；将满足所述预设条件的待训练模型作为所述债券发行主体信用利差预测模型。2.根据权利要求1所述的方法，其特征在于，所述对所述历史财务经营数据进行特征选择处理，得到目标历史财务经营数据，包括：剔除所述历史财务经营数据中与所述债券历史收益率的相关性参数小于第一阈值的数据，得到初始历史财务经营数据；计算所述初始历史财务经营数据之间的相关性参数，将所述初始历史财务经营数据中相关性参数大于第二阈值的数据作为中间历史财务经营数据；将所述中间历史财务经营数据中与所述债券历史收益率的相关性参数的绝对值符合预设数值条件的数据，作为目标历史财务经营数据。3.根据权利要求1所述的方法，其特征在于，所述基于所述债券历史收益率计算债券发行主体的信用利差值，包括：获取债券无风险收益率、债券久期点差、债券流动性点差和债券未偿本金金额数据；基于所述债券历史收益率、所述债券无风险收益率、所述债券久期点差和所述债券流动性点差计算债券信用利差值；根据所述债券信用利差值和所述债券未偿本金金额数据确定所述债券发行主体的信用利差值。4.根据权利要求1所述的方法，其特征在于，所述根据所述信用利差预测值确定所述债券发行主体的信用风险值，包括：利用min
‑
max标准化方法将所述信用利差预测值转化成所述债券发行主体的信用风险...

【专利技术属性】
技术研发人员：余立凡，耿鹏，徐莹，邓广凌，
申请(专利权)人：中债金融估值中心有限公司，
类型：发明
国别省市：