一种用于ABS风险控制的非线性规划数据筛选方法技术

本发明专利技术涉及一种用于ABS风险控制的非线性规划数据筛选方法，与现有技术相比解决了尚无能够控制ABS风险的大数据分析技术的缺陷。本发明专利技术包括以下步骤：ABS资产端数据和预期ABS产品信息的获取；ABS证券端数据的预处理；资产端备选池中数据的预处理；非线性规划模型的建立；非线性规划模型的转化与求解；资产端备选池中数据的筛选；最优数据的筛选。本发明专利技术利用大数据分析技术将运筹学中的非线性规划模型与ABS中的现金流引擎、资产正向筛选等功能进行结合，能够高效完成基础资产的筛选问题。

A nonlinear programming data screening method for ABS risk control

The invention relates to a nonlinear programming data screening method for ABS risk control. Compared with the existing technology, it solves the defect that there is no big data analysis technology that can control ABS risk. The invention comprises the following steps: obtaining ABS assets end data and expected ABS product information; pretreatment ABS securities side data; data preprocessing in the asset side of the candidate pool; nonlinear programming; transformation and solving the nonlinear programming model; screening data in the asset side of the candidate pool; optimal screening data. The invention combines the nonlinear programming model in operational research with the functions of cash flow engine in ABS and the forward screening of assets, etc., and effectively completes the screening of basic assets by using the big data analysis technology.

【技术实现步骤摘要】
一种用于ABS风险控制的非线性规划数据筛选方法
本专利技术涉及大数据分析
，具体来说是一种用于ABS风险控制的非线性规划数据筛选方法。
技术介绍
资产证券化产品(以下简称“ABS”)作为国家控制金融风险的战略之一，连接实体企业和金融结构，帮助企业解决融资难的问题。从ABS产品设计来说，其分为两端：资产端和证券端，证券端的收益和风险完全由资产端决定。ABS产品能否顺利在市场上生存的关键是资产端的现金流入是否能够覆盖证券端的现金流出，从而为风险管理奠定基础。而作为发行者来说，更期望的是在满足费率、其他风险等情况下，极小化资产端现金流入与证券端现金流出之间的差额，使得投入的资产“不浪费”。基于此，如何运用大数据分析技术，在非线性规划和现金流分析的模型思想框架下，为达到控制ABS产品风险的目的，从ABS证券端的主要数据特征出发，同时考虑ABS资产端的特征，通过大数据分析技术筛选基础资产已经成为急需解决的技术问题。
技术实现思路
本专利技术的目的是为了解决现有技术中尚无能够控制ABS风险的大数据分析技术的缺陷，提供一种用于ABS风险控制的非线性规划数据筛选方法来解决上述问题。为了实现上述目的，本专利技术的技术方案如下：一种用于ABS风险控制的非线性规划数据筛选方法，包括以下步骤：ABS资产端数据和预期ABS产品信息的获取，建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE；ABS证券端数据的预处理，计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST；资产端备选池中数据的预处理，计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT；非线性规划模型的建立，建立非线性规划模型对ABS的证券端和资产端进行同时约束；非线性规划模型的转化与求解，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型；资产端备选池中数据的筛选，对预处理后的资产端备选池中数据进行前端筛选，建立预选池；最优数据的筛选，将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。所述的ABS证券端数据的预处理包括以下步骤：计算产品的分档总个数m，其计算公式如下：m＝count(产品分档TYPE)，其中，count为计数函数；计算产品的支付周期总数s，设产品的各档均为到期一次还本付息，则s＝m；计算产品各档的期限PYEAR，其计算公式如下：第i档的期限PYEAR_i＝第i档的到期日ENDDATE_i-封包日BEGDATE；各支付周期的本金支出额AMOUT_i和利息支出额INTEREST_i，其计算公式如下：AMOUNT_i＝第i次所需支出的本金，INTEREST_i＝第i次所需支出的利息；则AMOUNT_i＝证券端第i档的AMOUNT，INTEREST_n＝AMOUNT_n*COUPON_n*PYEAR_n。所述的资产端备选池中数据的预处理包括以下步骤：计算出备选池中资产信息数据的剩余期数TERM，其计算公式如下：剩余期数TERM＝int((到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/还款间隔INTERVAL)；计算出数据备选池中资产信息数据的剩余期限YEAR，其计算公式如下：剩余期限YEAR＝(到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/365；收集到剩余本金REPRIN；将资产信息数据在每一个支付周期内的本金流入进行加总记为PRINAMT_N，N为支付周期数；计算各支付周期内的利息流入，其计算公式如下：第N个支付周期内的资产利息流入额为INTAMT_N＝(PRINAMT_N*YIELD_N)*PYEAR_N。所述非线性规划模型的建立包括以下步骤：设定决策变量，将资产端数据备选池中的资产数据作为决策变量，设资产端数据备选池中共计n笔资产数据，则设定的决策变量为X＝(x1,x2,…,xn)T，其中，xi,i＝1,2,…,n为取值0或1的变量，xi＝0表示第i笔资产未被选中，xi＝1则表示第i笔资产被选中放入最终的基础资产池；设定目标函数，以证券端的现金流出金额作为资产端现金流入的基本参照来设置为最小化目标函数，其目标函数为：其中预选池中资产总个数为n，预期产品的总分档数为m；设定通用性约束条件，设置规避所有债权类资产风险所需的约束条件；其中设定通用性约束条件包括以下步骤：设定总现金流入问题限制，其表达式如下：其中，PRINAMTij、INTAMTij分别表示第i笔资产在封包日后的第j次本金、利息回收额；设定分档现金流入限制，其表达式如下：设定加权剩余期限限制，限制区间为[T1,T2]，其表达式如下：设定加权利率限制,限制区间为[R1,R2]，其表达式如下：设定区域集中度限制,限制区间为[1/P,A]，其表达式如下：其中P为预选池中区域总个数。所述的非线性规划模型适当性转化为线性形式包括以下步骤：将加权剩余期限限制表达式的除式不等式进行转化，其转化如下：将加权利率限制表达式的除式不等式进行转化，其转化如下：将区域集中度限制表达式的二次不等式进行转化，其转化如下：再进行除式不等式转化为线性表达式，其转化如下：其中，N(AREA1)表示预选池中属于区域AREA1的资产个数，[RE1,RE2]为限制区间。所述的利用单纯形法求解模型包括以下步骤：将非线性规划模型为线性规划的标准形式，其步骤如下：目标函数简单化，当预期ABS产品确定后，为确定性的常数，将目标函数表达式简化如下：添加松弛变量，将目标函数表达式转化为标准形式；通过添加松弛变量xj≥0,j＝n+1,…,n+9，将模型转化为线性规划的标准形式，线性规划的标准形式如下所示：xi＝0或1,i＝1,2,…,nxj≥0,j＝n+1,…,n+9；将线性规划的标准形式转化为矩阵表达式，其表示如下：令X＝(x1,x2,…,xn)T，其中，从而将模型转化为矩阵表达式如下：其中X为决策变量向量，A为约束条件的系数矩阵，b为资源向量，C为价值向量；计算初始基可行解及检验数，取得一个初始可行基B，写出初始基可行解以及当前的目标函数值计算所有检验数σj,j＝1,2,…,n，基可行解为最优解的判别,考察所有检验数σj,j＝1,2,…,n，若所有检验数σj≥0，则当前基为最优解，停止求解，输出该最优解；否则进行无最优解的判别步骤处理；无最优解的判别,令σk＝max{σj|σj＞0}，若B-1Pk≤0，则无最优解，停止求解，输出无解的提示，否则进行引入非基变量取代某一基变量步骤处理；引入非基变量取代某一基变量，令用xk代替xr得新基；新得的基可行解及判别数，对于令其中aij为矩阵A的第i行第j列元素，bi为向量b的第i个元素，转到基可行解为最优解的判别步骤后迭代求解。所述的资产端备选池中数据的筛选包括以下步骤：剔除剩余期限YEAR>产品总本文档来自技高网...

【技术保护点】
一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，包括以下步骤：11)ABS资产端数据和预期ABS产品信息的获取，建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE；12)ABS证券端数据的预处理，计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST；13)资产端备选池中数据的预处理，计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT；14)非线性规划模型的建立，建立非线性规划模型对ABS的证券端和资产端进行同时约束；15)非线性规划模型的转化与求解，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型；16)资产端备选池中数据的筛选，对预处理后的资产端备选池中数据进行前端筛选，建立预选池；17)最优数据的筛选，将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。...

【技术特征摘要】
1.一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，包括以下步骤：11)ABS资产端数据和预期ABS产品信息的获取，建立数据备选池，获取资产信息数据并存入备选池，构建预期ABS产品信息，预期ABS产品信息包括：产品分档TYPE、分档规模AMOUNT、分档年利率COUPON、封包日BEGDATE、分档到期日ENDDATE、产品法定到期日LAWENDDATE；12)ABS证券端数据的预处理，计算出ABS证券端数据的产品的分档总个数m、产品的支付周期总数s、产品各档的期限PYEAR和各支付周期的本金支出额AMOUT与利息支出额INTEREST；13)资产端备选池中数据的预处理，计算出数据备选池中资产信息数据的剩余期数TERM、剩余期限YEAR、剩余本金REPRIN、每一个支付周期内资产的本金流入总和PRINAMT、利息流入总和INTAMT；14)非线性规划模型的建立，建立非线性规划模型对ABS的证券端和资产端进行同时约束；15)非线性规划模型的转化与求解，将非线性规划模型适当性转化为线性形式，并利用单纯形法求解模型；16)资产端备选池中数据的筛选，对预处理后的资产端备选池中数据进行前端筛选，建立预选池；17)最优数据的筛选，将预选池中资产的数据作为参数传入非线性规划模型，筛选出最优数据所对的资产。2.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的ABS证券端数据的预处理包括以下步骤：21)计算产品的分档总个数m，其计算公式如下：m＝count(产品分档TYPE)，其中，count为计数函数；22)计算产品的支付周期总数s，设产品的各档均为到期一次还本付息，则s＝m；23)计算产品各档的期限PYEAR，其计算公式如下：第i档的期限PYEAR_i＝第i档的到期日ENDDATE_i-封包日BEGDATE；24)各支付周期的本金支出额AMOUT_i和利息支出额INTEREST_i，其计算公式如下：AMOUNT_i＝第i次所需支出的本金，INTEREST_i＝第i次所需支出的利息；则AMOUNT_i＝证券端第i档的AMOUNT，INTEREST_n＝AMOUNT_n*COUPON_n*PYEAR_n。3.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的资产端备选池中数据的预处理包括以下步骤：31)计算出备选池中资产信息数据的剩余期数TERM，其计算公式如下：剩余期数TERM＝int((到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/还款间隔INTERVAL)；32)计算出数据备选池中资产信息数据的剩余期限YEAR，其计算公式如下：剩余期限YEAR＝(到期日AEDATE-max(起始日AFDATE，封包日BEGDATE))/365；33)收集到剩余本金REPRIN；34)将资产信息数据在每一个支付周期内的本金流入进行加总记为PRINAMT_N，N为支付周期数；35)计算各支付周期内的利息流入，其计算公式如下：第N个支付周期内的资产利息流入额为INTAMT_N＝(PRINAMT_N*YIELD_N)*PYEAR_N。4.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述非线性规划模型的建立包括以下步骤：41)设定决策变量，将资产端数据备选池中的资产数据作为决策变量，设资产端数据备选池中共计n笔资产数据，则设定的决策变量为X＝(x1,x2,…,xn)T，其中，xi,i＝1,2,…,n为取值0或1的变量，xi＝0表示第i笔资产未被选中，xi＝1则表示第i笔资产被选中放入最终的基础资产池；42)设定目标函数，以证券端的现金流出金额作为资产端现金流入的基本参照来设置为最小化目标函数，其目标函数为：其中预选池中资产总个数为n，预期产品的总分档数为m；43)设定通用性约束条件，设置规避所有债权类资产风险所需的约束条件；其中设定通用性约束条件包括以下步骤：431)设定总现金流入问题限制，其表达式如下：其中，PRINAMTij、INTAMTij分别表示第i笔资产在封包日后的第j次本金、利息回收额；432)设定分档现金流入限制，其表达式如下：433)设定加权剩余期限限制，限制区间为[T1,T2]，其表达式如下：434)设定加权利率限制,限制区间为[R1,R2]，其表达式如下：435)设定区域集中度限制,限制区间为[1/P,A]，其表达式如下：其中P为预选池中区域总个数。5.根据权利要求1所述的一种用于ABS风险控制的非线性规划数据筛选方法，其特征在于，所述的非线性规划模型适当性转化为线性形式包括以下步骤：51)将加权剩余期限限制表达式的除式不等式进行转化，其转化如下：52)将加权利率限制表达式的除式不等式进行转化，其转化如下：

【专利技术属性】
技术研发人员：潘玉婷，王平一，陈泽锋，孙英家，镇磊，
申请(专利权)人：安徽兆尹信息科技股份有限公司，安徽兆尹安联科技有限公司，
类型：发明
国别省市：安徽,34