[發明專利]一種資產證券化定價方法和裝置

在審

• 申請號: 202010107833.3
• 申請日: 2020-02-21
• 公開（公告）號: CN111383091A
• 公開（公告）日: 2020-07-07
• 發明（設計）人: 朱祖恩;謝欽;黃德榮;陳衛;杜雯雯
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q40/06
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李陽;趙迪

1.一種資產證券化定價方法，其特征在于，包括：

根據設定維度從多筆貸款數據中獲取模型因子，將所述模型因子輸入機器學習算法進行模型訓練，以使用訓練得到的早償與違約模型預測早償事件和違約事件發生的概率以及早償結果；

對所述模型因子中的利率因子進行預處理后輸入利率模型，對所述利率模型進行參數校驗，以使用校驗后的利率模型預測未來利率；

根據預測出的所述概率、所述早償結果和所述未來利率更新所述貸款數據，以逐期迭代計算得到多期現金流的初始預測值，利用蒙特卡洛方法模擬多條現金流路徑，確定所述多期現金流的最終預測值；

根據貸款資產證券化所發行產品的基礎價格，對所述多條現金流路徑進行折現，得到所述產品的折現率曲線，以結合所述折現率曲線和所述最終預測值，得到所述產品的價格估值。

2.根據權利要求1所述的方法，其特征在于，逐期迭代計算得到多期現金流的初始預測值，包括：

生成多條利率路徑，其中，所述利率路徑包括多個時期利率，對每條所述利率路徑的每個時期利率分別進行如下計算：

分別合計底層貸款未償還本金、底層貸款本息償還和底層貸款利息償還，對應得到資產池未償還本金、當期回款和利息回收款；

根據所述利息回收款計算回收款費用，根據所述資產池未償還本金計算每期費用，并在需要首期支付的情況下，根據優先級規模和資產池規模計算首期費用，在當前時間為年末的情況下，計算年末費用；

將所述當期回款與所述回收款費用、所述每期費用、所述首期費用和所述年末費用的和值做差，得到兌付前可支配金額，以結合兌付費率計算實際兌付金額；

按照所述產品兌付的優先級順序，在所述實際兌付金額的限制下，兌付優先級利息和優先級本金，更新優先級剩余本金、證券剩余本金和當前現金流在當前時期的本金償還金額，重復上述計算過程至所述優先級剩余本金為0。

3.根據權利要求1所述的方法，其特征在于，所述模型因子是利用大數據技術，從貸款因子、借款人因子、所述利率因子和季節因子四個維度挖掘所述貸款數據得到的；其中，

所述貸款因子包括合同金額、未償本金余額、貸款利率、還款類型、合同發放日期、賬齡和剩余期限、貸款城市、房屋類型、抵押物價值和逐月還本付息數據；

所述借款人因子包括借款人年齡、性別、收入、職業；

所述利率因子包括所述合同發放日期對應的設定第一時間段基準貸款利率和設定第二時間段國開債利率，以及當期所述第一時間段基準貸款利率和所述第二時間段國開債利率；

所述季節因子包括貸款發放日對應月份和每期還款日對應月份。

4.根據權利要求3所述的方法，其特征在于，將所述模型因子輸入機器學習算法進行模型訓練，包括：

將從所述多筆貸款數據中獲取的模型因子劃分為訓練集、驗證集和測試集；

訓練：確定機器學習算法的一組超參數，將所述訓練集輸入所述機器學習算法進行訓練，得到使設定目標函數最小的初始早償與違約模型；

驗證：使用所述驗證集對所述初始早償與違約模型的性能進行驗證，重復所述訓練步驟和驗證步驟，直至搜索完指定的超參數組合；

選擇在所述驗證集上誤差最小的初始早償與違約模型作為中間早償與違約模型，合并所述訓練集和所述驗證集作為整體對所述中間早償與違約模型進行訓練，得到訓練好的早償與違約模型；

將所述測試集輸入所述早償與違約模型進行預測。

5.根據權利要求1所述的方法，其特征在于，所述利率模型為基準利率模型和國開債即期收益率模型中的任意一個，其中，

所述基準利率模型使用GARCH模型，相應地，所述預處理包括單位化利率調整幅度，所述參數校驗使用garchfit方法；

所述國開債即期收益率模型使用BK模型，相應地，所述預處理包括數據轉換，所述參數校驗通過計算置信區間實現。