一种市场压力测试及监控系统的制作方法

1.本发明属于金融技术领域，特别涉及一种市场压力测试及监控系统。


背景技术：

2.金融的核心是风险控制，风险伴随着项目执行的整个过程，风险的出现会增加项目的费用，减缓项目的进度，并对项目的完成质量产生很大的影响，从而影响投资者的预期收益。因此，对项目风险进行分析，并探讨如何控制风险就变得非常必要。
3.风险控制是指风险管理者采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或风险控制者减少风险事件发生时造成的损失。
4.现有技术中，风控系统中大部分是基于历史数据进行建模，提取特征、计量风险和研发模型,本发明人经研究发现，当前基于bs模型生成的数据是风险中性的，并非市场的实际行情。基于此进行评估期权策略有效性的测试，造成了智能化增强风险管理和预见性的手段严重缺失。


技术实现要素：

5.为了至少解决上述技术问题，本发明提供了一种市场压力测试及监控系统。
6.根据本发明第一方面，提供了一种市场压力测试及监控系统，包括：触发模块，用于在接收到期权策略评估请求时，获取历史数据，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，获取历史数据，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；获取模块，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块；评估模块，用于通过策略评估模型，根据期权合约基本参数、期权自有策略和合成数据集，依据标的资产价格路径，计算并给出评估结果；还用于根据用户选择的未来t 1日标的资产价格所在价格区间,计算损益分布及对应的评估指标 pnl均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下var、es值；警示模块，用于根据监控对象实际计量值进入对应的预警区域，发出预警。
7.进一步地，所述触发模块，包括：第一触发子模块，用于在接收到期权策略评估请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于策略评估的标的资产价格路径，并触发获取模块；第二触发子模块，用于在接收到期权事中监控及预警请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块。
8.进一步地，所述无风险利率路径至少包括：shibor、libor、sofr、国债利率。
9.进一步地，所述期权合约基本参数至少包括：名义本金、行权价、开始日、观察日、到期日、无风险利率、挂钩标的。
10.进一步地，所述获取期权自有策略包括：获取基本对冲策略和对冲风险限额；基本对冲策略包括固定时间周期对冲、标的资产价格变动对冲、对冲至delta带。
11.进一步地，所述评估模块具体用于计算当笔期权在所选策略下至到期日的损益分布，含自由对冲策略、基本对冲策略及无策略以及损益分布对应的评估指标值pnl均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下var、es值；评估模块具体还用于根据用户选择的未来t 1日标的资产价格所在价格区间，计算损益分布及对应的评估指标 pnl均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下var、es值。
12.进一步地，所述监控对象至少包括资产总盈亏，每日盈亏、greeks、汇率、无风险利率，通过风险利率路径与监控对象相结合，根据标的资产价格路径推演出监控对象的未来走势概率分布,画定预警边界。
13.进一步地，所述系统用于推演投资组合和外汇期权累计盈亏的未来走势概率分布；用于推演标的资产的未来走势概率分布；用于推演投资组合及成分资产未来不同时点的盈亏概率分布；用于推演未来希腊字母风险敞口走势；用于推演未来时点主观压力条件的标的资产走势数据；用于推演未来时点发生历史极端事件的标的资产走势概率分布；用于未来标的资产走势进行策略评估；用于监控对象实际计量值计算；用于根据监控对象点位所在推演概率分布位置预警；用于通过推演的盈亏概率var和es值计算；用于隐含波动率和已实现波动率计算及可视化模块；还用于策略评估及监控报告生成。
14.本发明的有益效果：本发明通过生成式对抗网络技术生成人造合成数据,前瞻性评估各种压力情景下金融资产风险暴露，识别定位业务的脆弱环节，改进对风险状况的理解，监测风险的变动。对基于历史数据的计量模型进行补充，识别和管理“尾部”风险，对模型假设进行评估。
附图说明
15.本发明上述的和 / 或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中，图1为本发明提供的一种市场压力测试及监控系统结构示意图；图2为本发明提供的一种推演未来走势概率分布示意图。
具体实施方式
16.下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
17.为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
18.在本发明的第一方面，提供一种市场压力测试及监控系统，包括：
触发模块101，用于在接收到期权策略评估请求时，获取历史数据，根据历史数据生成用于策略评估的标的资产价格路径，并触发获取模块；用于在接收到期权事中监控及预警请求时，获取历史数据，根据历史数据生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块；本发明中，触发模块101，具体用于在接收到期权策略评估请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于策略评估的标的资产价格路径，并触发获取模块102；用于在接收到期权事中监控及预警请求时，获取历史数据，学习历史数据的高维统计特征，通过生成式人工智能技术生成用于期权策略监控的标的资产价格路径和无风险利率路径，并触发走势绘制模块104；其中，无风险利率路径包括但不限于shibor、libor、sofr、国债利率。
19.获取模块102，用于获取期权合约基本参数、期权自有策略，获取合成数据集，并触发评估模块103；在本发明中，期权合约基本参数包括：名义本金、行权价、开始日、观察日、到期日、无风险利率、挂钩标的等。
20.在另一个实施例中，获取期权自有策略还可以为获取基本对冲策略和对冲风险限额。进一步地，基本对冲策略包括固定时间周期对冲、标的资产价格变动对冲、对冲至delta带等。
21.在本发明实施例中，通过机器学习的算法，学习暗含在真实行情数据中的随机统计规律，从而生成平行世界中的相应数据,是运用计算机模拟生成的人造数据，用来模拟现实世界的观察与观测。
22.评估模块103，用于通过策略评估模型，根据期权合约基本参数、期权自有策略和合成数据集，依据标的资产价格路径，计算并给出评估结果；在本发明中，评估模块103具体用于计算当笔期权在所选策略下至到期日的损益分布，含自由对冲策略、基本对冲策略及无策略以及损益分布对应的评估指标值pnl均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下var、es值。
23.评估模块103具体还用于根据用户选择的未来t 1日标的资产价格所在价格区间,其中，t 1日具体可以为t 5日，计算从未来t 1日至t日损益分布及对应的评估指标 pnl均值、方差、盈利次数、亏损次数、盈亏比、99%置信度下var、es值。
24.走势绘制模块104，用于根据标的资产价格路径推演出监控对象的未来走势概率分布,画定一个标准差、二个标准差、三个标准差作为预警边界；用于在各个推演分布下计算监控对象的实际计量值并标记监控点位，并触发警示模块105；本发明中，监控对象包括但不限于资产总盈亏，每日盈亏、geeks、汇率、无风险利率，通过风险利率路径与监控对象相结合，根据标的资产价格路径推演出监控对象的未来走势概率分布,画定预警边界。
25.警示模块105，用于根据监控对象实际计量值进入对应的预警区域，发出预警。
26.在本发明中，可以采用不同颜色展示预警信号进行预警，当然也可以发出不同的报警音乐进行预警。
27.在本公开中，估值和情景分析是金融机构进行的两项重要活动，二者都涉及到未来现金流的估算，两者的目的不相同。在估值过程中，旨在估算未来现金流的当前价值。在
情景分析中，目的是探究未来某一时间点上，所有可能出现的情况。对于那些带来不利后果的情景尤为关注，更关注情况到底会糟糕到什么程度。
28.对于风险中性数据，目前估值比较通用的做法是通过市场风险中性数据集求出未来现金流的期望，然后将该期望值贴现到当前，进而得到当前价值。
29.也有分析人员通过估值进一步来计算出市场变量在风险中性世界中的表现，来进行分析评估，但是这样做的结果往往是不尽如人意的，特别是当需要考虑时间段比较长的情况下；因为这么做的前提是分析人员假设了市场变量在真实世界中的表现和它在风险中性世界中表现是一样的。
30.有效市场数据，作为真实世界数据，对于情景分析，金融机构希望了解将来可能发生的状况，我们的目的不是估值，所以未来的现金流也不会贴现到当前。在情景分析时，我们考虑的世界是真实的世界，而不是风险中性世界。因为风险中性的世界中对于风险管理来说没有实际意义；不过根据哥萨夫定理，我们可以从一个风险偏好设定的世界中变换到另一个风险偏好设定的世界时，市场变量（例如股票价格、商品价格、汇率、利率等）的预期增长率会发生变化，但是他们的波动率不会变。
31.风险中性数据与有效市场数据相结合，在某些情况下，进行的场景分析要求我们即使用有效市场数据，又要使用风险中性数据。例如，我们要用有效市场数据来模拟在未来某一时间范围内可能发生的情景，又需要通过风险中性数据来估算在这个时间范围内有效的估值。
32.在本发明的一个实施例中，系统用于推演投资组合和外汇期权累计盈亏的未来走势概率分布；用于推演标的资产的未来走势概率分布；用于推演投资组合及成分资产未来不同时点的盈亏概率分布；用于推演未来希腊字母风险敞口走势；用于推演未来时点主观压力条件的标的资产走势数据；用于推演未来时点发生历史极端事件的标的资产走势概率分布；在本发明中，标的资产包括但不限于汇率、利率、指数。
33.在本发明的又一个实施例中，系统具体可以用于推演投资组合和外汇期权累计盈亏的未来走势概率分布；用于推演标的资产（汇率、利率、指数等）的未来走势概率分布；用于推演投资组合及成分资产未来不同时点的盈亏概率分布；用于推演未来希腊字母风险敞口走势；用于推演未来时点主观压力条件的标的资产走势数据；还用于推演未来时发生历史极端事件的标的资产走势概率分布；用于未来标的资产走势进行策略评估；用于监控对象实际计量值计算；用于根据监控对象点位所在推演概率分布位置预警；用于通过推演的盈亏概率var和es值计算；用于隐含波动率和已实现波动率计算及可视化模块；还用于策略评估及监控报告生成。
34.在本发明中，系统是针对金融市场风险推演未来趋势、测试压力的一款数据驱动系统，主要是通过生成式对抗网络技术生成人造合成数据,前瞻性评估各种压力情景下金融资产风险暴露，识别定位业务的脆弱环节，改进对风险状况的理解，监测风险的变动。对基于历史数据的计量模型进行补充，识别和管理“尾部”风险，对模型假设进行评估。
35.通过生成式人工智能技术和数字化手段开展未来市场走势推演工作，并进行监控对象的实际计量值计算进而对市场风险的监控和预警；帮助风控管理人员观测投组及成分资产、策略、因子等多维度风险情况；跟踪当期损益、风险敞口和推演未来损益、风险概率，
配合止损线做管理动作，帮组金融机构初步建立复杂衍生品的风控预警能力，补充商业银行未来不确定性干系数据、模型和能力。
36.本系统能够事前针对金融机构的场外衍生品策略在全市场、近期市场、压力市场、特殊金融周期、特定金融场景等不同条件下的损益评估；事中针对金融机构的场外衍生品策略对于未知事件影响的监控和预警,通过实际计量值在推演概率分布间的位置接达到避险效果。
37.在本发明的另一个实施例中，提供对比模型：模型1(生成式人工智能)；模型2(均值回归)；模型3(蒙特卡洛)；对比方法：分别通过要对比的三类模型，在20个不同期权起始日的时间周期内，各自模拟1000条汇率价格路径；每个周期内执行1个实值期权合约、2个看涨call期权合约和2个看跌call期权合约；分别计算出期权到期日对应期权的累计损益分布；评估模型的有效性，即需要统计检验如下的假设：实际历史发生的累计损益分布是否和模型推演的分布一致；由于模型推演的分布是在变动的，需要先将变动的推演分布转化为在等分位数上的均匀分布，然后运用k-s统计检验，可以检验出上述的假设是否成立。本发明通过k-s统计检验结果能看出,生成式人工智能模型生成的数据其与真实发生值匹配度最高,均值回归模型其次,蒙特卡洛模型生成的数据较差。
38.本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、
ꢀ“
一 个”、
ꢀ“
所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措 辞“包括”是指存在所述特征、整数、步骤、操作、元件和 / 或组件，但是并不排除存在或添加 一个或多个其他特征、整数、步骤、操作、元件、组件和 / 或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时， 它可以直接连接或耦接到其他元件，或者也可以存在 中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用 的措辞“和 / 或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0039] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语 ( 包括技术 术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应 该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中 的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
[0040]
应当理解，以上借助优选实施例对本发明的技术方案进行的详细说明是示意性的而非限制性的。本领域的普通技术人员在阅读本发明说明书的基础上可以对各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。