[發(fā)明專利]風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)的確定方法及相關(guān)裝置

在審

• 申請?zhí)枺?/td>: 202210464943.4
• 申請日: 2022-04-29
• 公開（公告）號: CN114881759A
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計(jì)）人: 丁亞楠;王波;楊曉宇
• 申請（專利權(quán)）人: 中國農(nóng)業(yè)銀行股份有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06N3/08;G06N3/04
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司 11227
• 代理人: 藏斌

本發(fā)明公開了一種風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)的確定方法及相關(guān)裝置，可以通過獲取待預(yù)測的資產(chǎn)數(shù)據(jù)；對所述資產(chǎn)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，從而獲得相應(yīng)的數(shù)據(jù)序列；將所述數(shù)據(jù)序列輸入至預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，從而獲得所述神經(jīng)網(wǎng)絡(luò)模型預(yù)測的所述資產(chǎn)數(shù)據(jù)在內(nèi)部評級法下的風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)。由此可以看出，本發(fā)明通過神經(jīng)網(wǎng)絡(luò)模型預(yù)測風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)，無需計(jì)算大量參數(shù)，效率較高。

技術(shù)領(lǐng)域

本發(fā)明涉及金融科技領(lǐng)域，特別涉及一種風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)的確定方法及相關(guān)裝置。

背景技術(shù)

目前風(fēng)險(xiǎn)加權(quán)資產(chǎn)占銀行風(fēng)險(xiǎn)加權(quán)資產(chǎn)的絕大部分，目前對于風(fēng)險(xiǎn)加權(quán)資產(chǎn)的計(jì)算方法一般采用傳統(tǒng)方法。傳統(tǒng)方法需要計(jì)算許多項(xiàng)數(shù)據(jù)項(xiàng)參數(shù)，計(jì)量復(fù)雜且數(shù)據(jù)量又大，并且各種參數(shù)的計(jì)算難度大且復(fù)雜，加上數(shù)據(jù)量比較大，導(dǎo)致對于風(fēng)險(xiǎn)加權(quán)資產(chǎn)的計(jì)算效率低下。

發(fā)明內(nèi)容

鑒于上述問題，本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)的確定方法及相關(guān)裝置。

第一方面，一種風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)的確定方法，包括：

獲取待預(yù)測的資產(chǎn)數(shù)據(jù)；

對所述資產(chǎn)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，從而獲得相應(yīng)的數(shù)據(jù)序列；

將所述數(shù)據(jù)序列輸入至預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，從而獲得所述神經(jīng)網(wǎng)絡(luò)模型預(yù)測的所述資產(chǎn)數(shù)據(jù)在內(nèi)部評級法下的風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)。

結(jié)合第一方面，在某些可選的實(shí)施方式中，在所述將所述數(shù)據(jù)序列輸入至預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，從而獲得所述神經(jīng)網(wǎng)絡(luò)模型預(yù)測的所述資產(chǎn)數(shù)據(jù)在內(nèi)部評級法下的風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)之后，所述方法還包括：

將所述風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)保存至第一文件；

根據(jù)所述第一文件記錄的風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)，調(diào)整所述神經(jīng)網(wǎng)絡(luò)模型的參數(shù)。

結(jié)合第一方面，在某些可選的實(shí)施方式中，所述神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過程，包括：

獲得之前計(jì)算得到的多條歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)；

對各所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，從而獲得相應(yīng)的監(jiān)督學(xué)習(xí)序列；

基于所述監(jiān)督學(xué)習(xí)序列，對所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；

使用平均絕對誤差函數(shù)MAE和平均平方誤差函數(shù)MSE計(jì)算經(jīng)過訓(xùn)練后的所述神經(jīng)網(wǎng)絡(luò)模型的精度；

當(dāng)所述精度滿足預(yù)設(shè)精度要求時(shí)，確定所述神經(jīng)網(wǎng)絡(luò)模型已訓(xùn)練完成。

結(jié)合上一個(gè)實(shí)施方式，在某些可選的實(shí)施方式中，每條所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)包括多個(gè)數(shù)據(jù)項(xiàng)，所述多個(gè)數(shù)據(jù)項(xiàng)包括違約概率項(xiàng)、違約損失率項(xiàng)、有效期限項(xiàng)和資產(chǎn)編號項(xiàng)；

所述對各所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，從而獲得相應(yīng)的監(jiān)督學(xué)習(xí)序列，包括：

對于任一所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)，均根據(jù)各所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)中的違約概率項(xiàng)，查詢預(yù)設(shè)的數(shù)據(jù)項(xiàng)調(diào)整表，從而獲得其它數(shù)據(jù)項(xiàng)并將查詢到的所述其它數(shù)據(jù)項(xiàng)添加至相應(yīng)的歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)，其中，所述其它數(shù)據(jù)項(xiàng)包括違約暴露項(xiàng)、期限調(diào)整因子項(xiàng)、暴露的相關(guān)性項(xiàng)、資本要求項(xiàng)和加權(quán)資產(chǎn)項(xiàng)中的至少一種；

根據(jù)所述歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)中的違約概率項(xiàng)，查詢所述數(shù)據(jù)項(xiàng)調(diào)整表，從而獲得除所述違約概率項(xiàng)和所述資產(chǎn)編號項(xiàng)以外的任一異常的數(shù)據(jù)項(xiàng)的處理方法，并根據(jù)所述處理方法，修改相應(yīng)的異常的數(shù)據(jù)項(xiàng)；

將所述資產(chǎn)編號項(xiàng)為空的歷史風(fēng)險(xiǎn)加權(quán)資產(chǎn)數(shù)據(jù)刪除；

將相應(yīng)的數(shù)據(jù)項(xiàng)分別轉(zhuǎn)化為浮點(diǎn)小數(shù)；

通過min-max標(biāo)準(zhǔn)化方法，將各所述浮點(diǎn)小數(shù)進(jìn)行歸一化，從而獲得訓(xùn)練數(shù)據(jù)集合；