金融资产风险处理方法、装置、存储介质和电子设备与流程
本申请涉及人工智能、金融数据处理与风险处理等,可适用于金融科技场景,本申请具体涉及一种金融资产风险处理方法、装置、存储介质和电子设备。
背景技术:
1、在金融风险管理领域,对资产组合进行风险处理是识别潜在损失、防范系统性风险的关键环节。
2、相关技术通常获取特定采集维度对应的风险监测数据,采用固定权重对这些采集维度对应风险监测数据在对资产组合进行风险处理,生成资产组合的风险状态数据。相关技术忽略了风险因子之间的传导效应,即某一风险因子的变动通过关联网络引发其他因子连锁反应,导致生成的风险状态数据与经传导效应影响后的真实风险状况不匹配,从而影响对投资组合进行风险处理的准确性。
技术实现思路
1、本申请提供了一种金融资产风险处理方法、装置、存储介质和电子设备,通过因子关联网络与传导影响系数量化风险传导效应,并据此动态调整基础采集维度的基础权重及上层采集维度的聚合权重,使生成的组合风险传导特征能够客观表征经传导修正后的风险状态,为风险处置提供准确依据。
2、根据本申请的第一方面,提供了一种金融资产风险处理方法,所述方法包括:
3、基于风险处理请求确定待处理的目标资产组合,并基于基础采集维度获取所述目标资产组合的风险监测数据;
4、基于所述目标资产组合所属的资产类别获取该资产类别对应的核心风险因子、因子关联网络和因子数据映射关系,并基于所述因子数据映射关系确定各基础采集维度对应的目标风险因子;
5、基于所述风险监测数据和所述因子数据映射关系确定所述目标资产组合在所述目标风险因子的因子暴露强度,并基于所述因子暴露强度和各目标风险因子在所述因子关联网络中的网络拓扑位置,确定所述目标资产组合在目标风险因子上的传导影响系数;
6、基于所述因子暴露强度和所述传导影响系数对所述基础采集维度对应的基础权重进行调整,并依据所述基础采集维度所属的层级归属关系将调整后的基础权重自下而上聚合,更新所述层级归属关系中各上层采集维度的聚合权重;
7、基于各上层采集维度的聚合权重以及各基础采集维度的因子暴露强度,确定所述目标资产组合的风险传导特征,并基于所述风险传导特征对所述目标资产组合进行风险处置。
8、根据本申请的第二方面,提供了金融资产风险处理装置,所述装置包括:
9、数据获取模块,用于基于风险处理请求确定待处理的目标资产组合,并基于基础采集维度获取所述目标资产组合的风险监测数据;
10、因子确定模块,用于基于所述目标资产组合所属的资产类别获取该资产类别对应的核心风险因子、因子关联网络和因子数据映射关系,并基于所述因子数据映射关系确定各基础采集维度对应的目标风险因子;
11、影响因子确定模块,用于基于所述风险监测数据和所述因子数据映射关系确定所述目标资产组合在所述目标风险因子的因子暴露强度,并基于所述因子暴露强度和各目标风险因子在所述因子关联网络中的网络拓扑位置,确定所述目标资产组合在目标风险因子上的传导影响系数;
12、权重调整模块,用于基于所述因子暴露强度和所述传导影响系数对所述基础采集维度对应的基础权重进行调整,并依据所述基础采集维度所属的层级归属关系将调整后的基础权重自下而上聚合,更新所述层级归属关系中各上层采集维度的聚合权重;
13、风险处置模块,用于基于各上层采集维度的聚合权重以及各基础采集维度的因子暴露强度,确定所述目标资产组合的风险传导特征,并基于所述风险传导特征对所述目标资产组合进行风险处置。
14、根据本发明的第三方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例所述的金融资产风险处理方法。
15、根据本发明的第四方面,本申请实施例提供了一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本申请实施例所述的金融资产风险处理方法。
16、根据本申请的第五方面,本申请实施例提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如本申请实施例所述的金融资产风险处理方法。
17、本申请技术方案,将各目标风险因子的因子暴露强度沿因子关联网络的边权重传播,经迭代收敛后得到传导影响系数,使传导影响系数综合了因子自身暴露与网络拓扑传导的双重影响。由传导影响系数与因子暴露强度共同驱动基础采集维度的基础权重调整,使得基础权重能够随风险因子在网络中的传导程度自动调整。由于基础权重经传导影响系数修正后,再依据层级归属关系自下而上聚合更新各上层采集维度的聚合权重,最终加权生成的风险传导特征中,各上层采集维度的聚合结果反映了经网络传导修正后的实际风险分布,避免了固定权重下传导影响程度高的因子在聚合中被低估的问题,使风险传导特征与真实风险状态之间的偏差减小。
18、应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
1.一种金融资产风险处理方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述核心风险因子、因子关联网络和因子数据映射关系基于如下方式确定:
3.根据权利要求1所述的方法,其特征在于,所述基于所述风险监测数据和所述因子数据映射关系确定所述目标资产组合在所述目标风险因子的因子暴露强度,包括:
4.根据权利要求1所述的方法,其特征在于,所述基于所述因子暴露强度和各目标风险因子在所述因子关联网络中的网络拓扑位置,确定所述目标资产组合在目标风险因子上的传导影响系数,包括:
5.根据权利要求4所述的方法,其特征在于,所述基于所述目标节点的加权邻接矩阵及各目标节点的归一化影响力,确定所述目标资产组合在各目标风险因子上的传导影响系数,包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述因子暴露强度和所述传导影响系数对所述基础采集维度对应的基础权重进行调整,包括:
7.根据权利要求1所述的方法,其特征在于,基于各上层采集维度的聚合权重以及各基础采集维度的因子暴露强度,确定所述目标资产组合的风险传导特征,并基于所述风险传导特征对所述目标资产组合进行风险处置,包括:
8.一种金融资产风险处理装置,其特征在于,所述装置包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一项所述的金融资产风险处理方法。
10.一种电子设备,包括存储器,处理器及存储在存储器上并可在处理器运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的金融资产风险处理方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com