外汇风险的自动识别与测算方法与流程

1.本发明属于外汇风险管理的技术领域，特别涉及一种能够对外汇风险进行自动识别与测算的方法。


背景技术：

2.目前，诸多进出口企业(乃至部分相当大体量的公司)没有完整的外汇风险管理制度和套期保值策略，不能实现对外汇风险的准确识别和测量；其次，在金融领域存在的多种用于度量外汇市场风险的方法及针对外汇风险进行管理的金融衍生产品，但是由于大部分企业没有准确地识别外汇风险敞口，导致企业可能选择了不适合自己的衍生金融产品，造成严重的损失；再次，这些方法从其测量的数据来源上也会各有不同，这导致计算出来的外汇风险信息本身也是有侧重点的，特定的风险度量只能识别某单一维度的外汇风险信息；最后，对于外币币种繁多的企业，没有多币种管理的思维和能力，不能根据不同币种间的波动实现天然对冲和综合管理，减少单一币种大幅波动造成的损失。
3.如专利申请201910303564.5公开了一种外汇交易量预测方法、装置及系统。所述方法通过获取到的交易数据对预测模型进行训练更新，根据更新后的预测模型预测出交易量预测值。本实施例可以通过时间递归神经网络训练得到的预测模型来进行交易量预测，时间递归神经网络能够学习时间较长的观察值序列并能有效地预测时间序列。本方案借助其能够维持良好内部状态的关键特性，在国际汇兑业务中能够实现有效、可靠的交易量预测。本说明书实施例，利用实时获得的数据，自动捕捉当前交易趋势调节预测值，提高了交易量预测的准确性，为国际外汇交易业务提供了准确的数据基础，降低了平盘风险。
4.然而，上述方法没有完整的外汇风险管理制度和套期保值策略，不能实现对外汇风险的准确识别和测量，因此，亟需一种方法，能够对潜在的外汇风险进行系统识别和测算，以预测外汇波动对企业带来的损益。


技术实现要素：

5.为解决上述问题，本发明的首要目的在于提供一种外汇风险的自动识别与测算方法，该方法通过计算机系统对企业经营状态和外汇汇率资料进行综合分析，运用各种方法对潜在的外汇风险进行系统识别和测算，并计算得出企业的不同类型的风险敞口信息，包括企业的外汇敞口明细余额及各币种敞口总金额，分析和预测汇率波动对企业可能造成的账面损益和实际损益。
6.本发明的另一目的在于提供一种外汇风险的自动识别与测算方法，该方法通过标准化的风险管理系统，帮助企业低成本高效率地实现外汇风险管理，将需要大量人力、精力和时间风险的外汇风险识别与测算过程变得自动化、智能化、流程化，并采用最佳套期保值策略最大程度降低因汇率波动造成的外汇损失。
7.为实现上述目的，本发明的技术方案如下。
8.一种外汇风险的自动识别与测算方法，该方法通过电子管理系统实现，所述电子
管理系统包含有风险采集模型、风险识别模块、风险测量评估模块、测量结果聚合模块等主体功能模块，其中：
9.风险采集模型支持企业经营数据的录入和导入功能，包含对财务报表、订单合同等业务数据的资源采集；
10.风险识别模块分析企业外币资产负债情况、盈利水平、运营现金流、外币债券债务等诸多情形，对已录入的来源数据进行自动识别，判断其影响的外汇风险类型；
11.风险测量评估模块通过测量计算并建立不同的风险度量模型，量化存在的外汇风险及其影响范围；
12.测量结果聚合模块对量化后的数据进行归并统计分析，并给出最终的计算后的需进行风险管理的不同类型的风险敞口信息，并可通过现有历史数据进行长时间序列维度的风险预测。
13.所述风险采集模块通过标准接口规范，定义系统所能采集的外汇风险相关数据格式，以支持关联方进行数据录入。其中，标准接口包括不局限于企业配置接口、会计科目及货币对及风险类型等主数据管理接口、数据采集接口。
14.进一步的，所述方法包括：定义和录入预期敞口数据，此部数据通常包含不同会计科目下对未来一段时间的企业外汇资产与负债的预期；本发明定义了外汇数据的标准数据采集接口支持不同风险类型的数据采集录入。
15.更进一步，所述方法包括：定义和录入历史敞口数据，此部数据通常包含不同会计科目下上一个周期企业外汇资产与负债的实际敞口，并将在下一周期的风险管理中进行沿续；
16.更进一步，所述方法包括：定义和录入企业资产负债表数据，此部数据通常包括计科目下上一个周期企业外汇资产与负债的实际敞口的明细，并将在下一周期的风险管理中进行沿续；
17.更进一步，所述方法包括：定义和录入企业已执行的外汇交易，此部数据通常包括一些衍生品交易带来的外汇风险及风险冲销，在下周期风险管理中需进行合并或剔除；
18.更进一步，所述方法包括：定义和录入业务订单与合同数据，此部数据通常包括预收(付)款项对应的外汇风险；
19.更进一步，所述方法包括：定义和录入预期外汇汇率，此部数据通常包含对不同货币交易对的汇率预期，通常由平台综合权威行业数据，经过对行业现状与历史数据进行计量分析得出；
20.更进一步，所述方法包括：定义和录入行业资料数据，包括且不局限于销售市场、竞争对手、生产地点和定价策略、需求的价格弹性等行业特征，此部数据通常用于对总体经济及行业现状进行计量分析，以判断企业所处在的竞争环境带来的经济风险；
21.进一步，所述风险识别模块由系统对原始外汇数据进行统一建模和统一存储，通过标准采集接口录入的外汇数据经过流处理平台进行风险识别，然后调用风险测量微服务模块，其后将原始外汇数据进行归档存储，并将测量结果存储到业务数据库中。
22.进一步的，所述风险包括如下内容：
23.一类是交易风险，包括企业从事了以延期付款方式以外币计价的商品劳务的买卖、从事了以外币计价的借贷款业务、从事了以外国货币表示的其它金融资产或潜在的外
汇交易。此类风险的识别通常从资产负债表或订单合同等业务表单中获取相关联的外汇风险敞口大小。
24.二类是经济风险，包括了销售市场、竞争对手、生产地点和定价策略、需求的价格弹性等行业特征，此类风险的识别通常通过综合行业数据资料，量化分析相关要素计算得出。
25.三类是折算风险，包括跨国公司中由国外公司机构承担的比重、国外分支机构的地点以及编制会计报表时使用的会计制度等影响，此类风险的识别通常从资产负债表对不同货币对的会计科目数据进行对比分析得出。
26.本发明定义了一种可用于外汇风险的识别标准，以帮助企业对不同种类的风险进行判定，并采用合适的外汇风险预测模型进行评测。
27.进一步，所述风险测量评估模块就是分析原始外汇风险数据，计算得出指定风险类型的外汇风险及其影响的过程。根据不同风险类型，本发明定义不同的微服务模块通过不同的风险度量模型对原始外汇风险数据进行数据分析。
28.更进一步的，本发明通过建立不同的外汇风险度量模型，以适配不同类型的风险敞口的测量诉求，将原始外汇数据解析为计算后的风险敞口信息。
29.更进一步，所述方法包括：采用资产负债表敞口测量模型，分析来源风险数据中所会被影响到可用于资产负债表套保的敞口结果。
30.更进一步，所述方法包括：采用现金流敞口测量模型，分析来源风险数据中所会被影响到可用于现金流套保的敞口结果。
31.更进一步，所述方法包括：采用合同订单敞口测量模型，分析来源风险数据中所会被影响到可用于合同(订单)套保的敞口结果。
32.更进一步，所述方法包括：采用评价指标体系模型，对销售市场、竞争对手、生产地点和定价策略、需求的价格弹性等行业特征进行量化分析，匹配对企业符合条件的影响较大的外汇风险因子。
33.本发明定义了一套可用于分布式计算的微服务架构，以支持对海量行业数据及企业状况等风险数据进行实时数据处理。
34.进一步，所述测量结果聚合模块对量化后的测量数据进行归并和过滤计算，去除不同测量结果中重垒和影响相对较小的外汇风险因子，最终形成计算后的能被非专业人员所识别的并能用于风险管理的不同类型的风险敞口信息，并合并到当前现有敞口数据中去。同时，针对现有的大量原始的和计算后的不同企业风险数据，通过构建深度神经网络，实现对长时间序列维度的外汇风险预测。
35.本发明的有益效果在于：
36.本发明帮助进出口企业进行外汇风险管理，通过对企业外币货币性会计科目余额和海外业务信息等相关数据进行采集和分类计算，智能分析这些数据潜在的内部逻辑，判断这些数据所影响的风险类型，并生成简洁清晰、便于理解(且后期能够实行可执行方案)的风险敞口分析，并且模拟在极端汇率场景下可能对企业造成的损益，以提醒并辅助企业完成风险决策。
附图说明
37.图1是本发明实现的结构示意图；
38.图2是本发明实现的采集预期敞口数据的产品效果图。
39.图3是本发明实现的采集历史敞口数据的产品效果图。
40.图4是本发明实现的采集企业资产负债表数据的产品效果图。
41.图5是本发明实现的采集企业已执行交易数据的产品效果图。
42.图6是本发明实现的采集企业订单的产品效果图。
43.图7是本发明实现的采集企业合同的产品效果图。
44.图8是本发明实现的采集企业发票的产品效果图。
45.图9是本发明实现的平台预测外汇汇率的功能结构图。
46.图10是本发明实现的行业数据采集的功能结构图。
47.图11是本发明实现的风险识别模块的业务流程图。
48.图12是本发明实现的资产负债表套保敞口测量模型的业务流程图。
49.图13是本发明实现的现金流套保敞口测量模型的业务流程图。
50.图14是本发明实现的订单合同发票套保敞口测量模型的业务流程图。
51.图15是本发明实现的行业特征评价指标测量模型的业务流程图。
52.图16是本发明实现的测量结果聚合的业务流程图。
53.图17是本发明实现的基于神经网络进行中长期风险预测的业务流程图。
具体实施方式
54.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
55.为了解决传统企业外汇风险管理过程严重依赖于财务会计等专业相关人员情况，简化企业外汇风险管理过程，实施例提供一种外汇风险的自动识别与测算方法。
56.图1是本发明的结构示意图。本发明所实现的外汇风险的自动识别与测算方法，该方法通过电子管理系统实现，所述电子管理系统包含有风险采集模型、风险识别模块、风险测量评估模块、测量结果聚合模块等主体功能模块，其中：
57.风险采集模型支持企业经营数据的录入和导入功能，包含对财务报表、订单合同等业务数据的资源采集；风险识别模块分析企业外币资产负债情况、盈利水平、运营现金流、外币债券债务等诸多情形，对已录入的来源数据进行自动识别，判断其影响的外汇风险类型；风险测量评估模块通过测量计算并建立不同的风险度量模型，量化存在的外汇风险及其影响范围；测量结果聚合模块对量化后的数据进行归并统计分析，并给出最终的计算后的需进行风险管理的不同类型的风险敞口信息，并可通过现有历史数据进行长时间序列维度的风险预测。
58.如图1所示，实施例中提供的服务接口模块负责以微服务调用方式接受其他前置系统发送过来的数据采集请求，将请求内容进行解析，提取相关联数据或文件信息，交由风险采集模块进行统一处理，并最终计算出外汇风险敞口信息；实施例中核心模块由风险采集模块、风险识别模块、风险测量评估模块、测量结果聚合模块组成，下面就每部分模块进
行详细说明。
59.风险采集模块在通过json标准化接口接受不同来源的外汇风险原始数据及其它行业数据，并在不同实施例中在ui端呈现出不同的产品效果，外汇数据通过字段datatype判断接口中描述的数据(风险)类型。
60.图2是本发明提供的采集预期敞口数据的产品效果图。其中，企业录入预期敞口数据中，所述维度包括敞口币种、预期时间、(子)公司主体、不同币种下不同科目的当月敞口变动值等信息。系统会提示该预测时间的期初敞口，并计算当月的敞口总和(包括上月沿续的敞口数值)。
61.其中，期初敞口是整体预测敞口的预期时间基点，通常为当前时间的上个月月底，在往后每期敞口预测中，当月预测敞口大小＝上月预测敞口大小 所有当月敞口变动值总和。
62.图3是本发明提供的采集历史敞口数据的产品效果图。企业录入历史敞口数据中，所述维度包括敞口币种、敞口时间、(子)公司主体、不同币种下不同科目的当月敞口实际余量等信息，与预测敞口不同，历史敞口只统计余量信息，当月历史敞口＝所有当月历史敞口余量总和。
63.图4是本发明提供的采集企业资产负债表数据的产品效果图。企业录入资产负债表数据，所述维度包括(子)公司主体、日期、交易币种、会计科目编码与名称、记账金额及其它附加信息。
64.图5是本发明提供的采集企业已执行交易数据的产品效果图。企业录入已执行交易数据，所述维度包括(子)公司主体、产品类型、套保目的、交易时间、交割时间、卖出币种、买入币种、卖出金额、交割汇率等数据。产品类型包括套保交易类型，包括远期交易、掉期远期交易、即期交易等；套保目的包括资产负债表套保、现金套保、业务订单套保等。
65.图6是本发明提供的采集企业订单的产品效果图。企业录入订单数据，所述维度包括客户名称资料、订单编号、状态、进出口类型、报价日期、订单额度、币种、报价汇率、转换率、决策周期等数据。订单状态包括订单是否下单的状态，可延伸包括带来的相应的其它业务状态的变化，例如是否签订合同，是否开具发票等。
66.图7是本发明提供的采集企业合同的产品效果图。企业录入合同数据，所述维度包括客户名称资料、合同号码，关联订单号、状态、进出口类型、合同签约日期、合同成交、预付预收、币种、合同签约汇率、转换率、生产周期、发货周期、验收周期等数据。合同状态包括合同是否签订状态，可延伸包括带来的相应的其它业务状态的变化，例如是否开具发票等。
67.图8是本发明提供的采集企业发票的产品效果图。企业录入发票数据，所述维度包括客户名称资料、发票号码、关联合同编号、状态、进出口类型、开票日期、发票额度、币种、发票汇率、坏账率、账期等数据。发票状态包括发票是否开具状态。
68.图9是本发明提供的平台预测外汇汇率的功能结构图。汇率数据的管理包括预测汇率、历史汇率、实时汇率三个维度的管理。
69.预测汇率通常包括对敞口汇率的预测及远期点的预测。敞口汇率由平台结合行业权威机构数据计量分析得到，并形成未来一段时间内的预期趋势；并可结合不同权威机构的预期数据，并形成权威的预测报告。掉期点功能是在预测交易过程中，通过设置一个时间点对另一个时间点上的买入价及卖出价的汇率偏差，对交易使用的交易汇率进行预测，保
证进行交易预测时采用的汇率数据更加准确。
70.历史汇率记录以往一段时间内固定周期下的汇率值，由外管局中间价、该周期内的最高价、最低价、开盘价、收盘价、平均价等价格组成，并形成该段时间内的历史汇率趋势信息。
71.实时汇率导入通过采集相关平台交易实时数据，并统计汇总为周期内的实际历史汇率。
72.图10是本发明提供的行业数据采集的功能结构图。企业特征数据的采集由企业在企业配置页进行配置管理，提供所处的行业分类、销售市场、生产地点、产品列表等等特征数据。行业数据由系统通过独立的数据平台进行数据导入，包括不同国家不同维度的经济数据、行业指标和上市公司资料等内容。
73.风险识别模块接受外汇风险原始数据及行业数据，对数据进行文档归档索引存储，通过字段datatype判断其支持的风险度量模型，对原始数据进行拆解和封装，并根据该模型标识查找合适的数据测量评估微服务单元并进行调用，在拿到处理结果后将处理结果进行数据库存储。
74.图11是本发明提供的风险识别模块的业务流程图。风险识别流程包括获取原始风险数据、解析风险数据类型、调用微服务板块进行风险测量、对原始风险数据进行归档、对测量后数据进行解析和存储等流程。
75.其中预计敞口、历史敞口是最终影响风险管理方案的参数，也是识别流程要计算得到的结果，除两者本身数据外，资产负债表、已执行交易及订单、合同、发票等风险数据最终也会转换为此两者风险敞口大小。
76.行业数据采用评价指标体系测量风险大小。
77.所有测量过程通过调用相应的敞口测量微服务版块进行风险测量得出。
78.风险测量评估模块接受不同类型的外汇风险原始数据，根据前流程中的风险度量模型标识进行风险测量评估，主要包括外汇敞口数据的风险测量与企业特征数据的风险测量。
79.图12是本发明提供的资产负债表套保敞口测量模型的业务流程图。资产负债表套保敞口测量流程包括获取期初敞口余额与当期敞口变化列表，根据敞口类型进行数据检查，汇总敞口数据。
80.其中，预期敞口的计算是上月敞口 当月预测敞口变化总和，该敞口大小直接影响进行风险管理时需进行的远期交易对应的敞口。
81.图13是本发明提供的现金流套保敞口测量模型的业务流程图。现金流套保敞口测量流程包括当期敞口变化列表，根据敞口类型进行数据检查，汇总敞口数据。
82.其中，预期敞口的计算是当月预测敞口变化总和，该敞口大小直接影响风险管理时需进行的现金交易对应的敞口。
83.图14是本发明提供的订单合同发票套保敞口测量模型的业务流程图。业务订单敞口测量流程包括当期订单列表，根据订单类型进行数据检查，根据订单合同发票的坏账率、签约率、账期等业务信息分析统计敞口数据。
84.其中，订单发票合同敞口的计算是随具体业务订单类型不同计算方式不同，总体思维是预测未来收到的外汇款项并进行外汇套保管理，该敞口大小直接影响风险管理时需
进行的远期交易对应的敞口。
85.图15是本发明提供的行业特征评价指标测量模型的业务流程图。图中所示，行业特征评价指标测量功能由两部分组成：行业特征数据的录入统计和企业特征的匹配比较。
86.企业特征服务模块以消息的格式接受海量行业特征数据，分析其特征数据类型，包括经济数据、行业指数及上市公司资料等内容，确定其采用的数据指标计算公式，确定这些数据使用的影响权重与积分计算公式。
87.风险测量微服务模块授受企业的特征数据测量请求，分析其行业特征指标，判断符合条件的一组或多组指标，获取附合条件的行业资料数据，并进行统计分析，计算其最大值、最小值、平均数、中位数、众数、排名、标准方差、均方误差等统计学数据，代入企业相关企业特征数据，比较与行业数据的偏差并计算指标权重与积分。
88.测量结果聚合模块对前流程中的测量结果进行归并和过滤计算，去除不同测量结果中重垒和影响相对较小的外汇风险因子，并合并到当前企业风险数据中去。
89.图16是本发明提供的测量结果输出的业务流程图。与风险测量评估模块相同，对测量结果的输出处理也包括外汇敞口数据与企业特征数据两种模式。
90.外汇敞口数据的结果处理主要是需要合并敞口并去除敞口科目中的重复项，比如资产负债表中的货币资金减少科目需同时合并到现金流套保中；其次，为方便交易操作的实施方便，敞口会采用比较大的货币单位进行数据统计。
91.企业特征评价指标数据的结果处理主要是对不同行业特征的积分与权重进行汇总，去除较小权重的行业特征并按一定权重公式进行积分汇总。
92.图17是本发明提供的基于神经网络进行中长期风险预测的业务流程图。本发明将平台中企业录入风险敞口数据与行业特征资料作为数据源，提取其不同维度上的时间序列信息作为训练样本与测试样本，并通过深度学习算法创建训练模型(如arima模型)进行训练，进而拟合模型并做出预测，由此，通过预测信息可对企业就整体行业趋势及企业自身经营风险做出前瞻性建议。
93.以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。