风险确定方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种风险确定方法、装置、电子设备及存储介质，涉及大数据及计算机技术领域。该方法包括：获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；基于资产参数，进行多次蒙特卡洛模拟，其中在每次蒙特卡洛模拟中得到至少一笔资产的违约时间和违约金额；基于多次蒙特卡洛模拟中得到的各笔资产的违约时间和违约金额，确定目标风险等级下多笔底层资产的违约比率分布和违约时间分布；基于违约比率分布和违约时间分布，确定资产证券化产品的风险分级信息。由此，实现了以科学、客观的方式确定资产证券化产品的风险等级，使得对于历史数据较多和较少的资产证券化产品，均可以准确的评估其信用风险和投资价值。可以准确的评估其信用风险和投资价值。可以准确的评估其信用风险和投资价值。

【技术实现步骤摘要】
风险确定方法、装置、电子设备及存储介质


[0001]本申请涉及大数据及计算机
，尤其涉及一种风险确定方法、装置、电子设备及存储介质。

技术介绍

[0002]资产证券化，是指以基础资产未来所产生的现金流为偿付支持，通过结构化的设计进行信用增级，在此基础上发行资产支持证券的过程。资产证券化，可以使金融机构获得更为廉价的资金，能够使金融机构的融资手段更为丰富。发行机构做资产证券化业务时，需要将一笔一笔的底层资产进行打包，之后进行分层出售，而在进行资产分层时，往往需要确定证券化产品的风险等级，风险等级不同，风险程度就不同，利率也就不同。那么，如何准确、有效的确定资产证券化产品的风险等级，从而准确评估其信用风险和投资价值，就显得尤为重要。
[0003]相关技术，对于历史数据较多的资产证券化产品，比如个贷类及信用卡类的资产证券化产品，通常基于大量的历史数据，通过机器学习的方式得到较为准确的风险等级结果，而对于历史数据较少的资产证券化产品，比如公司类的资产证券化产品，由于历史数据匮乏，无法采用机器学习的方式，则通常是专家依据经验得到风险等级结果，这种方式过于主观，且容易出现判断失误的情况，得到的风险等级结果无法准确评估资产证券化产品的信用风险和投资价值。

技术实现思路

[0004]本申请提供一种风险确定方法、装置、电子设备及存储介质，用以解决现有技术中对于历史数据较少的资产证券化产品，通过专家经验得到的风险等级结果无法准确评估资产证券化产品的信用风险和投资价值的问题。
[0005]第一方面，本申请提供一种风险确定方法，包括：获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；基于所述多笔底层资产的资产参数，进行多次蒙特卡洛模拟，其中在每次蒙特卡洛模拟中得到至少一笔所述资产的违约时间和违约金额；基于多次蒙特卡洛模拟中得到的各笔所述资产的违约时间和违约金额，确定所述目标风险等级下所述多笔底层资产的违约比率分布和违约时间分布，其中，所述违约比率分布表征多个违约比率的发生概率的分布情况，所述违约时间分布表征所述多笔底层资产在多个违约时间的违约分布情况；基于所述违约比率分布和违约时间分布，确定所述资产证券化产品的风险分级信息。
[0006]第二方面，本申请提供一种风险确定装置，包括：获取模块，用于获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；处理模块，用于基于所述多笔底层资产的资产参数，进行多次蒙特卡洛模拟，其中在每次蒙特卡洛模拟中得到至少一笔所述资产的违约时间和违约金额；第一确定模块，用于基于多次蒙特卡洛模拟中得到的各笔所述资产的违约时间和违约金额，确定所述目标风险等级下所述多笔底层资产的违约比率分布和
违约时间分布，其中，所述违约比率分布表征多个违约比率的发生概率的分布情况，所述违约时间分布表征所述多笔底层资产在多个违约时间的违约分布情况；第二确定模块，用于基于所述违约比率分布和违约时间分布，确定所述资产证券化产品的风险分级信息。
[0007]第三方面，本申请提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现如第一方面所述的方法。
[0008]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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述的方法。
[0009]第五方面，本申请提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所述的方法。
[0010]本申请提供的风险确定方法、装置、电子设备及存储介质，通过采用蒙特卡洛模拟的方式模拟资产违约情况，在每次蒙特卡洛模拟中得到至少一笔资产的违约时间和违约金额，进而基于多次蒙特卡洛模拟中得到的各笔资产的违约时间和违约金额，确定目标风险等级下多笔底层资产的违约比率分布和违约时间分布，基于违约比率分布和违约时间分布，确定资产证券化产品的风险分级信息，实现了以科学、客观的方式确定资产证券化产品的风险等级，使得对于历史数据较多和较少的资产证券化产品，均可以准确的评估其信用风险和投资价值。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0012]图1为本申请实施例提供的风险确定方法的流程图一；
[0013]图2为本申请实施例提供的风险确定方法的流程图二；
[0014]图3为本申请实施例提供的风险确定方法的流程图三；
[0015]图4为本申请实施例提供的违约比率分布的示意图；
[0016]图5为本申请实施例提供的风险确定装置的结构示意图；
[0017]图6为本申请实施例提供的电子设备的结构示意图。
[0018]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0019]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
[0020]需要说明的是，本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
[0021]相关技术中，对于历史数据较多的资产证券化产品，比如个贷类及信用卡类的资产证券化产品，其特点是底层资产每笔的金额较小，但笔数非常多，资产池也相对分散，因单一基础资产违约造成的信用风险不大。因此可以建立一系列的数学模型，基于大量的历史数据，通过机器学习的方式来计算其违约率及违约概率，从而得到风险等级结果。由于个贷类及信用卡类的资产证券化产品的历史发行量较大，每支证券化产品的底层资产的数据量也很大，因此得到的风险等级结果较为准确。
[0022]而对于历史数据较少的资产证券化产品，比如公司类的资产证券化产品，其特点是底层资产每笔的金额较大，但笔数很少，历史发行的证券化产品也不多。在历史数据如此匮乏的情况下，通过机器学习的方式得到风险等级结果则不可行。对于这类资产证券化产品，可以依据专家经验得到风险等级结果。但这种方式过于主观，且容易出现判断失误的情况，得到的风险等级结果无法准确评估资产证券化产品的信用风险和投资价值。
[0023]针对上述问题，本申请提出如下技术构思：获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；基于多笔底层资产的资产参数，进行多次蒙特卡洛模拟，其中在每次蒙特卡洛模拟中得到至少一笔资产的违约时间和违约金额；基于多次蒙特卡洛模拟中得到的各笔资产的违约时间和违约金额，确定目标风险等级下多笔底层资产的违约比率分布和违约时间分布，其中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风险确定方法，其特征在于，包括：获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；基于所述多笔底层资产的资产参数，进行多次蒙特卡洛模拟，其中在每次蒙特卡洛模拟中得到至少一笔所述资产的违约时间和违约金额；基于多次蒙特卡洛模拟中得到的各笔所述资产的违约时间和违约金额，确定所述目标风险等级下所述多笔底层资产的违约比率分布和违约时间分布，其中，所述违约比率分布表征多个违约比率的发生概率的分布情况，所述违约时间分布表征所述多笔底层资产在多个违约时间的违约分布情况；基于所述违约比率分布和违约时间分布，确定所述资产证券化产品的风险分级信息。2.根据权利要求1所述的方法，其特征在于，所述目标风险等级下每笔所述资产的资产参数，包括：所述资产的资产金额、所述目标风险等级下所述资产在多个时间段对应的违约率阈值以及所述资产的回收率；所述基于所述多笔底层资产的资产参数，进行多次蒙特卡洛模拟，包括：在每次蒙特卡洛模拟中，生成每笔所述资产的模拟违约率；基于每笔所述资产的模拟违约率与对应资产在各所述时间段对应的违约率阈值，确定对应资产在各所述时间段是否发生违约；对于发生违约的资产，基于所述资产发生违约的时间段，确定所述资产的违约时间，并基于所述资产的资产金额和所述资产的回收率，确定所述资产的违约金额。3.根据权利要求2所述的方法，其特征在于，所述在每次蒙特卡洛模拟中，生成每笔所述资产的模拟违约率，包括：在每次蒙特卡洛模拟中，生成独立且满足正态分布的随机数组；基于所述随机数组，对预先配置的行业相关系数矩阵进行乔列斯基分解，得到多个关联的随机数，其中，所述行业相关系数矩阵中的各元素表示行业之间的相关系数；对于每笔所述资产，将所述多个关联的随机数中的一个作为所述资产的模拟违约率。4.根据权利要求2所述的方法，其特征在于，所述获取目标风险等级下资产证券化产品的多笔底层资产的资产参数，包括：对于每笔所述资产，从预先配置的违约概率矩阵中，获取所述目标风险等级下所述资产在各所述时间段对应的违约概率，其中，所述违约概率矩阵中的各元素表示各风险等级及各时间段对应的违约概率；基于所述目标风险等级下所述资产在各所述时间段对应的违约概率，以及标准正态分布的累积分布函数，获取所述目标风险等级下所述资产在各所述时间段对应的违约率阈值。5.根据权利要求2所述的方法，其特征在于，所述获取目标风险等级下资产证券化产品的多笔底层资产的资产参数，包括：对于每笔所述资产，确定所述资产的所属行业；从预先配置的回收率矩阵中，获取所述目标风险等级及所述所属行业对应的回收率，其中，所述回收率矩阵中的各元素表示各风险等级及各行业对应的回收率；将所述目标风险等级及所述所属行业对应的回收率作为所述资产的回收率。6.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述目标风险等级下每笔所述
资产的资产参数，包括：所述资产的资产金额；所述基于多次蒙特卡洛模拟中得到的各笔所述资产的违约时间和违约金额，确定所述目标风险等级下所述多笔底层资产的违约比率分布和违约时间分布，包括：对每次蒙特卡洛模拟中得到的各笔所述资产的违约金额进行求和，得到所述每次蒙特卡洛模拟中各笔所述资产的第一总违约金额，并基于所述第一总违约金额以及总资产金额，确定所述每次蒙特卡洛模拟中的违约比率，其中，所述总资产金额为所有所述资产的资产金额的总和；从多个违约比率区间中，确定各次蒙特卡洛模拟中的所述违约比率所在的违约比率区间；基于每个所述违约比率区间中的违约比率的数量，以及所述蒙特卡洛模拟的次数，确定所述违约比率区间中的违约比率的发生概率；基于各所述违约比率区间中的违约比率的发生概率，生成所述违约比率分布。7.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述基于多次蒙特卡洛模拟中得到的各笔所述资产的违约时间和违约金额，确定所述目标风险等级下所述多笔底层资产的违约比率分布和违约时间分布，包括：对于每次蒙特卡洛模拟，对违约时间相同的各笔所述资产的违约金额求和，得到所述每次蒙特卡洛模拟中对应违约时间的第二总违约金额；对多次蒙特卡洛模拟中相同违约时间对应的第二总违约金额求和，得到多次蒙特卡洛模拟中对应违约时间的第三总违约金额；对多次蒙特卡洛模拟中各所述违约时间对应的第二总违约金额求和，得到多次蒙特卡洛模拟中的第四总违约金额；对于每个所述违约时间，基于所述多次蒙特卡洛模拟中所述违约时间的第三总违约金额，以及所述多次蒙特卡洛模拟中的第四总违约金额，确定所述违约时间对应的违约概率；基于各所述违约时间对应的违约概率，生成所述违约时间分布。8.根据权利要求1
‑
5中任一项所述的方法，其特征在于，所述基于所述违约比率分布和违约时间分布，确定所述资产证券化产品的风险分级信息，包括：基于所述目标风险等级下所述多笔底层资产的违约比率分布，获取所述目标风险等级对应的目标违约率；将所述违约时间分布作为加压参数进行现金流分析，得到临界违约率，其中，所述临界违约率为所述资产证券化产品能兑付完的最大违约率；将所述目标违约率与所述临界违约率进行比较，并在所述目标违约率小于所述临界违约率的情况下，基于所述目标风险等级确定所述资产证券化产品的风险分级信息。9.一种风险确定装置，其特征在于，包括：获取模块，用于获取目标风险等级下资产证券化产品的多笔底层资产的资产参数；处理模块...

【专利技术属性】
技术研发人员：何易超，林妙真，朱富荣，李博尊，梁岩松，
申请(专利权)人：建信金融科技有限责任公司，
类型：发明
国别省市：