[發明專利]違約損失率預測方法及裝置

在審

• 申請號: 202011036110.5
• 申請日: 2020-09-27
• 公開（公告）號: CN112085299A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 陳星光;何偉彬;袁進威;伊國安;趙國民
• 申請（專利權）人: 中國建設銀行股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q40/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 賈磊;劉飛

本申請提供了一種違約損失率預測方法及裝置，該方法包括：獲取目標債項的債項數據；基于所述債項數據中的債項類型，確定所述目標債項對應的LGD預測模型；應用所述目標債項對應的LGD預測模型和債項數據，得到該目標債項的最終違約損失率。本申請能夠提高違約損失率預測的準確性。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種違約損失率預測方法及裝置。

背景技術

違約損失率LGD是指債務人對某一債項違約后導致的損失金額與暴露于該違約風險下的所有金額之間的比例，即損失占風險暴露總額的百分比。從貸款回收的角度看，違約損失率可以反映貸款的回收程度，即違約損失率＝1－回收率，而回收率＝回收金額/放款金額，回收金額是指客戶發生違約后，因無法償還債務，通過拍賣擔保品，強制執行借款人存款或其他催收方式所回收的金額。

巴塞爾新資本協議中的內部評級高級法允許銀行業對LGD進行自行估計，但目前大多數銀行還無法自行計算LGD，或因數據缺乏、數理統計模型少以及LGD計算方法落后等原因導致LGD預測的準確性低。

發明內容

針對現有技術中的問題，本申請提出了一種違約損失率預測方法及裝置，能夠提高違約損失率預測的準確性。

為了解決上述技術問題，本申請提供以下技術方案：

第一方面，本申請提供一種違約損失率預測方法，包括：

獲取目標債項的債項數據；

基于所述債項數據中的債項類型，確定所述目標債項對應的LGD預測模型；

應用所述目標債項對應的LGD預測模型和債項數據，得到該目標債項的最終違約損失率。

進一步地，所述基于所述債項數據中的債項類型，確定所述目標債項對應的LGD預測模型，包括：

獲取多條歷史債項對應的實際違約損失率和歷史債項數據；

應用各條所述歷史債項對應的實際違約損失率和歷史債項數據，得到多個LGD預測模型；

根據所述債項數據中的債項類型和多個所述LGD預測模型，確定所述目標債項對應的LGD預測模型。

進一步地，所述應用所述目標債項對應的LGD預測模型和債項數據，得到該目標債項的最終違約損失率，包括：

若所述目標債項的債項類型屬于非違約債項類型，則基于該目標債項的債項類型，以及預設的債項類型與權重關系表，確定所述目標債項對應的權重值組；

應用所述目標債項對應的LGD預測模型、權重值組和債項數據，得到所述目標債項的最終違約損失率。

進一步地，所述應用所述目標債項對應的LGD預測模型和債項數據，得到該目標債項的最終違約損失率，包括：

若所述目標債項的債項類型屬于違約債項類型，則基于所述目標債項對應的LGD預測模型和債項數據，得到所述目標債項的最終違約損失率。

進一步地，所述應用各條所述歷史債項對應的實際違約損失率和歷史債項數據，得到多個LGD預測模型，包括：

若每條所述歷史債項的債項類型均屬于非違約債項類型，則基于各條所述歷史債項的債項類型，以及預設的債項類型與權重關系表，得到各條所述歷史債項各自對應的權重值組；

應用各條所述歷史債項各自對應的權重值組和實際違約損失率，得到多個LGD預測子模型；

應用所述LGD預測子模型，以及各條歷史債項各自對應的權重值組和實際違約損失率，得到多個LGD預測模型；

其中，屬于非違約債項類型的債項類型包括：信用保證類型、房產土地類型、事業類客戶類型、其他類型和低風險信貸業務類型。