掌桥专利:专业的专利平台
掌桥专利
首页

金融产品的风险参数预测方法、装置、设备及介质

文献发布时间:2023-06-19 18:37:28


金融产品的风险参数预测方法、装置、设备及介质

技术领域

本申请涉及金融科技领域,尤其涉及一种金融产品的风险参数预测方法、装置、设备及介质。

背景技术

目前,各类金融产品的风险参数预测尤为重要。

现有技术中,对于各类金融产品的风险参数预测,通常由人工根据金融产品的各种参数、历史数据进行分析,比如,产品定期的数据信息,比如月度数据、季度数据等,以确定金融产品的风险参数等级。

综上所述,现有的金融产品的风险参数预测方法由人工根据自身经验和金融产品的各种参数、历史数据确定风险参数等级,导致风险参数等级的预测准确性较低。

发明内容

本申请实施例提供一种金融产品的风险参数预测方法、装置、设备及介质,用于解决现有的金融产品的风险参数预测方法由人工根据自身经验和养老金产品的相关信息确定风险等级,导致风险等级的预测准确性较低的问题。

第一方面,本申请实施例提供一种金融产品的风险参数预测方法,包括:

根据获取的目标金融产品的标识,获取所述目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据;

根据所述初始信用参数等级、所述预设第一时长内的激励指数波动幅度和所述产品反馈数据,确定每个子产品的目标信用参数等级;

获取所述目标金融产品的设定时间段内的分析数据;

根据所述设定时间段内的分析数据,确定每个子产品的用户持有量数据;

根据所述每个子产品的目标信用参数等级和所述每个子金产品的用户持有量数据,确定所述目标金融产品的风险参数等级。

在一种具体实施方式中,

所述获取所述目标金融产品中每个子产品的初始信用参数等级,包括:

对于每个子产品,若所述子产品存在担保数据,则根据所述担保数据,确定所述子产品的初始信用参数等级;

若所述子产品不存在担保数据,则将所述子产品的发行主体的信用参数等级作为所述子产品的初始信用参数等级。

在一种具体实施方式中,

所述根据所述每个子产品的目标信用参数等级和所述每个子产品的用户持有量数据,确定所述目标金融产品的风险参数等级,包括:

对于每个子产品,根据所述子产品的目标信用参数等级,确定所述子产品的信用参数等级指数;

根据所述每个子产品的信用参数等级指数、所述每个子产品的用户持有量数据和预设风险参数预测公式,确定所述目标金融产品的风险参数指数;

根据所述风险参数指数,确定所述目标金融产品的风险参数等级。

在一种具体实施方式中,所述方法还包括:

若所述目标金融产品的持仓状态为已持仓状态,则获取数据库中所有金融产品的已获激励时长;

根据所述已获激励时长,确定所述目标金融产品的已获激励指数和稳定指数;

根据所述已获激励指数和所述稳定指数,更新所述目标金融产品的风险参数等级。

在一种具体实施方式中,所述根据所述已获激励时长,确定所述目标金融产品的已获激励指数和稳定指数,包括:

若所述目标金融产品的已获激励时长小于预设第二时长,则将预设已获激励指数范围内的最大已获激励指数作为所述目标金融产品的已获激励指数;

获取所述所有金融产品的激励波动率;

根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品的激励波动率,所述所有金融产品的激励波动率中的最大激励波动率、最小激励波动率,确定所述目标金融产品的稳定指数。

在一种具体实施方式中,所述根据所述已获激励时长,确定所述目标金融产品的已获激励指数和稳定指数,包括:

若所述目标金融产品的已获激励时长大于或等于预设第二时长,则获取所述所有金融产品的所述预设第二时长的激励率;

按照所述预设第二时长的激励率从小到大的顺序,对所述所有金融产品5进行排序,得到激励序列;

根据所述目标金融产品在所述激励序列中位置,确定所述目标金融的已获激励指数;

获取所述所有金融产品的激励波动率;

根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品0的激励波动率,所述所有金融产品的激励波动率中的最大激励波动率、最小

激励波动率,确定所述目标金融产品的稳定指数。

在一种具体实施方式中,所述方法还包括:

根据所述风险参数等级,生成风险建议信息;

将所述风险参数等级和所述风险建议信息发送至用户端。

5第二方面,本申请实施例提供一种金融产品的风险参数预测装置,包括:

获取模块,用于根据获取的目标金融产品的标识,获取所述目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据;

处理模块,用于根据所述信用初始参数等级、所述预设第一时长内的激0励指数波动幅度和所述产品反馈数据,确定每个子产品的目标信用参数等级;

所述获取模块,还用于获取所述目标金融产品的设定时间段内的分析数据;

所述处理模块,还用于:

根据所述设定时间段内的分析数据,确定每个子产品的用户持有量数据;5根据所述每个子产品的目标信用参数等级和所述每个子金产品的用户持

有量数据,确定所述目标金融产品的风险参数等级。

第三方面,本申请实施例提供一种电子设备,包括:

处理器,存储器,通信接口;

所述存储器用于存储所述处理器的可执行指令;

0其中,所述处理器配置为经由执行所述可执行指令来执行第一方面任一项所述的金融产品的风险参数预测方法。

第四方面,本申请实施例提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一项所述的金融产品的风险参数预测方法。

第五方面,本申请实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时用于实现第一方面任一项所述的金融产品的风险参数预测方法。

本申请实施例提供的金融产品的风险参数预测方法、装置、设备及介质,根据获取的目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,确定每个子产品的目标信用参数等级。再根据获取的目标金融产品的设定时间段内的分析数据,确定每个子产品的用户持有量数据。最后再根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,确定目标金融产品的风险参数等级。本方案通过对初始信用参数等级、激励指数波动幅度、产品反馈数据,以及设定时间段内的分析数据等数据进行数据分析处理,得到目标金融产品的风险参数等级,有效提高了风险参数等级的预测准确性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。

图1为本申请提供的金融产品的风险参数预测方法实施例一的流程示意图;

图2为本申请提供的金融产品的风险参数预测方法实施例二的流程示意图;

图3为本申请提供的金融产品的风险参数预测方法实施例三的流程示意图;

图4为本申请提供的金融产品的风险参数预测方法实施例四的流程示意图;

图5为本申请提供的金融产品的风险参数预测装置实施例的结构示意图;

图6为本申请提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在根据本实施例的启示下作出的所有其他实施例,都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

目前,各类金融产品层出不穷,对于金融产品的风险参数预测尤为重要。

现有技术中,对于各类金融产品的风险参数预测,通常由人工根据金融产品的各种参数、历史数据进行分析,比如,产品定期的数据信息,比如月度数据、季度数据等,以确定金融产品的风险参数等级,导致风险参数等级的预测准确性较低的问题。

针对现有技术中存在的问题,发明人在对金融产品的风险参数预测方法进行研究的过程中发现,为了提高风险参数等级预测的准确性,可利用数据处理的方法,得到风险参数等级。对于要确定风险参数等级的金融产品,先获取其中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,由于预设第一时长内的激励指数波动幅度和产品反馈数据都会影响信用参数等级,所以根据初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,确定每个子产品的目标信用参数等级。进而根据获取的目标金融产品的设定时间段内的分析数据,确定每个子产品的用户持有量数据,再结合每个子产品的目标信用参数等级,即可得到目标金融产品的风险参数等级,有效提高了风险参数等级预测的准确性。基于上述发明构思,设计了本申请中的金融产品的风险参数预测方案。

本申请中金融产品的风险参数预测方法的执行主体可以是服务器,还可以是计算机、终端设备等的设备,本申请不对其进行限定,下面以服务器为例进行说明。

下面对本申请提供的金融产品的风险参数预测方法的应用场景进行说明。

示例性的,在该应用场景中,包括数据处理服务器、信用参数等级数据库、激励指数数据库、产品反馈数据库、分析数据库、金融系统服务器。信用参数等级数据库用于采集子产品的初始信用参数等级,激励指数数据库用于采集子产品的激励指数波动幅度,产品反馈数据库用于采集子产品的产品反馈数据,分析数据库用于采集金融产品的分析数据。

在进行金融产品的风险参数预测时,数据处理服务器根据目标金融产品的标识,从信用参数等级数据库中获取目标金融产品中每个子产品的初始信用参数等级,从激励指数数据库中获取每个子产品的预设第一时长内的激励指数波动幅度,从产品反馈数据库中获取每个子产品的预设第一时长内的产品反馈数据。

进而数据处理服务器根据初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,确定每个子产品的目标信用参数等级。

数据处理服务器再从分析数据库中获取所有金融产品的设定时间段内的分析数据,根据目标金融产品中每个子产品的名称或者代码以及当前时间,确定出目标金融产品的设定时间段内的分析数据,进而从中确定出每个子产品的用户持有量数据。

数据处理服务器进而根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,即可确定目标金融产品的风险参数等级。

进而数据处理服务器将目标金融产品的风险参数等级发送至金融系统服务器,以便金融系统服务器根据风险参数等级进行进一步地数据处理。

需要说明的是,上述场景仅是本申请实施例提供的一种应用场景的示意,本申请实施例不对该场景中包括的各种设备的实际形态进行限定,也不对设备之间的交互方式进行限定,在方案的具体应用中,可以根据实际需求设定。

下面,通过具体实施例对本申请的技术方案进行详细说明。需要说明的是,下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。

图1为本申请提供的金融产品的风险参数预测方法实施例一的流程示意图,本申请实施例对服务器获取目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,进一步计算每个子产品的目标信用参数等级。再根据目标金融产品的设定时间段内的分析数据,确定每个子产品的用户持有量数据。最后根据目标信用参数等级和用户持有量数据,确定目标金融产品的风险参数等级的情况进行说明。本实施例中的方法可以通过软件、硬件或者软硬件结合的方式来实现。如图1所示,该金融产品的风险参数预测方法具体包括以下步骤:

S101:根据获取的目标金融产品的标识,获取目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据。

用户在想要确定目标金融产品的风险等级时,使用终端设备向服务器发送风险参数等级预测请求,该风险参数等级预测请求中包括目标金融产品的标识。

在本步骤中,终端设备向服务器发送风险参数等级预测请求后,为了能够准确地确定风险参数等级,服务器需要根据其中的目标金融产品的标识,从信用参数等级数据库中获取目标金融产品中每个子产品的初始信用参数等级,从激励指数数据库中获取每个子产品的预设第一时长内的激励指数波动幅度,从产品反馈数据库中获取每个子产品的预设第一时长内的产品反馈数据。

需要说明的是,金融产品可以是养老金产品,激励指数波动幅度可以是价值数据波动幅度。

需要说明的是,预设第一时长可以是1天、3天,还可以是10天,本申请实施例不对预设第一时长进行限定,可根据实际情况进行设置。

需要说明的是,若本方案的执行主体为计算机、终端设备等用户可直接操作的设备时,用户可在该设备上输入目标金融产品的标识,进而该设备就可从相应的数据库中获取目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据。

需要说明的是,可实时从评级机构服务器中获取子产品的初始信用参数等级存入信用参数等级数据库中;从资讯机构服务器中获取激励指数波动幅度存入激励指数数据库,获取产品反馈数据存入产品反馈数据库中。

S102:根据初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据,确定每个子产品的目标信用参数等级。

在本步骤中,服务器获取到每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据后,由于初始信用参数等级是一种粗略的等级,还需要确定出更加准确的等级,这就需要根据初始信用参数等级、预设第一时长内的激励指数格波动幅度和产品反馈数据,确定每个子产品的目标信用参数等级。

可根据预设第一时长内的激励指数波动幅度和预设第一时长内的激励指数波动幅度与第一下降级数的对应关系,确定第一下降级数,根据产品反馈数据中反馈数量和反馈数量与第二下降级数的对应关系,确定第二下降级数,将第一下降级数和第二下降级数中的较大值作为目标下降级数,将初始信用参数等级下降目标下降级数,即可得到目标信用参数等级。

需要说明的是,若初始信用参数等级与预设最低信用参数等级的级数差值小于或等于目标下降级数,则将预设最低信用参数等级作为目标信用参数等级。

示例性的,表1为预设第一时长内的激励指数波动幅度与第一下降级数的对应关系表。

表1

需要说明的是,表1仅是对预设第一时长内的激励指数波动幅度与第一下降级数的对应关系进行示例,本申请实施例不对预设第一时长内的激励指数波动幅度与第一下降级数的对应关系进行限定,可根据实际情况进行设置。

示例性的,表2为产品反馈数据中反馈数量与第二下降级数的对应关系表。

表2

需要说明的是,表2仅是对反馈数量与第二下降级数的对应关系进行示例,本申请实施例不对反馈数量与第二下降级数的对应关系进行限定,可根据实际情况进行设置。

S103:获取金融产品的设定时间段内的分析数据。

在本步骤中,服务器得到目标金融产品的标识后,可根据当前时间和目标金融产品的标识,从分析数据库中获取与当前时间最接近的目标金融产品的设定时间段内的分析数据。

需要说明的是,金融产品的设定时间段内的分析数据可以是产品季报、产品周报、产品年报等。

需要说明的是,若服务器由于标识丢失等情况,导致获取不到设定时间段内的分析数据时,可向工作人员的终端设备发送获取分析数据失败消息,由工作人员查找对应的设定时间段内的分析数据发送至服务器,服务器即可获取到目标进而产品的设定时间段内的分析数据。

S104:根据设定时间段内的分析数据,确定每个子产品的用户持有量数据。

在本步骤中,服务器获取到目标金融产品的设定时间段内的分析数据后,由于该分析数据中信息过多,所以需要对该分析数据进行解析,获取每个子产品的用户持有量数据。

需要说明的是,用户持有量数据可以是持仓数据。

需要说明的是,步骤S101-步骤S102与步骤S103-步骤S104的执行顺序可以是先执行步骤S101-步骤S102,再执行步骤S103-步骤S104。还可以是先执行步骤S103-步骤S104,再执行步骤S101-步骤S102。还可以是步骤S101-步骤S102与步骤S103-步骤S104同时执行,本申请实施例不对步骤S101-步骤S102与步骤S103-步骤S104的执行顺序进行限定,可根据实际情况进行设置。

S105:根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,确定目标金融产品的风险参数等级。

在本步骤中,服务器确定出每个子产品的目标信用参数等级和每个子产品的用户持有量数据后,对于每个子产品,根据子产品的目标信用参数等级,以及目标信用参数等级与信用参数等级指数的对应关系,确定子产品的信用参数等级指数。

示例性的,表3为目标信用参数等级与信用参数等级指数的对应关系表。

表3

需要说明的是,表3仅是对目标信用参数等级与信用参数等级指数的对应关系进行示例,本申请实施例不对目标信用参数等级的表示方式进行限定,可以是数字、还可以是字母,比如AAA、AA、A+、A-等,还可以是颜色,比如:绿色、黄色、橙色、红色等。本申请实施例不对目标信用参数等级与信用参数等级指数的对应关系进行限定,可根据实际情况进行设置。

进而服务器根据每个子产品的信用参数等级指数、每个子产品的用户持有量数据和预设风险参数预测公式,确定目标金融产品的风险参数指数。预设风险参数预测公式为:

服务器得到风险参数指数后,即可根据风险参数指数和风险参数等级的对应关系,确定目标金融产品的风险参数等级。

示例性的,表4为风险参数指数和风险参数等级的对应关系表。

表4

需要说明的是,表4仅是对风险参数指数和风险参数等级的对应关系进行示例,本申请实施例不对风险参数指数和风险参数等级的对应关系进行限定,可根据实际情况进行设置。

需要说明的是,服务器确定目标金融产品的风险参数等级后,还可根据

风险参数等级与风险建议信息的对应关系,生成风险建议信息,再将风险建5议信息和风险参数等级发送至用户端,也就是用户的终端设备。发送方式可

以通过邮件、短信、应用程序提示消息等方式发送,本申请实施例不对发送方式进行限定,可根据实际情况进行选择。

示例性的,表5为风险参数等级与风险建议信息的对应关系表。

表5

需要说明的是,表5仅是对风险参数等级与风险建议信息的对应关系进行示例,本申请实施例不对风险参数等级与风险建议信息的对应关系进行限定,可根据实际情况进行设置。

本实施例提供的金融产品的风险参数预测方法,通过获取到目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据后,确定每个子产品的目标信用参数等级。进而根据获取的目标金融产品的设定时间段内的分析数据,确定每个子产品的用户持有量数据。最后根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,确定目标金融产品的风险参数等级。相较于现有技术中通过人工根据自身经验确定风险参数等级,本申请通过对初始信用参数等级、激励指数波动幅度、产品反馈数据,以及设定时间段内的分析数据等数据进行数据分析处理,得到目标金融产品的风险参数等级,有效提高了风险等级的预测准确性,有效降低了管控风险。

图2为本申请提供的金融产品的风险参数预测方法实施例二的流程示意图,在上述实施例的基础上,本申请实施例对根据子产品是否存在担保数据,确定每个子产品的初始信用参数等级的情况进行说明。如图2所示,该金融

产品的风险参数预测方法具体包括以下步骤:

S201:根据获取的目标金融产品的标识,确定目标金融产品的所有子产品。

在本步骤中,服务器获取到目标金融产品的标识后,可从数据库中确定出目标金融产品的所有子产品。

S202:对于每个子产品,判断子产品是否存在担保数据;若子产品存在担保数据,则执行步骤S203;若子产品不存在担保数据,则执行步骤S204。

S203:根据担保数据,确定子产品的初始信用参数等级。

S204:将子金产品的发行主体的信用参数等级作为子产品的初始信用参数等级。

在上述步骤中,服务器获取到目标金融产品的所有子产品后,对于每个子产品,判断子产品是否存在担保数据。由于担保数据库中存储有担保数据,所以可确定子产品是否存在担保数据。

若子产品存在担保数据,由于将该担保数据中的信用参数等级作为子产品的初始信用参数等级,比将子产品的发行主体的信用参数等级作为子产品的初始信用参数等级更加准确,所以将担保数据中的信用参数等级作为子产品的初始信用参数等级。

若子产品不存在担保数据,就将子产品的发行主体的信用参数等级作为子产品的初始信用参数等级。

本实施例提供的金融产品的风险参数预测方法,通过在子产品存在担保数据时,将担保数据中的信用参数等级作为子产品的初始信用参数等级。不存在担保数据时,将子产品的发行主体的信用参数等级作为子产品的初始信用参数等级。保证了初始信用参数等级级的准确性,后续再根据初始信用参数等级级确定风险参数等级,也可提高风险参数等级确定的准确性。

图3为本申请提供的金融产品的风险参数预测方法实施例三的流程示意图,在上述实施例的基础上,本申请实施例对服务器确定出目标金融产品的风险参数等级后,若目标金融产品的持仓状态为已持仓状态,确定出已获激励指数和稳定指数,再对风险参数等级进行更新的情况进行说明。如图3所示,该金融产品的风险参数预测方法具体包括以下步骤:

S301:若目标养老金产品的持仓状态为已持仓状态,则获取数据库中所有金融产品的已获激励时长。

在本步骤中,服务器确定目标金融产品的风险参数等级后,为了使得确定的风险参数等级更加准确,还需要判断目标金融产品的持仓状态是否为已持仓状态。

若目标金融产品的持仓状态为未持仓状态,则不更新目标金融产品的风险参数等级。若目标金融产品的持仓状态为已持仓状态,则对于目标金融产品的风险参数等级还需要更准确的判断,所以需要更新目标金融产品的风险参数等级,这样就需要获取数据库中所有金融产品的已获激励时长。

S302:根据已获激励时长,确定目标金融产品的已获激励指数和稳定指数。

在本步骤中,服务器获取到数据库中所有金融产品的已获激励时长后,根据目标金融产品的已获激励时长的长短,以及所有金融产品的激励率、激励波动率,确定出目标金融产品的已获激励指数和稳定指数。

S303:根据已获激励指数和稳定指数,更新目标金融产品的风险参数等级。

在本步骤中,服务器确定出目标金融产品的已获激励指数和稳定指数后,即可根据目标金融产品的风险参数等级、已获激励指数、稳定指数,更新目标金融产品的风险参数等级。

示例性的,先计算已获激励指数与稳定指数的平均值,再根据目标金融产品的风险参数等级、平均值和更新后的目标金融产品的风险参数等级的对应关系,更新目标金融产品的风险参数等级。

示例性的,表6为目标养老金产品的风险参数等级、平均值和更新后的目标金融产品的风险参数等级的对应关系表。

表6

需要说明的是,表6仅是对目标金融产品的风险参数等级、平均值和更新后的目标金融产品的风险参数等级的对应关系进行示例,本申请实施例不对目标金融产品的风险参数等级、平均值和更新后的目标金融产品的风险参数等级的对应关系进行限定,可根据实际情况进行设置。

示例性的,还可根据目标金融产品的风险参数等级、已获激励指数、稳定指数和更新后的目标金融产品的风险参数等级的对应关系,更新目标金融产品的风险参数等级。

示例性的,表7为目标养老金产品的风险参数等级、已获激励指数、稳定指数和更新后的目标金融产品的风险参数等级的对应关系表。

表7

需要说明的是,表7仅是对目标金融产品的风险参数等级、已获激励指数、稳定指数和更新后的目标金融产品的风险参数等级的对应关系进行示例,本申请实施例不对目标金融产品的风险参数等级、已获激励指数、稳定指数和更新后的目标金融产品的风险参数等级的对应关系进行限定,可根据实际情况进行设置。

需要说明的是,上述例子仅是对更新目标金融产品的风险参数等级的方式进行示例,本申请实施例不对更新目标金融产品的风险参数等级的方式进行限定,可根据实际情况进行设置。

需要说明的是,服务器更新目标金融产品的风险参数等级后,还可根据更新后的风险参数等级与风险建议信息的对应关系,生成风险建议信息,再将风险建议信息和更新后的风险参数等级发送至用户端,也就是用户的终端设备,服务器还可以接收到用户端的反馈消息。发送方式可以通过邮件、短信、应用程序提示消息等方式发送,本申请实施例不对发送方式进行限定,可根据实际情况进行选择。

示例性的,表8为更新后的风险参数等级与风险建议信息的对应关系表。

表8

需要说明的是,表8仅是对更新后的风险参数等级与风险建议信息的对应关系进行示例,本申请实施例不对更新后的风险参数等级与风险建议信息的对应关系的对应关系进行限定,可根据实际情况进行设置。

本实施例提供的金融产品的风险参数预测方法,通过在目标金融产品的持仓状态为已持仓状态时,计算目标金融产品的已获激励指数和稳定指数,进而对目标金融产品的风险参数等级进行更新,有效提高了目标金融产品的风险参数等级的预测准确性。

图4为本申请提供的金融产品的风险参数预测方法实施例四的流程示意图,在上述实施例的基础上,本申请实施例对服务器获取到数据库中所有金融产品的已获激励时长后,根据目标金融产品的已获激励时长是否小于预设第二时长,以及所有金融产品的激励率,确定目标金融产品的已获激励指数和稳定指数的情况进行说明。如图4所示,该金融产品的风险参数预测方法具体包括以下步骤:

S401:获取数据库中所有金融产品的已获激励时长。

需要说明的是,步骤S401与实施例三中的步骤S301类似,此处不再赘述。

S402:判断目标金融产品的已获激励时长是否小于预设第二时长;若目标金融产品的已获激励时长小于预设第二时长,则执行步骤S403;若目标金融产品的已获激励时长大于或等于预设第二时长,则执行步骤S404。

S403:将预设已获激励指数范围内的最大已获激励指数作为目标金融产品的已获激励指数。

在上述步骤中,服务器获取数据库中所有金融产品的已获激励时长后,由于目标金融的已获激励指数与已获激励时长有关系,这就需要判断目标金融产品的已获激励时长是否小于预设第二时长。

若目标金融产品的已获激励时长小于预设第二时长,说明目标金融产品的已获激励时长较短,激励状态良好,将预设已获激励指数范围内的最大已获激励指数作为目标金融产品的已获激励指数。

需要说明的是,预设第二时长可以是半年、一年,还可以是两年,本申请实施例不对预设第二时长进行限定,可根据实际情况进行设置。

需要说明的是,预设已获激励指数范围可以是[0,5]、[0,10],还可以是[0,50],本申请实施例不对预设已获激励指数范围进行限定,可根据实际情况进行设置。

S404:获取所有金融产品的预设第二时长的激励率。

在本步骤中,若目标金融产品的已获激励时长大于或等于预设第二时长,说明目标金融产品的已获激励时长较长,则需要结合数据库中金融产品的激励率进一步确定已获激励指数,这就需要先获取所有金融产品的预设第二时长的激励率。

需要说明的是,若数据库中的金融产品的已获激励时长小于预设第二时长,则将预设激励率作为该金融产品的预设第二时长的激励率。预设激励率可以是3%、5%,还可以是7%,本申请实施例不对预设激励益率进行限定,可根据实际情况进行设置。

S405:按照预设第二时长的激励率从小到大的顺序,对所有金融产品进行排序,得到激励序列。

S406:根据目标金融产品在激励序列中位置,确定目标金融的已获激励指数。

在上述步骤中,服务器获取所有金融产品的预设第二时长的激励率后,按照预设第二时长的激励率从小到大的顺序,对所有金融产品进行排序,得到激励序列。进而根据目标金融产品在激励序列中位置,确定目标金融的已获激励指数。

示例性的,表9为目标金融产品在激励序列中位置与已获激励指数的对应关系表。

表9

需要说明的是,表9仅是对目标金融产品在激励序列中位置与已获激励指数的对应关系进行示例,本申请实施例不对目标金融产品在激励序列中位置与已获激励指数的对应关系的对应关系进行限定,可根据实际情况进行设置。

S407:获取所有金融产品的激励波动率。

S408:根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品的激励波动率,所有金融产品的激励波动率中的最大激励波动率、最小激励波动率,确定目标金融产品的稳定指数。

在上述步骤中,服务器为了更新目标金融产品的风险参数等级,还需要确定目标金融产品的稳定指数,要先获取所有金融产品的激励波动率,再根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品的激励波动率,所有金融产品的激励波动率中的最大激励波动率、最小激励波动率,确定目标金融产品的稳定指数。

先确定两个坐标点,其中一个坐标点的横坐标为所有金融产品的激励波动率中的最大激励波动率,纵坐标为预设稳定指数范围的最大稳定指数;另一个坐标点的横坐标为所有金融产品的激励波动率中的最小激励波动率,纵坐标为预设稳定指数范围的最小稳定指数。再根据这两个坐标点确定线性公式,再将目标金融产品的激励波动率作为该线性公式的自变量,代入该线性公式中,即可得到目标金融产品的稳定指数。

可选的,若得到的稳定指数不是整数,可将其进行四舍五入,得到整数后作为新的稳定指数。

需要说明的是,预设稳定指数范围可以是[0,5]、[0,10],还可以是[0,50],本申请实施例不对预设稳定指数范围进行限定,可根据实际情况进行设置。

需要说明的是,步骤S401-步骤S406与步骤S407-步骤S408的执行顺序可以是先执行步骤S401-步骤S406,再执行步骤S407-步骤S408。还可以是先执行步骤S407-步骤S408,再执行步骤S401-步骤S406。还可以是步骤S401-步骤S406与步骤S407-步骤S408同时执行,本申请实施例不对步骤S401-步骤S406与步骤S407-步骤S408的执行顺序进行限定,可根据实际情况进行设置。

本实施例提供的金融产品的风险参数预测方法,在目标金融产品的已获激励时长小于预设第二时长时,将预设已获激励指数范围内的最大已获激励指数作为目标金融产品的已获激励指数。在大于或等于预设第二时长时,根据目标金融产品在激励序列中位置,确定已获激励指数。进而再根据所有金融产品的激励波动率,确定目标金融产品的稳定指数,使得已获激励指数和稳定指数确定的更加准确,使用该已获激励指数和该稳定指数更新目标金融产品的风险参数等级,可提高风险参数等级的确定准确性。

下面通过一个具体的示例,对本申请实施例提供的金融产品的风险参数预测方法进行说明。

目标金融产品中包括20个子产品,分别为A1、A2、A3、A4、A5、A6、A7、A8、A9、A10、A11、A12、A13、A14、A15、A16、A17、A18、A19、A20。进而得到每个子产品的目标信用参数等级,如下表所示。

示例性的,表10为子产品与目标信用参数等级的对应关系表。

再获取目标金融产品的设定时间段内的分析数据,从中解析得到每个子产品的用户持有量数据,如下表所示。

示例性的,表11为子产品与用户持有量数据的对应关系表。

表11

根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,确定得到目标金融产品的风险参数指数为0.1%,为低风险等级。

进而判断得到该目标金融产品的持仓状态为已持仓状态,所以进步一部确定该目标金融产品的已获激励时长大于预设第二时长,确定到目标金融产品在激励序列中位置为94%,已获激励指数为5。

目标金融产品的激励波动率为0.73%,所有金融产品的激励波动率中的最小激励波动率为0.30%,所有金融产品的激励波动率中的最大激励波动率为17.65%,计算得到目标金融产品的稳定指数为5。

根据风险参数等级、已获激励指数和稳定指数,确定更新后的风险参数等级为低风险等级,对应的风险建议为继续持有。

本实施例提供的金融产品的风险参数预测方法,根据每个子产品的目标信用参数等级和每个子产品的用户持有量数据,确定目标金融产品的风险参数等级。通过目标参数产品的已获激励指数和稳定指数,对目标金融产品的风险参数等级进行更新,有效提高了风险参数等级的预测准确性。

下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。

图5为本申请提供的金融产品的风险参数预测装置实施例的结构示意图。如图5所示,该金融产品的风险参数预测装置50包括:

获取模块51,用于根据获取的目标金融产品的标识,获取所述目标金融产品中每个子产品的初始信用参数等级、预设第一时长内的激励指数波动幅度和产品反馈数据;

处理模块52,用于根据所述初始信用参数等级、所述预设第一时长内的激励指数波动幅度和所述产品反馈数据,确定每个子产品的目标信用参数等级;

所述获取模块51,还用于获取所述目标金融产品的设定时间段内的分析数据;

所述处理模块52,还用于:

根据所述设定时间段内的分析数据,确定每个子产品的用户持有量数据;

根据所述每个子产品的目标信用参数等级和所述每个子金产品的用户持有量数据,确定所述目标金融产品的风险参数等级。

进一步地,所述获取模块51,具体用于:

对于每个子产品,若所述子产品存在担保数据,则根据所述担保数据,确定所述子产品的初始信用参数等级;

若所述子产品不存在担保数据,则将所述子产品的发行主体的信用参数等级作为所述子产品的初始信用参数等级。

进一步地,所述处理模块52,具体用于:

对于每个子产品,根据所述子产品的目标信用参数等级,确定所述子产品的信用参数等级指数;

根据所述每个子产品的信用参数等级指数、所述每个子产品的用户持有量数据和预设风险参数预测公式,确定所述目标金融产品的风险参数指数;

根据所述风险参数指数,确定所述目标金融产品的风险参数等级。

进一步地,所述获取模块51,还用于若所述目标金融产品的持仓状态为已持仓状态,则获取数据库中所有金融产品的已获激励时长;

进一步地,所述处理模块52,还用于:

根据所述已获激励时长,确定所述目标金融产品的已获激励指数和稳定指数;

根据所述已获激励指数和所述稳定指数,更新所述目标金融产品的风险参数等级。

进一步地,所述处理模块52,具体还用于:

若所述目标金融产品的已获激励时长小于预设第二时长,则将预设已获激励指数范围内的最大已获激励指数作为所述目标金融产品的已获激励指数;

获取所述所有金融产品的激励波动率;

根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品的激励波动率,所述所有金融产品的激励波动率中的最大激励波动率、最小激励波动率,确定所述目标金融产品的稳定指数。

进一步地,所述处理模块52,具体还用于:

若所述目标金融产品的已获激励时长大于或等于预设第二时长,则获取所述所有金融产品的所述预设第二时长的激励率;

按照所述预设第二时长的激励率从小到大的顺序,对所述所有金融产品进行排序,得到激励序列;

根据所述目标金融产品在所述激励序列中位置,确定所述目标金融的已获激励指数;

获取所述所有金融产品的激励波动率;

根据预设稳定指数范围的最大稳定指数、最小稳定指数,目标金融产品的激励波动率,所述所有金融产品的激励波动率中的最大激励波动率、最小激励波动率,确定所述目标金融产品的稳定指数。

进一步地,所述处理模块52,还用于根据所述风险参数等级,生成风险建议信息;

发送模块53,用于将所述风险参数等级和所述风险建议信息发送至用户端。

本实施例提供的金融产品的风险参数预测装置,用于执行前述任一方法实施例中的技术方案,其实现原理和技术效果类似,在此不再赘述。

图6为本申请提供的一种电子设备的结构示意图。如图6所示,该电子设备60包括:

处理器61,存储器62,以及通信接口63;

所述存储器62用于存储所述处理器61的可执行指令;

其中,所述处理器61配置为经由执行所述可执行指令来执行前述任一方法实施例中的技术方案。

可选的,存储器62既可以是独立的,也可以跟处理器61集成在一起。

可选的,当所述存储器62是独立于处理器61之外的器件时,所述电子设备60还可以包括:

总线64,存储器62和通信接口63通过总线64与处理器61连接并完成相互间的通信,通信接口63用于和其他设备进行通信。

可选的,通信接口63具体可以通过收发器实现。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。

总线64可以是外设部件互连标准(peripheral component interconnect,PCI)总线或扩展工业标准结构(extended industry standard architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。

上述的处理器可以是通用处理器,包括中央处理器CPU、网络处理器(networkprocessor,NP)等;还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

该电子设备用于执行前述任一方法实施例中的技术方案,其实现原理和技术效果类似,在此不再赘述。

本申请实施例还提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现前述任一方法实施例提供的技术方案。

本申请实施例还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时用于实现前述任一方法实施例提供的技术方案。

本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

技术分类

06120115637877