[發明專利]構建預測模型的方法及裝置

在審

• 申請號: 201810707589.7
• 申請日: 2018-07-02
• 公開（公告）號: CN108921688A
• 公開（公告）日: 2018-11-30
• 發明（設計）人: 安然
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/04
• 代理公司: 北京億騰知識產權代理事務所 11309
• 代理人: 陳霽;周良玉

本說明書實施例提供一種構建預測模型用于預測流動性指標的方法和裝置，根據該方法，首先獲取與要預測的流動性指標存在一定關聯關系的變量構成的變量序列，這樣的變量序列是對多個歷史時段的變量進行采樣而獲得。然后通過平穩性檢測確保各個變量序列為平穩序列，并且通過格蘭杰因果檢驗確保涉及的變量與流動性指標存在因果關聯。在此基礎上，將同一歷史時段的變量和流動性指標整理為該時段的列向量，將各個歷史時段的列向量輸入到向量自回歸VAR模型中。通過用多個歷史時段的列向量進行訓練，確定向量自回歸VAR模型中的參數矩陣和擾動項，并將確定出參數的VAR模型作為預測模型。

技術領域

本說明書一個或多個實施例涉及計算機技術領域，尤其涉及構建預測模 型的方法和裝置。

背景技術

互聯網金融的出現，極大的刺激了銀行等傳統機構的業務發展，各種 創新型金融業務不斷涌現，給流動性管理帶來了更大的挑戰。在流動性管 理中，流動性風險的管理至關重要。對于金融機構而言，自身流動性不足 會引發流動性風險甚至危機，而過多的流動性則意味著資金使用效率低下 導致盈利損失。對管理機構，例如央行而言，管理目標之一即管理市場預 期，平抑市場流動性波動，避免出現系統性流動性風險。

在一些方案中，提出了一些方法來計算流動性指標，以流動性指標反 映市場資金的流動性。例如，交通銀行金融研究中心提出了交通銀行銀行 間市場流動性指數IBLI，又稱為交銀艾布力指數。這些流動性指數的計算 方法都是基于過去時段的各種交易操作變量，來刻畫那個時段的資金流動 性，卻不能對未來的流動性進行預測。通常，流動性指標的計算往往涉及 許多變量，而這些變量與流動性指數之間又常常互相影響。例如資金利率會影響市場資金流動性，而市場資金流動性也會反過來影響資金利率。這 樣的關系使得流動性指標的預測愈發困難。

因此，希望能有改進的方案，更加有效地預測流動性指標，從而更好地 管理流動性風險。

發明內容

本說明書一個或多個實施例描述了一種構建預測模型的方法，該方法基 于向量自回歸模型VAR構建用于預測流動性指標的預測模型，從而有效地對 未來的流動性指標進行前瞻性預測和分析。

根據第一方面，提供了一種構建預測模型的方法，所述預測模型用于預 測可交換資源的流動性指標，所述方法包括：

獲取第一變量序列、第二變量序列以及指標序列，所述第一變量序列和 第二變量序列分別為，在按時間順序排列的多個歷史時段分別對第一變量和 第二變量進行采樣形成的變量序列，其中所述第一變量與所述可交換資源的 操作規模相關聯，所述第二變量與所述可交換資源的回報率相關聯；所述指 標序列包括，所述多個歷史時段分別對應的流動性指標；

檢測第一變量序列、第二變量序列和指標序列的平穩性，從而獲取平穩 的第一變量序列、第二變量序列和指標序列；

基于平穩的第一變量序列、第二變量序列和指標序列，確定各個歷史時 段對應的列向量，其中第i歷史時段對應的列向量Yi包括，該第i歷史時段 的第一變量、第二變量，以及該第i歷史時段的流動性指標；

將所述各個歷史時段對應的列向量輸入向量自回歸VAR模型，確定VAR 模型的模型參數，從而將包含上述模型參數的VAR模型作為所述預測模型。

在一個實施例中，第一變量包括以下變量中的一個或多個：逆回購，中期 借貸便利MLF，超短期逆回購SLO，常備借貸便利SLF，抵押補充貸款PSL；

第二變量包括以下變量中的一組或多組：回購利率和交易量；同業拆借利 率和交易量；利率互換利率和交易量；國債收益率和交易量。

根據一種可能的設計，采用單位根檢驗，來檢測第一變量序列、第二變量 序列和指標序列的平穩性，將存在單位根的序列作為不平穩序列。