预测资产池中资产的违约时间的方法和装置与流程

1.本公开涉及金融科技领域，具体地，涉及一种预测资产池中资产的违约时间的方法和装置、计算设备、计算机可读存储介质以及计算机程序产品。


背景技术：

2.随着经济社会的不断发展，资本市场为不同投资者提供了具有不同风险与收益特征的多种金融产品，在这些金融产品中，资产支持证券、债券型基金等基于预期变现的多个资产（例如，住房按揭贷款、企业贷款、债券）所组成的资产池的金融产品正在获得越来越多的关注，其中，预测这种资产池中资产的违约时间成为衡量相应资产以及资产支持证券的信用风险的关键。
3.在相关技术中，可以使用高斯copula模型来预测资产池中各资产的违约时间，然而，为了解决资产期限和证券期限的错配问题，金融产品对应的资产池经常采用循环购买结构（即，在金融产品存续期内，资产池产生的现金流被用于购买新的资产），针对这种具有循环购买结构的资产池的金融产品，无法使用高斯copula模型来预测资产池中循环购买资产的违约时间，从而难以对相应资产以及金融产品（例如，资产支持证券）的信用风险进行分析。


技术实现要素：

4.有鉴于此，本公开提供了一种预测资产池中资产的违约时间的方法和装置、计算设备、计算机可读存储介质以及计算机程序产品，以缓解、减轻、甚至消除上述问题。
5.根据本公开的一个方面，提供了一种预测资产池中资产的违约时间的方法，所述资产池包括第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，所述第二资产集合包括预期变现的至少一个第二资产，所述方法包括：获取与所述第一资产集合对应的第一预测违约时间集合，所述第一预测违约时间集合包括所述第一资产集合中每个第一资产的预测违约时间；根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合；基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数；以及根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。
6.根据本公开的一些实施例，所述第一资产集合包括至少一个非循环购买资产，并且其中所述获取与所述第一资产集合对应的第一预测违约时间集合，包括：通过高斯关联结构模型确定所述第一资产集合中所述至少一个非循环购买资产的预测违约时间；基于所
述至少一个非循环购买资产的预测违约时间，确定所述第一资产集合对应的第一预测违约时间集合。
7.根据本公开的一些实施例，所述根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合，包括：根据所述第一资产集合中各第一资产的违约时间概率分布，确定所述第一资产集合中各第一资产对应的违约时间累积分布函数；根据所述第一资产集合中各第一资产对应的违约时间累积分布函数，分别计算所述第一预测违约时间集合中各预测违约时间对应的累积违约概率；根据所述预定的概率分布，确定所述预定的概率分布对应的累积分布函数的反函数；分别将所述第一预测违约时间集合中各预测违约时间对应的累积违约概率作为自变量取值，计算所述预定的概率分布对应的累积分布函数的反函数的函数值，以得到第一变换违约时间集合。
8.根据本公开的一些实施例，所述基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，包括：根据所述资产池中各资产之间的违约相关性，确定所述资产池对应的第一违约相关性矩阵；对所述第一违约相关性矩阵进行乔里斯基分解，以得到所述第一违约相关性矩阵对应的乔里斯基分解结果；根据所述第一违约相关性矩阵对应的乔里斯基分解结果、所述至少一个相互独立的随机数以及所述第一变换违约时间集合，确定所述第二变换违约时间集合。
9.根据本公开的一些实施例，所述第一资产集合包括至少两个第一资产，并且所述对所述第一违约相关性矩阵进行乔里斯基分解包括：根据所述资产池中各资产之间的违约相关性，确定所述第一资产集合对应的第二违约相关性矩阵；通过下述公式，对所述第二违约相关性矩阵进行乔里斯基分解：其中，p2表示所述第二违约相关性矩阵，c1为所述第二违约相关性矩阵对应的乔里斯基分解矩阵；通过下述公式，对所述第一违约相关性矩阵进行乔里斯基分解：其中，p1表示所述第一违约相关性矩阵，表示第一违约相关性矩阵对应的乔里斯基分解矩阵，并且，其中所述根据所述第一违约相关性矩阵对应的乔里斯基分解结果、所述至少一个相互独立的随机数以及所述第一变换违约时间集合，确定所述第二变换违约时间集合，包括：通过下述公式确定所述第二变换违约时间集合：其中，v2表示所述第二变换违约时间集合对应的向量，v1表示所述第一变换违约时间集合对应的向量，r表示所述至少一个相互独立的随机数对应的向量。
10.根据本公开的一些实施例，所述根据所述预定的概率分布和所述第二资产集合中
各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，包括：根据所述预定的概率分布，确定所述预定的概率分布对应的累积分布函数；分别将所述第二变换违约时间集合中各元素作为自变量取值，计算所述预定的概率分布对应的累积分布函数的函数值；根据所述第二资产集合中各第二资产的违约时间概率分布，确定所述第二资产集合中各第二资产对应的违约时间累积分布函数的反函数；将所述预定的概率分布对应的累积分布函数的函数值作为自变量取值，计算所述第二资产集合中各第二资产对应的违约时间累积分布函数的反函数的函数值，以得到所述第二预测违约时间集合。
11.根据本公开的一些实施例，所述预定的概率分布为以下分布中的一种：标准正态分布、t分布、指数分布、beta分布、均匀分布。
12.根据本公开的另一个方面，提供了一种分析资产池中资产的信用风险的方法，所述资产池采用循环购买结构，所述方法包括：使用上述预测资产池中资产的违约时间的方法，预测所述资产池中预期变现的目标资产的违约时间；基于所述预期变现的目标资产的预测的违约时间，利用蒙特卡洛方法预测所述预期变现的目标资产在所述资产池对应的循环购买周期内发生违约的概率；根据所述预期变现的目标资产在所述循环购买周期内发生违约的概率，分析所述预期变现的目标资产的信用风险。
13.根据本公开的另一个方面，提供了一种分析资产支持证券的信用风险的方法，所述资产支持证券对应的资产池采用循环购买结构，所述方法包括：使用上述预测资产池中资产的违约时间的方法，预测所述资产池中各资产的违约时间；基于所述资产池中各资产的预测的违约时间，利用蒙特卡洛方法预测所述资产池的违约率分布；根据所述资产池的预测的违约率分布，分析所述资产支持证券的信用风险。
14.根据本公开的又一个方面，提供了一种用于预测资产池中资产的违约时间的装置，所述资产池包括第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，所述第二资产集合包括预期变现的至少一个第二资产，所述装置包括：违约时间获取模块，其被配置为获取与所述第一资产集合对应的第一预测违约时间集合，所述第一预测违约时间集合包括所述第一资产集合中每个第一资产的预测违约时间；第一变换模块，其被配置为根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合；违约时间确定模块，其被配置为基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数；第二变换模块，其被配置为根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。
15.根据本公开的又一个方面，提供了一种用于分析资产池中资产的信用风险的装置，所述资产池采用循环购买结构，所述装置包括：违约时间预测模块，其被配置为使用上述用于预测资产池中资产的违约时间的装置，预测所述资产池中预期变现的目标资产的违
约时间；违约概率预测模块，其被配置为基于所述预期变现的目标资产的预测的违约时间，利用蒙特卡洛方法预测所述预期变现的目标资产在所述资产池对应的循环购买周期内发生违约的概率；信用风险分析模块，其被配置为根据所述预期变现的目标资产在所述循环购买周期内发生违约的概率，分析所述预期变现的目标资产的信用风险。
16.根据本公开的又一个方面，提供了一种用于分析资产支持证券的信用风险的装置，所述资产支持证券对应的资产池采用循环购买结构，所述装置包括：违约时间预测模块，其被配置为使用上述用于预测资产池中资产的违约时间的装置，预测所述资产池中各资产的违约时间；违约率分布预测模块，其被配置为基于所述资产池中各资产的预测的违约时间，利用蒙特卡洛方法预测所述资产池的违约率分布；信用风险分析模块，其被配置为根据所述资产池的预测的违约率分布，分析所述资产支持证券的信用风险。
17.根据本公开的又一个方面，提供了一种计算设备，包括：存储器，其被配置成存储计算机可执行指令；处理器，其被配置成当所述计算机可执行指令被处理器执行时执行根据本公开的前述方面提供的任一方法。
18.根据本公开的又一个方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，当所述计算机可执行指令被执行时，执行根据本公开的前述方面提供的任一方法。
19.根据本公开的又一个方面，提供了一种计算机程序产品，包括计算机可执行指令，当所述计算机可执行指令被处理器执行时，执行根据本公开的前述方面提供的任一方法。
20.根据本公开提供的预测资产池中资产的违约时间的方法（所述资产池包括第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，且所述第二资产集合包括预期变现的至少一个第二资产），可以根据所述第一资产集合对应的第一预测违约时间集合来预测所述至少一个第二资产的违约时间，从而针对这种采用循环购买结构的资产池，可以使用本公开提供的上述方法来预测循环购买资产（即所述预期变现的至少一个第二资产）的违约时间。
21.根据在下文中所描述的实施例，本公开的这些和其他方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
22.在下面结合附图对于示例性实施例的描述中，本公开的技术方案的更多细节、特征和优点被公开，在附图中：图1示意性示出了可以应用根据本公开的一些实施例提供的技术方案的示例场景；图2示意性示出了根据本公开的一些实施例的预测资产池中资产的违约时间的方法的示例流程图；图3示意性示出了图2所示的方法中的资产池的示例性结构图；图4示意性示出了使用图2所示的方法而得到的资产池中资产的违约时间的示例性分布图；图5示意性示出了根据本公开的一些实施例的分析资产池中资产的信用风险的方
法的示例流程图；图6示意性示出了图5所示的方法的示例性原理图；图7示意性示出了根据本公开的一些实施例的分析资产支持证券的信用风险的方法的示例流程图；图8示意性示出了图7所示的方法的示例性原理图；图9示意性示出了根据本公开的一些实施例的用于预测资产池中资产的违约时间的装置的示例框图；图10示意性示出了根据本公开的一些实施例的用于分析资产池中资产的信用风险的装置的示例框图；图11示意性示出了根据本公开的一些实施例的用于分析资产支持证券的信用风险的装置的示例框图；图12图示了示例系统，其包括代表可以实现本文描述的各种技术的一个或多个系统和/或设备的示例计算设备。
具体实施方式
23.下面将参照附图更详细地描述本公开的若干个实施例以便使得本领域技术人员能够实现本公开的技术方案。本公开的技术方案可以体现为许多不同的形式和目的，并且不应局限于本文所阐述的实施例。提供这些实施例是为了使得本公开的技术方案清楚完整，但所描述的实施例并不限定本公开的保护范围。
24.除非另有定义，本文中使用的所有术语（包括技术术语和科学术语）具有与本公开所属领域的普通技术人员所通常理解的相同含义。将进一步理解的是，诸如那些在通常使用的字典中定义的之类的术语应当被解释为具有与其在相关领域和/或本说明书上下文中的含义相一致的含义，并且将不在理想化或过于正式的意义上进行解释，除非本文中明确地如此定义。
25.在详细介绍本公开的实施例之前，首先对一些相关的概念进行解释。
26.1、资产：指由企业过去的交易或事项形成的、由企业拥有或者控制的、预期会给企业带来经济利益的资源。资产按照流动性可以划分为流动资产、长期投资、固定资产、无形资产和其他资产。其中，流动资产是指可以在1年内或者超过1年的1个营业周期内变现或者耗用的资产，包括现金、银行存款、短期投资、应收及预付款项、待摊费用、存货等。长期投资是指除短期投资以外的投资，包括持有时间准备超过1年（不含1年）的各种股权性质的投资、不能变现或不准备变现的债券、其他债权投资和其他长期投资。固定资产是指企业使用期限超过1年的房屋、建筑物、机器、机械、运输工具，以及其他与生产、经营有关的设备、器具、工具等。无形资产是指企业为生产商品或者提供劳务出租给他人，或为管理目的而持有的没有实物形态的非货币性长期资产。其他资产是指除流动资产、长期投资、固定资产、无形资产以外的资产，如固定资产、修理、改建支出等形成的长期待摊费用。
27.2、资产证券化：指以基础资产未来所产生的现金流为偿付支持，通过结构化设计进行信用增级，在此基础上发行资产支持证券（asset-backed securities，abs）的过程。资产证券化是以特定资产组合或特定现金流为支持，发行可交易证券的一种融资形式。多项基础资产构成对应于资产支持证券的资产池。
28.图1示意性示出了可以应用根据本公开的一些实施例提供的技术方案的示例场景100。如图1所示，场景100可以包括用户110、终端设备120（例如，计算机）、终端设备130（例如，平板电脑）、网络140、以及远端设施150。作为示例，远端设施150包括服务器151以及可选地还包括用于存放待呈现的信息的数据库设备152，这些服务器或设备可以经由网络140实现通信。
29.终端设备120或130上可以安装有应用（未示出），该应用可以为用户110提供可视的用户界面，用户110在此用户界面上与该应用进行交互操作以获取其感兴趣的信息。示例性地，用户110通过安装在终端设备120上的应用所提供的用户界面，触发资产池中资产的信用风险的预测指令，该预测指令指示对资产池中资产的违约时间进行预测，该资产池包括第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，所述第二资产集合包括预期变现的至少一个第二资产；终端设备120经由网络140将用户110触发的预测指令发送给服务器151；服务器151在接收到预测指令后，获取与所述第一资产集合对应的第一预测违约时间集合，所述第一预测违约时间集合包括所述第一资产集合中每个第一资产的预测违约时间；在获取所述第一预测违约时间集合之后，服务器151根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合；然后，服务器151基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数；服务器151进而根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。在完成对所述至少一个第二资产的违约时间的预测之后，服务器151可以经由网络140将预测结果发送给客户端120以供用户110查阅。
30.需要说明的是，所述第一预测违约时间集合、所述至少一个相互独立的随机数等数据可以存储在数据库设备152中，使得服务器151通过访问数据库设备152来获得这些数据，当然，这不是限制性地，示例性地，当这些数据存储在其他数据库设备时，服务器151可以通过访问这些其他数据库设备来获得这些数据。替代地，所述至少一个相互独立的随机数可以由服务器151来生成（例如，基于相应的随机数生成算法）。此外，在确定所述第二预测违约时间集合之后，服务器151也可以经由网络140将所述第一预测违约时间集合和所述第二预测违约时间集合一起发送给客户端120，然后由用户110来进行后续操作，例如，根据这些预测的违约时间来评估所述资产池的信用风险。
31.需要说明的是，本文所使用的术语“用户”可以指代任何需要查阅、分析或是访问信息的一方，包括但不限于人类用户、网络平台、甚至机器。
32.在本公开中，服务器151可以是单个服务器或服务器集群，其上可以运行用于执行本公开提供的各种方法的应用程序以及存储相关数据。可选地，服务器151还可以运行其他应用程序以及存储其他数据。例如，服务器151可以包括多个虚拟主机，用以运行不同的应用程序并提供不同服务。
33.在本公开中，终端设备120和130可以是各种类型的设备，例如移动电话、平板电
脑、笔记本电脑、诸如智能手表的可穿戴设备、车载设备等。终端设备120和130上可以部署有客户端，可以使用该客户端来呈现执行本公开提供的各种方法而得到的结果（例如，资产池中各资产的预测的违约时间）以及可选地提供其他服务，并且可以采取如下形式中的任一种：本地安装的应用程序、经由其他应用程序访问的小程序、经由浏览器访问的web程序等。用户110可以通过终端设备120和130的输入/输出接口来查看客户端所呈现的信息以及进行相应交互操作。可选地，终端设备120和130可以与服务器151集成在一起。
34.在本公开中，数据库设备152可视为电子化的文件柜，即存储电子文件的处所，用户可以对文件中的数据进行新增、查询、更新、删除等操作。所谓“数据库”是以一定方式储存在一起、能与多个对象共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。
35.此外，在本公开中，网络140可以是经由诸如电缆、光纤等连接的有线网络，也可以是诸如2g、3g、4g、5g、wi-fi、蓝牙、zigbee、li-fi等的无线网络。
36.图2示意性示出了根据本公开的一些实施例的预测资产池中资产的违约时间的方法200（为简洁起见，下文简称为违约时间预测方法200）的示例流程图。示例性地，违约时间预测方法200可以由图1所示的服务器151来实施，当然这不是限制性的。在违约时间预测方法200中，资产池包括第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，所述第二资产集合包括预期变现的至少一个第二资产，即所述资产池采用循环购买结构，所述至少一个第二资产为循环购买资产。
37.需要说明的是，“预期变现”的资产指示在进入资产池后能够产生预期的现金流（例如，预期每个月产生利息）的资产，在本公开中，对预期变现的资产的类型不作限制，包括但不限于住房按揭贷款、企业贷款、债券、租赁债权、企业应收款、信托受益权、基础设施收益权等资产中的一种或多种。资产池中的各种资产也可以被称为基础资产。示例性地，所述预期变现的至少一个第一资产可以指示多笔住房按揭贷款，所述预期变现的至少一个第二资产可以指示多笔企业贷款。
38.具体地，在步骤210，可以获取与所述第一资产集合对应的第一预测违约时间集合，所述第一预测违约时间集合包括所述第一资产集合中每个第一资产的预测违约时间，本技术对获取所述第一资产集合中每个第一资产的预测违约时间的方式不作限制。示例性地，当所述第一资产集合中不包括循环购买资产时，可以使用相关技术中的高斯关联结构模型（即，高斯copula模型）来预测所述第一资产集合中预期变现的各个资产的违约时间并将所预测的违约时间的集合作为所述第一预测违约时间集合。替代地，当所述第一资产集合中预期变现的各个资产的违约时间的联合分布已知时，也可以根据该联合分布来生成所述第一资产集合中预期变现的各个资产的违约时间并将所生成的违约时间的集合作为所述第一预测违约时间集合。
39.在步骤220，可以根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合。所述预定的概率分布可以是以下分布中的一种：标准正态分布、t分布、指数分布、beta分布、均匀分布。所述第一资产集合中各第一资产的违约时间概率分布可以通过对应资产的类型和相关信息来确定，本公开对所述第一资产集合中各第一资产的违约时间概率分布的具体形式不作限制。示例性地，当第一资产为企业贷款时，可以根据所涉及的债务人（企业）的财务情况、
保证人（如有）的经营运营情况等信息来评估该资产的信用等级，然后根据评级公司提供的或资产所有人预先设定的信用等级与违约概率对照表，通过插值等方法确定该资产的违约时间概率分布。
40.示例性地，可以通过式1来确定所述第一变换违约时间集合：v
1 = f
1 (t1)ꢀꢀꢀꢀꢀ（式1）其中，函数f1指示所述第一变换违约时间集合和所述第一预测违约时间集合之间的关系，可以通过所述预定的概率分布（例如，标准正态分布）和所述第一资产集合中各第一资产的违约时间概率分布来设定函数f1的具体形式，使得所述第一变换违约时间集合中的各个元素均服从所述预定的概率分布。v
1 指示所述第一变换违约时间集合对应的向量，t
1 指示所述第一预测违约时间集合对应的向量。
41.在步骤230，可以基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数。所述资产池中各资产之间的违约相关性指示不同资产的违约时间之间的关联性。
42.示例性地，可以结合行业、地区等与资产发生违约相关的因素来设置资产之间的违约相关性。例如，当资产池中两个资产均为企业贷款时，如果这两笔资产对应的两家企业位于同一地区，并且企业违约事件可能受到地理位置的影响（例如，该地区发生的极端气候导致企业业务的开展受到负面影响），则与这两家企业位于不同地区相比，这两笔资产对应的两家企业位于同一地区会使得这两笔资产之间的违约相关性较高。本公开对所述资产池中各资产之间的违约相关性的具体数值不作限制，在实践中，可以结合行业、地区等与资产发生违约相关的因素来灵活设置、调整资产之间的违约相关性的大小。
43.示例性地，可以通过式2来确定所述第二变换违约时间集合：v
2 = f
2 (v1, p1, r)ꢀꢀꢀꢀꢀ（式2）其中，函数f2指示所述第二变换违约时间集合与所述第一变换违约时间集合、所述资产池中各资产之间的违约相关性、以及服从所述预定的概率分布的至少一个相互独立的随机数之间的关系。示例性地，可以通过设定函数f2的具体形式来使得所述第二变换违约时间集合中的各个元素均服从所述预定的概率分布。v
1 指示经由上述步骤220所得到的所述第一变换违约时间集合对应的向量，v
2 指示所述第二变换违约时间集合对应的向量，p1指示所述资产池中各资产之间的违约相关性对应的矩阵，r指示服从所述预定的概率分布的至少一个相互独立的随机数对应的向量（如上文所述，可以基于所述预定的概率分布对应的随机数生成算法来生成所述至少一个相互独立的随机数）。
44.在步骤240，可以根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。所述第二资产集合中各第一资产的违约时间概率分布可以通过对应资产的类型和相关信息来确定，本公开对所述第二资产集合中各第二资产的违约时间概率分布的具体形式不作限制。示例性地，当第二资产为企业贷款时，可以根据所涉及的债务人（企业）的财务情况、保证人（如有）的经营运营情况等信息来评估该资产的信用等级，然后根据评级公司提供的或资产所有人预先设定的信用
等级与违约概率对照表，通过插值等方法确定该资产的违约时间概率分布。
45.示例性地，可以通过式3来确定所述第二预测违约时间集合：t
2 = f
3 (v2)ꢀꢀꢀꢀꢀ（式3）其中，函数f3指示所述第二预测违约时间集合和所述第二变换违约时间集合之间的关系，可以通过所述预定的概率分布（例如，标准正态分布）和所述第二资产集合中各第二资产的违约时间概率分布来设定函数f3的具体形式，使得所述第二预测违约时间集合中的各个元素均服从对应资产的违约时间概率分布。v
2 指示经由上述步骤230所得到的所述第二变换违约时间集合对应的向量，t
2 指示所述第二预测违约时间集合对应的向量。
46.需要说明的是，在采用循环购买结构的所述资产池对应的循环购买周期内存在多次（至少两次）循环购买时，步骤210中所获取的第一预测违约时间集合中既可以包括非循环购买资产的预测违约时间（例如，通过高斯copula模型得到），还可以包括预测的一部分循环购买资产的违约时间。示例性地，假设所述资产池对应的循环购买周期为一年，所述资产池对应的基础资产包括六笔企业贷款（为便于阐述，分别命名为第一企业贷款、第二企业贷款、第三企业贷款、第四企业贷款、第五企业贷款、第六企业贷款），八笔住房按揭贷款（为便于阐述，分别命名为第一住房贷款、第二住房贷款、第三住房贷款、第四住房贷款、第五住房贷款、第六住房贷款、第七住房贷款、第八住房贷款），以上基础资产进入所述资产池的时间分别如表1所示：表1 资产入池时间时间资产一季度第一企业贷款，第二企业贷款，第一住房贷款，第二住房贷款二季度第三企业贷款，第三住房贷款，第四住房贷款，第五住房贷款三季度第四企业贷款，第五企业贷款，第六企业贷款四季度第六住房贷款，第七住房贷款，第八住房贷款其中，一季度入池资产可以被视为非循环购买资产，而二季度入池资产、三季度入池资产、以及四季度入池资产可以被视为循环购买资产。示例性地，针对表1所示的资产池中基础资产的入池时间分布，通过本公开提供的违约时间预测方法200来预测这些资产的违约时间的过程如下：一季度入池资产的违约时间预测：通过高斯copula模型来预测第一企业贷款、第二企业贷款、第一住房贷款、以及第二住房贷款的违约时间。
47.二季度入池资产的违约时间预测：将一季度入池资产（包括第一企业贷款、第二企业贷款、第一住房贷款、以及第二住房贷款）的集合作为第一资产集合，根据预定的概率分布（例如，标准正态分布）和第一企业贷款、第二企业贷款、第一住房贷款、以及第二住房贷款分别对应的违约时间概率分布，将第一预测违约时间集合（包括预测得到的第一企业贷款、第二企业贷款、第一住房贷款、以及第二住房贷款的违约时间）变换为第一变换违约时间集合；将二季度入池资产（包括第三企业贷款、第三住房贷款、第四住房贷款、以及第五住房贷款）的集合作为第二资产集合，基于所述资产池中一季度入池资产和二季度入池资产的各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定
第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数（这里是四）；根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产（即第三企业贷款、第三住房贷款、第四住房贷款、以及第五住房贷款）的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。
48.三季度入池资产的违约时间预测：将一季度入池资产和二季度入池资产组成的集合作为第一资产集合（在这一阶段，一季度入池资产和二季度入池资产的违约时间的预测结果已知），将三季度入池资产（包括第四企业贷款，第五企业贷款，第六企业贷款）的集合作为第二资产集合，通过类似于上文关于“二季度入池资产的违约时间预测”一节中描述的过程来预测三季度入池资产的违约时间。
49.四季度入池资产的违约时间预测：将一季度入池资产、二季度入池资产、以及三季度入池资产组成的集合作为第一资产集合（在这一阶段，一季度入池资产、二季度入池资产、以及三季度入池资产的违约时间的预测结果已知），将三季度入池资产（包括第六住房贷款，第七住房贷款，第八住房贷款）的集合作为第二资产集合，通过类似于上文关于“二季度入池资产的违约时间预测”一节中或“三季度入池资产的违约时间预测”一节中描述的过程来预测四季度入池资产的违约时间。
50.通过图2所示的违约时间预测方法200，可以根据第一资产集合对应的第一预测违约时间集合来预测第二资产集合中至少一个第二资产的违约时间，即针对采用循环购买结构的资产池，可以使用本公开提供的违约时间预测方法200来预测循环购买资产的违约时间，进而有助于对资产、资产池以及基于资产池的金融产品（例如，资产支持周期）进行信用风险的分析（详见下文描述）。
51.图3示意性示出了图2所示的违约时间预测方法200中的资产池300的示例性结构图。在图3中，资产池300采用循环购买结构，资产池300对应的循环购买周期的起始时间和结束时间分别由t
start
和t
end
指示。如图3所示，示例性地，第一资产集合a1包括预期变现的三个第一资产（a
1_1
、a
1_2
、a
1_3
），并且第一资产集合a1进入资产池300的时间由t1指示；第二资产集合a2包括预期变现的两个第二资产（a
2_1
、a
2_2
），并且第二资产集合a2进入资产池300的时间由t2指示。δt指示t1和t2之间的时间差，其可以根据资产池300所采用的循环购买结构的具体设置来确定，例如，δt可以是一周、一个月、三个月等。第一资产集合a1中的资产（a
1_1
、a
1_2
、a
1_3
）可以被视为非循环购买资产，而第二资产集合a2中的资产（a
2_1
、a
2_2
）可以被视为循环购买资产。一般地，t
start
、t
end
、t1、t2之间满足式4所描述的关系（不等式含义与时间先后对应，例如，t1＜t2表示在时间上t1在t2之前）：t
start
≤t1＜t2＜t
end
ꢀꢀꢀꢀꢀ（式4）需要说明的是，尽管图3中示出的第一资产集合a1包括预期变现的三个第一资产（a
1_1
、a
1_2
、a
1_3
），但这不是限制性地，示例性地，第一资产集合a1可以包括预期变现的一个、两个、或n1个第一资产（n1为大于等于4的任意正整数），并且第一资产集合a1还可以包括非预期变现的资产（例如，贵金属、艺术品、文物等自身不能产生现金流的资产）；类似地，尽管
图3中示出的第二资产集合a2包括预期变现的两个第二资产（a
2_1
、a
2_2
），但这不是限制性地，示例性地，第二资产集合a2可以包括预期变现的一个或n2个第一资产（n2为大于等于3的任意正整数），并且第二资产集合a2还可以包括非预期变现的资产（例如，贵金属、艺术品、文物等自身不能产生现金流的资产）。
52.图4示意性示出了使用图2所示的违约时间预测方法200而得到的资产池300中资产的违约时间的示例性分布图。如图4所示，在资产池300中，第二资产集合a2中的第二资产a
2_1
发生违约的时间由t
2_1
指示，δt
2_1
指示t
2_1
和t2之间的时间差，其中，如上文关于图3所描述，t2指示第二资产集合a2进入资产池300的时间；第二资产集合a2中的第二资产a
2_2
发生违约的时间由t
2_2
指示，δt
2_2
指示t
2_2
和t2之间的时间差。t
start
和t
end
的含义可以参考上文关于图3的描述，这里不再赘述。
53.需要说明的是，使用图2所示的违约时间预测方法200而预测得到的资产的违约时间可以由资产进入资产池的时间与资产发生违约的时间之间的时间差来衡量，结合图4，使用图2所示的违约时间预测方法200而预测得到的第二资产a
2_1
的违约时间为δt
2_1
，类似地，使用图2所示的违约时间预测方法200而预测得到的第二资产a
2_2
的违约时间为δt
2_2
。另外，尽管图4中示出的t
2_1
和t
2_2
都小于t
end
，但这仅仅是示例性地，使用图2所示的违约时间预测方法200而预测得到的对应资产的违约时间也可能使得t
2_1
和t
2_2
中的至少一个大于或等于t
end
。
54.在一些实施例中，违约时间预测方法200中的步骤220包括：根据所述第一资产集合中各第一资产的违约时间概率分布，确定所述第一资产集合中各第一资产对应的违约时间累积分布函数。示例性地，可以对所述第一资产集合中各第一资产的违约时间概率分布进行积分以得到所述第一资产集合中各第一资产对应的违约时间累积分布函数；根据所述第一资产集合中各第一资产对应的违约时间累积分布函数，分别计算所述第一预测违约时间集合中各预测违约时间对应的累积违约概率。即，可以将所述第一预测违约时间集合中各预测违约时间作为自变量取值，并且计算所述第一资产集合中各第一资产对应的违约时间累积分布函数的函数值作为所述第一预测违约时间集合中各预测违约时间对应的累积违约概率；根据所述预定的概率分布（例如，标准正态分布），确定所述预定的概率分布对应的累积分布函数的反函数。示例性地，可以对所述预定的概率分布进行积分以得到所述预定的概率分布对应的累积分布函数，然后对该累积分布函数求逆以得到其反函数；分别将所述第一预测违约时间集合中各预测违约时间对应的累积违约概率作为自变量取值，计算所述预定的概率分布对应的累积分布函数的反函数的函数值，以得到第一变换违约时间集合。以上过程可以用式5来描述：v1= {
…
, q-1norm
[qi(t
1_i
)] ,
…
}ꢀꢀꢀꢀꢀ（式5）其中，1≤i≤n，n指示所述第一资产集合中第一资产的个数。t
1_i
指示所述第一预测违约时间集合中第i个元素（即对应于所述第一资产集合中第i个第一资产的预测的违约时间）。函数qi指示所述第一资产集合中第i个第一资产对应的违约时间累积分布函数。函数q
norm
指示所述预定的概率分布（这里是标准正态分布）对应的累积分布函数，而函数 q-1norm
指示函数q
norm
的反函数。v1的含义可以参考上文关于步骤220或步骤230的描述，这里不再赘述。结合上文关于步骤220的描述可知，式5所描述的变换处理可以视为函数f1的一种实现方式。通过式5所描述的变换处理，可以得到服从所述预定的概率分布（这里是标准正
态分布）的变量。
[0055]
根据本公开的一些实施例，违约时间预测方法200中的步骤230包括：根据所述资产池中各资产之间的违约相关性，确定所述资产池对应的第一违约相关性矩阵。以图3中的资产池300为例，资产池300中各资产之间的违约相关性组成的第一违约相关性矩阵具有如表2所示的结构：表2 第一违约相关性矩阵资产/违约相关性a
1_1a1_2a1_3a2_1a2_2a1_1
1.00.80.60.50.7a
1_2
0.81.00.40.60.3a
1_3
0.60.41.00.70.5a
2_1
0.50.60.71.00.4a
2_2
0.70.30.50.41.0
[0056]
步骤230还包括：对所述第一违约相关性矩阵进行cholesky分解（乔里斯基分解），以得到所述第一违约相关性矩阵对应的乔里斯基分解结果；根据所述第一违约相关性矩阵对应的乔里斯基分解结果、所述至少一个相互独立的随机数以及所述第一变换违约时间集合，确定所述第二变换违约时间集合。
[0057]
示例性地，可以通过式6来确定所述第二变换违约时间集合：v
2 = f
2 (v1, p
c ,r)ꢀꢀꢀꢀꢀ（式6）其中，与上文关于步骤230所描述的式2的不同之处在于，pc指示所述第一违约相关性矩阵（即式2中的p1）对应的乔里斯基分解结果。关于函数f2、v1、v2、以及r的含义可以参考上文关于式2的描述，这里不再赘述。
[0058]
根据本公开的一些实施例，所述第一资产集合包括至少两个第一资产，并且所述对所述第一违约相关性矩阵进行乔里斯基分解包括以下步骤：根据所述资产池中各资产之间的违约相关性，确定所述第一资产集合对应的第二违约相关性矩阵p
2 ，确定p2的过程可以参考上文关于表2的描述（即对应于表2中资产a
1_1
、a
1_2
、a
1_3
之间的违约相关性组成的矩阵），这里不再赘述；通过式7，对p
2 进行乔里斯基分解：p
2 = c1×c1t
ꢀꢀꢀꢀꢀ（式7）其中，p
2 表示所述第二违约相关性矩阵，c1为所述第二违约相关性矩阵对应的乔里斯基分解矩阵；通过式8，对所述第一违约相关性矩阵p1进行乔里斯基分解：ꢀꢀꢀꢀꢀ（式8）其中，p1表示所述第一违约相关性矩阵，表示第一违约相关性矩阵对应的乔里斯基分解矩阵，并且，其中所述根据所述第一违约相关性矩阵对应的乔里斯基分解结果、所述至少一个相互独立的随机数以及所述第一变换违约时间集合，确定所述第二变换违约时间集
合，包括：通过式9确定所述第二变换违约时间集合：ꢀꢀꢀꢀꢀ（式9）其中，v2表示所述第二变换违约时间集合对应的向量，v1表示所述第一变换违约时间集合对应的向量，r表示所述至少一个相互独立的随机数对应的向量，c
1-1
表示c1的逆矩阵。通过式9，可以得到服从所述预定的概率分布（这里是标准正态分布）的变量（即，v2中各个元素均服从标准正态分布）。式9所描述的变换处理可以视为上文式6中的函数f2的一种实现方式。
[0059]
需要说明的是，以上结合式7、式8、式9所描述的确定所述第二变换违约时间集合的过程仅仅是示意性地。替代地，注意到式8中对p1进行乔里斯基分解所得结果中包含式7中对p
2 进行乔里斯基分解所得结果（c1和c
1t
），因此，可以省略式7中对p
2 进行乔里斯基分解的步骤，而仅仅执行式8中对p1进行乔里斯基分解的步骤以确定所述第二变换违约时间集合对应的向量v2，从而确定所述第二变换违约时间集合。
[0060]
根据本公开的一些实施例，违约时间预测方法200中的步骤240包括：根据所述预定的概率分布，确定所述预定的概率分布对应的累积分布函数。示例性地，可以对所述预定的概率分布进行积分以得到所述预定的概率分布对应的累积分布函数；分别将所述第二变换违约时间集合中各元素作为自变量取值，计算所述预定的概率分布对应的累积分布函数的函数值；根据所述第二资产集合中各第二资产的违约时间概率分布，确定所述第二资产集合中各第二资产对应的违约时间累积分布函数的反函数。示例性地，可以对所述第二资产集合中各第二资产的违约时间概率分布进行积分以得到所述第二资产集合中各第二资产对应的违约时间累积分布函数，然后对该违约时间累积分布函数求逆以得到其反函数；将所述预定的概率分布对应的累积分布函数的函数值作为自变量取值，计算所述第二资产集合中各第二资产对应的违约时间累积分布函数的反函数的函数值，以得到所述第二预测违约时间集合。以上过程可以用式10来描述：t2= {
…
, t
2_j ,
…
]} = {
…
, q-1j
[q
norm
(v
2_j
)] ,
…
}ꢀꢀꢀꢀꢀ（式10）其中，1≤j≤m，m指示所述第二资产集合中第二资产的个数。t
2_j
指示所述第二预测违约时间集合中第j个元素（即对应于所述第二资产集合中第j个第二资产的预测的违约时间）。函数qj指示所述第二资产集合中第j个第二资产对应的违约时间累积分布函数，而函数 q-1j
指示函数qj的反函数。函数q
norm
指示所述预定的概率分布（这里是标准正态分布）对应的累积分布函数。v
2_j
指示所述第二变换违约时间集合对应的向量v2中第j个元素。结合上文关于步骤240的描述可知，式10所描述的变换处理可以视为函数f3的一种实现方式。通过式10所描述的变换处理，可以得到所述第二资产集合中各个第二资产的、服从对应的违约时间概率分布的预测的违约时间。
[0061]
图5示意性示出了根据本公开的一些实施例的分析资产池中资产的信用风险的方法500的示例流程图（为简洁起见，下文简称为资产信用风险分析方法500）的示例流程图。示例性地，资产信用风险分析方法500可以由图1所示的服务器151来实施，当然这不是限制性的。在资产信用风险分析方法500中，资产池采用循环购买结构。
[0062]
具体地，在步骤510，可以使用上文所描述的违约时间预测方法200来预测所述资产池中预期变现的目标资产的违约时间。示例性地，假设所述资产池的结构与图3示出的相
同，则当所述预期变现的目标资产进入资产池的时间为t1时，所述预期变现的目标资产可以被视为属于第一资产集合a1（当然，第一资产集合a1可以可选地包括其他资产），在这种情况下，违约时间预测方法200可以使用高斯copula模型（即，利用步骤210）来预测所述预期变现的目标资产的违约时间；而当所述预期变现的目标资产进入资产池的时间为t2时，所述预期变现的目标资产可以被视为属于第二资产集合a2（当然，第二资产集合a2可以可选地包括其他资产），在这种情况下，违约时间预测方法200可以利用步骤210、步骤220、步骤230、步骤240来预测所述预期变现的目标资产的违约时间。
[0063]
在步骤520，可以基于所述预期变现的目标资产的预测的违约时间，利用蒙特卡洛方法预测所述预期变现的目标资产在所述资产池对应的循环购买周期内发生违约的概率。在蒙特卡洛方法中，将所述预期变现的目标资产的违约时间视为随机变量，通过预设次数（例如，一万次、十万次、甚至一百万次或更多次数）的模拟测算得到所述预期变现的目标资产的多个预测的违约时间，从而模拟出所述预期变现的目标资产的违约时间的概率分布，即可以利用蒙特卡洛方法来预测所述预期变现的目标资产在所述资产池对应的循环购买周期内发生违约的概率。
[0064]
在步骤530，可以根据所述预期变现的目标资产在所述循环购买周期内发生违约的概率，分析所述预期变现的目标资产的信用风险。示例性地，当所述预期变现的目标资产在所述循环购买周期内发生违约的概率大于预设阈值时（例如，0.5、0.6、0.8、0.9等），可以认为所述预期变现的目标资产具有较高的信用风险，从而可以考虑将该资产剔除出对应的资产池以降低资产池整体的信用风险。替代地，通过资产信用风险分析方法500，可以预测资产池中各个资产在对应的循环购买周期内发生违约的概率，进而将这些概率作为权重，得到基于各个资产的违约额的加权违约额，从而用于确定资产池的违约率（加权违约额除以资产池总规模）以及对资产池的信用风险的分析。此外，对于采用循环购买结构的金融产品（例如，资产支持证券）来说，可以在金融产品的定价过程中考虑本公开提供的方法（例如，资产信用风险分析方法500）所预测的金融产品对应的资产池中各个资产在金融产品存续期内发生违约的概率。
[0065]
下面结合图6来进一步说明资产信用风险分析方法500的原理。如图6所示，与图3类似，资产池300包括第一资产集合a1和第二资产集合a2，第一资产集合a1进入资产池300的时间为t1，第二资产集合a2进入资产池300的时间为t2。
[0066]
在蒙特卡洛方法的某次模拟测算中，假设第一资产集合a1中的第一资产a
1_1
为预期变现的目标资产，如图6所示，第一资产a
1_1
的预测的违约时间为δt
1_1
，可以看出，第一资产a
1_1
的预测的发生违约的时间t
1_1
在资产池300对应的循环购买周期内，则在本次模拟测算中，可以认为第一资产a
1_1
在资产池300对应的循环购买周期内发生违约。第一资产a
1_1
在资产池300对应的循环购买周期内发生违约的概率可以通过模拟测算中发生违约的次数和模拟测算的总次数之比来确定（预测）。
[0067]
替代地，在蒙特卡洛方法的某次模拟测算中，假设第二资产集合a2中的第二资产a
2_2
为预期变现的目标资产，如图6所示，第二资产a
2_2
的预测的违约时间为δt
2_2
，由于δt
2_2
大于第二资产集合a2进入资产池300的时间t2和资产池300对应的循环购买周期的结束时间t
end
之间的时间差，即第二资产a
2_2
的预测的发生违约的时间t
2_2
在资产池300对应的循环购买周期外，则在本次模拟测算中，可以认为第二资产a
2_2
在资产池300对应的循环购买
周期内未发生违约。第二资产a
2_2
在资产池300对应的循环购买周期内发生违约的概率可以通过模拟测算中发生违约的次数和模拟测算的总次数之比来确定（预测）。
[0068]
图7示意性示出了根据本公开的一些实施例的分析资产支持证券的信用风险的方法（为简洁起见，下文简称为资产支持证券分析方法700）的示例流程图。示例性地，资产支持证券分析方法700可以由图1所示的服务器151来实施，当然这不是限制性的。在资产支持证券分析方法700中，资产支持证券对应的资产池采用循环购买结构。一般地，资产支持证券对应的资产池中的各个资产都是预期变现的资产。
[0069]
具体地，在步骤710，可以使用上文所描述的违约时间预测方法200来预测所述资产池中各资产的违约时间。示例性地，假设所述资产池的结构与图3示出的相同，则所述预测所述资产池中各资产的违约时间包括：使用高斯copula模型（即，利用步骤210）来预测所述资产池中第一资产集合中的各第一资产的违约时间，以及利用步骤210、步骤220、步骤230、步骤240来预测所述资产池中第二资产集合中的各第二资产的违约时间。
[0070]
在步骤720，可以基于所述资产池中各资产的预测的违约时间，利用蒙特卡洛方法预测所述资产池的违约率分布。关于蒙特卡洛方法，可以参考上文关于图5和图6的描述，这里不再赘述。示例性地，在蒙特卡洛方法的某次模拟测算中，所述资产池的违约率通过以下方式来确定：计算违约时间在所述资产池对应的循环购买周期内的各个资产的违约额，将这些资产的违约额之和与所述资产池总规模相除，以确定所述资产池的违约率。以此方式，通过蒙特卡洛方法的多次模拟测算，可以得到所述资产池的违约率的近似分布（换言之，可以预测所述资产池的违约率的分布）。
[0071]
在步骤730，可以根据所述资产池的预测的违约率分布，分析所述资产支持证券的信用风险。所述资产池的预测的违约率分布包含有不同违约率水平对应的概率的信息，示例性地，当所述资产池的预测的违约率分布得知，10%的违约率水平发生的概率高于15%时，可以认为所述资产支持证券的信用风险较高。另外，该违约率分布也可以用于资产支持证券的评级与定价，这些基于资产池违约率分布的各种应用在本领域中是已知的，本公开对此不作限制。
[0072]
下面结合图8来进一步说明资产支持证券分析方法700的原理。如图8所示，与图3和图6类似，资产池300包括第一资产集合a1和第二资产集合a2，第一资产集合a1进入资产池300的时间为t1，第二资产集合a2进入资产池300的时间为t2。
[0073]
图8示出了通过蒙特卡洛方法的多次模拟测算得到的采用循环购买结构的某资产池的违约率的近似分布。可以看出，9%的资产池违约率的发生概率最高（约12.5%），在9%的基础上，随着资产池违约率的增加或减小，对应资产池违约率的发生概率逐渐减小。当基于该资产池发行特定类型的资产支持证券（例如，债券）时，该违约率分布可以用于债券的评级、定价等应用，示例性地，当基于该资产池发行十年期的债券时，查询预设的信用等级违约率表已知：十年期的aa-级债券的违约率不得高于2.65%，则由图8所示的该资产池的违约率分布可知，资产池违约率大于17%的概率的不超过2.5%，则在资产池违约率为17%的压力下，基于该资产池发行的十年期的债券如果能够按约定支付，则可以将该债券的评级定为aa-。
[0074]
图9示意性示出了根据本公开的一些实施例的用于预测资产池中资产的违约时间的装置（为简洁起见，下文简称为资产违约时间预测装置900）的示例框图。所述资产池包括
第一资产集合和第二资产集合，所述第一资产集合在所述第二资产集合之前进入所述资产池，所述第一资产集合包括预期变现的至少一个第一资产，所述第二资产集合包括预期变现的至少一个第二资产。示例性地，资产违约时间预测装置900可以部署在图1中的服务器151上。如图9所示，资产违约时间预测装置900包括违约时间获取模块910、第一变换模块920、违约时间确定模块930、以及第二变换模块940。
[0075]
具体地，违约时间获取模块910可以被配置为获取与所述第一资产集合对应的第一预测违约时间集合，所述第一预测违约时间集合包括所述第一资产集合中每个第一资产的预测违约时间；第一变换模块920可以被配置为根据预定的概率分布和所述第一资产集合中各第一资产的违约时间概率分布，将所述第一预测违约时间集合变换为第一变换违约时间集合；违约时间确定模块930可以被配置为基于所述资产池中各资产之间的违约相关性、所述第一变换违约时间集合、以及服从所述预定的概率分布的至少一个相互独立的随机数，确定第二变换违约时间集合，其中，所述随机数的个数等于所述至少一个第二资产的个数；第二变换模块940可以被配置为根据所述预定的概率分布和所述第二资产集合中各第二资产的违约时间概率分布，将所述第二变换违约时间集合变换为第二预测违约时间集合，其中，所述第二预测违约时间集合包括所述第二资产集合中每个第二资产的预测违约时间，每个第二资产的所述预测违约时间服从对应的违约时间概率分布。
[0076]
图10示意性示出了根据本公开的一些实施例的用于分析资产池中资产的信用风险的装置（为简洁起见，下文简称为资产信用风险分析装置1000）的示例框图。所述资产池采用循环购买结构。示例性地，资产信用风险分析装置1000可以部署在图1中的服务器151上。如图10所示，资产信用风险分析装置1000包括违约时间预测模块1010、违约概率预测模块1020、以及信用风险分析模块1030。
[0077]
具体地，违约时间预测模块1010可以被配置为使用上述用于预测资产池中资产的违约时间的装置，预测所述资产池中预期变现的目标资产的违约时间；违约概率预测模块1020可以被配置为基于所述预期变现的目标资产的预测的违约时间，利用蒙特卡洛方法预测所述预期变现的目标资产在所述资产池对应的循环购买周期内发生违约的概率；信用风险分析模块1030可以被配置为根据所述预期变现的目标资产在所述循环购买周期内发生违约的概率，分析所述预期变现的目标资产的信用风险。
[0078]
图11示意性示出了根据本公开的一些实施例的用于分析资产支持证券的信用风险的装置（为简洁起见，下文简称为资产支持证券分析装置1100）的示例框图。所述资产支持证券对应的资产池采用循环购买结构。示例性地，资产支持证券分析装置1100可以部署在图1中的服务器151上。如图11所示，资产支持证券分析装置1100包括违约时间预测模块1110、违约率分布预测模块1120、以及信用风险分析模块1130。
[0079]
具体地，违约时间预测模块1110可以被配置为使用上述用于预测资产池中资产的违约时间的装置，预测所述资产池中各资产的违约时间；违约率分布预测模块1120可以被配置为基于所述资产池中各资产的预测的违约时间，利用蒙特卡洛方法预测所述资产池的违约率分布；信用风险分析模块1130可以被配置为根据所述资产池的预测的违约率分布，分析所述资产支持证券的信用风险。
[0080]
应理解，上述资产违约时间预测装置900、资产信用风险分析装置1000、以及资产支持证券分析装置1100均可以以软件、硬件或软硬件相结合的方式实现。这些装置中的多
个不同模块可以在同一软件或硬件结构中实现，或者一个模块可以由多个不同的软件或硬件结构实现。
[0081]
此外，资产违约时间预测装置900、资产信用风险分析装置1000、以及资产支持证券分析装置1100可以分别用于实施前文所描述的预测资产违约时间的方法、分析资产信用风险的方法、以及分析资产支持证券的信用风险的方法，其相关细节已经在前文中详细描述，为简洁起见，这里不再赘述。另外，这些装置可以具有与对应方法描述的相同的特征和优势。
[0082]
图12图示了示例系统，其包括代表可以实现本文描述的各种技术的一个或多个系统和/或设备的示例计算设备1200。计算设备1200可以是例如服务提供商的服务器、与服务器相关联的设备、片上系统、和/或任何其他合适的计算设备或计算系统。上面参照图9、图10、以及图11描述的资产违约时间预测装置900、资产信用风险分析装置1000、以及资产支持证券分析装置1100均可以采取计算设备1200的形式，当然，这些装置可以共同组成计算设备1200。替换地，这些装置中的一种或多种可以以应用1216的形式被实现为计算机程序。
[0083]
如图12所示的示例计算设备1200包括彼此通信耦合的处理系统1211、一个或多个计算机可读介质1212以及一个或多个i/o接口1213。尽管未示出，但是计算设备1200还可以包括系统总线或其他数据和命令传送系统，其将各种组件彼此耦合。系统总线可以包括不同总线结构的任何一个或组合，所述总线结构诸如存储器总线或存储器控制器、外围总线、通用串行总线、和/或利用各种总线架构中的任何一种的处理器或局部总线。还构思了各种其他示例，诸如控制和数据线。
[0084]
处理系统1211代表使用硬件执行一个或多个操作的功能。因此，处理系统1211被图示为包括可被配置为处理器、功能块等的硬件元件1214。这可以包括在硬件中实现为专用集成电路或使用一个或多个半导体形成的其他逻辑器件。硬件元件1214不受其形成的材料或其中采用的处理机构的限制。例如，处理器可以由（多个）半导体和/或晶体管（例如，电子集成电路（ic））组成。在这样的上下文中，处理器可执行指令可以是电子可执行指令。
[0085]
计算机可读介质1212被图示为包括存储器/存储装置1215。存储器/存储装置1215表示与一个或多个计算机可读介质相关联的存储器/存储容量。存储器/存储装置1215可以包括易失性介质（诸如随机存取存储器（ram））和/或非易失性介质（诸如只读存储器（rom）、闪存、光盘、磁盘等）。存储器/存储装置1215可以包括固定介质（例如，ram、rom、固定硬盘驱动器等）以及可移动介质（例如，闪存、可移动硬盘驱动器、光盘等）。计算机可读介质1212可以以下面进一步描述的各种其他方式进行配置。
[0086]
一个或多个i/o接口1213代表允许用户使用各种输入设备向计算设备1200输入命令和信息并且可选地还允许使用各种输出设备将信息呈现给用户和/或其他组件或设备的功能。输入设备的示例包括键盘、光标控制设备（例如，鼠标）、麦克风（例如，用于语音输入）、扫描仪、触摸功能（例如，被配置为检测物理触摸的容性或其他传感器）、相机（例如，可以采用可见或不可见的波长（诸如红外频率）将不涉及触摸的运动检测为手势）等等。输出设备的示例包括显示设备（例如，监视器或投影仪）、扬声器、打印机、网卡、触觉响应设备等。因此，计算设备1200可以以下面进一步描述的各种方式进行配置以支持用户交互。
[0087]
计算设备1200还包括应用1216。应用1216可以例如是资产违约时间预测装置900、资产信用风险分析装置1000、以及资产支持证券分析装置1100中的一种或多种的软件实
例，并且与计算设备1200中的其他元件相组合地实现本文描述的技术。
[0088]
本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。一般地，这些模块包括执行特定任务或实现特定抽象数据类型的例程、程序、元素、组件、数据结构等。本文所使用的术语“模块”，“功能”和“组件”一般表示软件、固件、硬件或其组合。本文描述的技术的特征是与平台无关的，意味着这些技术可以在具有各种处理器的各种计算平台上实现。
[0089]
所描述的模块和技术的实现可以存储在某种形式的计算机可读介质上或者跨某种形式的计算机可读介质传输。计算机可读介质可以包括可由计算设备1200访问的各种介质。作为示例而非限制，计算机可读介质可以包括“计算机可读存储介质”和“计算机可读信号介质”。
[0090]
与单纯的信号传输、载波或信号本身相反，“计算机可读存储介质”是指能够持久存储信息的介质和/或设备，和/或有形的存储装置。因此，计算机可读存储介质是指非信号承载介质。计算机可读存储介质包括诸如易失性和非易失性、可移动和不可移动介质和/或以适用于存储信息（诸如计算机可读指令、数据结构、程序模块、逻辑元件/电路或其他数据）的方法或技术实现的存储设备之类的硬件。计算机可读存储介质的示例可以包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字通用盘（dvd）或其他光学存储装置、硬盘、盒式磁带、磁带，磁盘存储装置或其他磁存储设备，或其他存储设备、有形介质或适于存储期望信息并可以由计算机访问的制品。
[0091]“计算机可读信号介质”是指被配置为诸如经由网络将指令发送到计算设备1200的硬件的信号承载介质。信号介质典型地可以将计算机可读指令、数据结构、程序模块或其他数据体现在诸如载波、数据信号或其他传输机制的调制数据信号中。信号介质还包括任何信息传递介质。术语“调制数据信号”是指这样的信号，该信号的特征中的一个或多个被设置或改变，从而将信息编码到该信号中。作为示例而非限制，通信介质包括诸如有线网络或直接连线的有线介质以及诸如声、rf、红外和其他无线介质的无线介质。
[0092]
如前所述，硬件元件1214和计算机可读介质1212代表以硬件形式实现的指令、模块、可编程器件逻辑和/或固定器件逻辑，其在一些实施例中可以用于实现本文描述的技术的至少一些方面。硬件元件可以包括集成电路或片上系统、专用集成电路（asic）、现场可编程门阵列（fpga）、复杂可编程逻辑器件（cpld）以及硅中的其他实现或其他硬件设备的组件。在这种上下文中，硬件元件可以作为执行由硬件元件所体现的指令、模块和/或逻辑所定义的程序任务的处理设备，以及用于存储用于执行的指令的硬件设备，例如，先前描述的计算机可读存储介质。
[0093]
前述的组合也可以用于实现本文所述的各种技术和模块。因此，可以将软件、硬件或程序模块和其他程序模块实现为在某种形式的计算机可读存储介质上和/或由一个或多个硬件元件1214体现的一个或多个指令和/或逻辑。计算设备1200可以被配置为实现与软件和/或硬件模块相对应的特定指令和/或功能。因此，例如通过使用处理系统的计算机可读存储介质和/或硬件元件1214，可以至少部分地以硬件来实现将模块实现为可由计算设备1200作为软件执行的模块。指令和/或功能可以由一个或多个制品（例如，一个或多个计算设备1200和/或处理系统1211）可执行/可操作以实现本文所述的技术、模块和示例。
[0094]
在各种实施方式中，计算设备1200可以采用各种不同的配置。例如，计算设备1200
可以被实现为包括个人计算机、台式计算机、多屏幕计算机、膝上型计算机、上网本等的计算机类设备。计算设备1200还可以被实现为包括诸如移动电话、便携式音乐播放器、便携式游戏设备、平板计算机、多屏幕计算机等移动设备的移动装置类设备。计算设备1200还可以实现为电视类设备，其包括具有或连接到休闲观看环境中的一般地较大屏幕的设备。这些设备包括电视、机顶盒、游戏机等。
[0095]
本文描述的技术可以由计算设备1200的这些各种配置来支持，并且不限于本文所描述的技术的具体示例。功能还可以通过使用分布式系统、诸如通过如下所述的平台1222而在“云”1220上全部或部分地实现。
[0096]
云1220包括和/或代表用于资源1224的平台1222。平台1222抽象云1220的硬件（例如，服务器）和软件资源的底层功能。资源1224可以包括在远离计算设备1200的服务器上执行计算机处理时可以使用的应用和/或数据。资源1224还可以包括通过因特网和/或通过诸如蜂窝或wi-fi网络的订户网络提供的服务。
[0097]
平台1222可以抽象资源和功能以将计算设备1200与其他计算设备连接。平台1222还可以用于抽象资源的分级以提供遇到的对于经由平台1222实现的资源1224的需求的相应水平的分级。因此，在互连设备实施例中，本文描述的功能的实现可以分布在整个系统1200内。例如，功能可以部分地在计算设备1200上以及通过抽象云1220的功能的平台1222来实现。
[0098]
应当理解，为清楚起见，参考不同的功能单元对本公开的实施例进行了描述。然而，将明显的是，在不偏离本公开的情况下，每个功能单元的功能性可以被实施在单个单元中、实施在多个单元中或作为其他功能单元的一部分被实施。例如，被说明成由单个单元执行的功能性可以由多个不同的单元来执行。因此，对特定功能单元的参考仅被视为对用于提供所描述的功能性的适当单元的参考，而不是表明严格的逻辑或物理结构或组织。因此，本公开可以被实施在单个单元中，或者可以在物理上和功能上被分布在不同的单元和电路之间。
[0099]
将理解的是，尽管第一、第二、第三等术语在本文中可以用来描述各种设备、元件、部件或部分，但是这些设备、元件、部件或部分不应当由这些术语限制。这些术语仅用来将一个设备、元件、部件或部分与另一个设备、元件、部件或部分相区分。
[0100]
尽管已经结合一些实施例描述了本公开，但是其不旨在被限于在本文中所阐述的特定形式。相反，本公开的范围仅由所附权利要求来限制。附加地，尽管单独的特征可以被包括在不同的权利要求中，但是这些可以可能地被有利地组合，并且包括在不同权利要求中不暗示特征的组合不是可行的和/或有利的。特征在权利要求中的次序不暗示特征必须以其工作的任何特定次序。此外，在权利要求中，词“包括”不排除其他元件，并且术语“一”或“一个”不排除多个。权利要求中的附图标记仅作为明确的例子被提供，不应该被解释为以任何方式限制权利要求的范围。
[0101]
应当理解，为清楚起见，参考不同的功能单元对本公开的实施例进行了描述。然而，将明显的是，在不偏离本公开的情况下，每个功能单元的功能性可以被实施在单个单元中、实施在多个单元中或作为其他功能单元的一部分被实施。例如，被说明成由单个单元执行的功能性可以由多个不同的单元来执行。因此，对特定功能单元的参考仅被视为对用于提供所描述的功能性的适当单元的参考，而不是表明严格的逻辑或物理结构或组织。因此，
本公开可以被实施在单个单元中，或者可以在物理上和功能上被分布在不同的单元和电路之间。
[0102]
本公开提供了一种计算机可读存储介质，其上存储有计算机可读指令，计算机可读指令在被执行时实现上述的预测资产的违约时间的方法、分析资产池中资产的信用风险的方法、以及分析资产支持证券的信用风险的方法。
[0103]
本公开提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算设备执行上述各种可选实现方式中提供的预测资产的违约时间的方法、分析资产池中资产的信用风险的方法、以及分析资产支持证券的信用风险的方法。
[0104]
通过研究附图、公开内容和所附的权利要求书，本领域技术人员在实践所要求保护的主题时，能够理解和实现对于所公开的实施例的变型。在权利要求书中，词语“包括”不排除其他元件或步骤，并且“一”或“一个”不排除多个。在相互不同的从属权利要求中记载某些措施的纯粹事实并不指示这些措施的组合不能被有利地使用。