信用计分的自动推断估价的方法和系统技术方案

一种按信用计分推断大型资产组合的估价值的方法，包含下列步骤：整理估价计分；根据特殊因素和商业决策调节估价计分；调和描述相同资产的多个估价计分；进行总体调整以取代推断值。得出各个资产值并列于表（１３６）中，使得各个资产值能被迅速从表中提取并被快速地组合以用于投标目的。估价值被收集在数据库（７６）中，按信用变量分类，并按对这些变量的评级细分，然后被个别地评级。（*该技术在2020年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术总体涉及对金融工具的估价方法，更具体来说，涉及对大量金融工具的快速估价。
技术介绍
大量资产，例如贷款，举例来说，一万笔贷款，或者其他金融工具，有时因经济状况、计划中的或计划外的剥夺或者因法律赔偿而成为待售品。有时必须在数月内出售数以千计的、资产数额有时达数十亿美元的商业贷款或其他金融工具。当然，资产的出售者想最优化资产组合地价值，有时把资产分组成“份额”(tranches)。本文中所使用的术语“份额”不仅仅限于外钞，也包括不论国家或管辖区如何的资产和金融工具类别(groupings)。竞买者可以对所有份额或者只对某些份额递盘。为了赢得一个份额，竞买者一般必须给出该份额的最高递盘价(highest bid)。在确定对某个份额的递盘金额时，竞买者常会雇用评估师(underwriters)在可利用的期限里对份额内尽可能多的资产进行估价。当递盘期限即将截止时，竞买者将对当时被评估(underwritten)的资产估价，然后努力对尚未被评估师分析的资产外推出(extrapolate)一个价值。这个过程的结果是，竞买者可能会严重低估一个份额的价值，给出一个没有竞争性的递盘价，或者递盘价高于被承销资产的价值，并承担了难以估量的风险。当然，由于以竞买者能有赢利的价格赢得每个份额为目标，因此如果是因为对份额价值的严重低估而失去它就意味着丧失一个机会。这就需要准备一种系统以便在短时间内对大量金融工具作出精确估价并推断出给定递盘的收益的相关概率。现有技术的目前状况是，逐个地评估资产组合中的金融资产，然后用商业判断来对没有被特别评估的资产的价值作出推断。在这种推断缺少精细的条件下，估价值一般被赋予低值，并且为计入未知因素而被不成比例地打折扣。对现有技术状况的限制包括在很短时间调和多个概率计分。希望通过相对于与资产的描述性属性相关联的估价置信度的调整的加权来调和赋予各资产的值。
技术实现思路
在示例性实施例中，提供一种迭代自适应(iterative andadaptive)方法，将资产组合划分成三个主要估价(majorvaluations)。对资产组合(asset portfolio)的第一类估价(valuation)的全部评估(full underwriting)是根据逆向(adverse)样本进行的。第二个估价类是从共同的描述性特征的类别中有效地抽样出来的，选择性的随机样本中的资产被全部评估(fullyunderwritten)。第三个估价类经过统计推断估价(statisticallyinferred valuation)，它利用评估值(underwriting values)和第一及第二部分的偏差(variances)并应用统计推断来单独地为第三部分中的每项资产估价。在对第三部分估价时运用聚类分析(clustering)和数据简化(data reduction)。随着过程的进行和更多资产被评估，第一和第二部分中资产的数目增加，第三部分中的资产的数目减少，第三部分中的各资产的估价的差异变得越来越确定。更具体来说，根据在第一和第二部分中的资产的估价的相似性，将各资产划分成有价值的概率的聚类分析，使第三部分中的各资产得到估价。通过用这些估价来生成假想的投标，以确定在竞买者确定的参数内的最佳投标。本专利技术公开一种对投资组合中的资产推断信用计分的估价值的方法。该方法包括组织估价计分、根据特殊因素和商业决策调节估价计分，调和描述相同资产的多个估价计分，以及进行总体调整以取代推断值。附图简介附图说明图1是说明一个已知的对资产组合估价过程的流程图2是说明按照本专利技术的一个实施例的对资产组合估价的流程图3是一个流程图，更详细地说明了对大型资产组合通过划分为不同偏差类而进行快速评估过程的第一部分的一个实施例；图4是一个流程图，说明了对大型资产组合从一个基底(basis)向一个份额或资产组合基底聚集的快速评估过程的第二部分；图5说明了回收价值被推断的示例性资产的概率分布；图6是图3所示过程的有监管学习步骤的流程图7是图3所示过程的无监管学习步骤的流程图8是无监管学习的过程的实施例；图9是第一代(第一回)快速资产评估过程的实施例；图10是用于图8中无监管学习中运用的模糊聚类方法的流程图11是展示快速资产评估过程的模型选择和模型加权的例子的一对表格；图12是展示快速资产评估过程的示例性特征的表；图13是快速资产评估过程的示例性聚类方法的聚类图14是一个计算机网络示意图。专利技术详述图1是说明一个已知的经过评估周期直至，举例来说，在拍卖中，递盘购买资产组合12的评估大型资产组合12的过程的示意图10。图1是一个典型的既非迭代也非自动的评估和外推过程10的高度概括。在示意图10中，评估人评估14资产组合12中的许多单独的资产，以生成已评估的第一部分16和未触及的其余部分18。在任何资产被评估之前，第一部分16是资产12的百分之零，其余部分18是百分之百。随着评估过程的推进，第一部分16增加，其余部分18减少。既定的目标是在递盘之前为购买资产组合而评估尽可能多的资产。评估人小组继续单独地评估14，直到马上就要递盘。进行一个粗略的外推20，以对剩余部分18进行估价。外推20变成未评估的(un-underwritten)推断值24。粗略的外推对其余部分18生成一个估价24。估价22就是第一部分16中各个资产值的总和。然而，估价24是由外推生成的一个分组估价(group valuation)，并可以相应地打折扣。然后将估价22和24加总，产生组合资产值(portfolio asset value)26。估价过程是在资产组合的每个份额中进行的。图2是说明快速资产评估系统28的一个实施例的流程图。图2中包含了由系统28在对资产组合12估价时所采取的过程步骤的表示。系统28评估(“触及”)每一个资产，除去很少量的30未触及的资产，这部分资产被认为在统计上不显著或者在金融上无关紧要。具体来说，资产组合12中除数量30以外的所有资产都经过一个迭代的、自适应的评估32，其中，资产组合12中的资产被单独估价，单独列于表中，然后从表中被选择出来，划分到任何以递盘为目的(如下文所述的那样)而希望或要求的分组或份额中。如示意图10中那样，评估人开始全部评估14资产组合12中的各个资产，以产生全部评估的第一部分16资产。评估人也评估34资产组合12的第二部分36中的资产样本，计算机38统计推断40资产组合12的第三部分42的价值。计算机38也重复地生成44表示如下文所述的被赋予各部分16、36和43中资产的值的表(在下文说明)。在一个实施例中，计算机38被设置成独立的计算机。在另一个实施例中，计算机38被设置成通过诸如广域网(WAN)、局域网(LAN)的网络(见图14中所示)连接到至少一个客户系统的服务器。举例来说，仍参看图2，将资产组合12的第三部分42的未抽样和未评估部分46经过一个统计推断过程40，它利用模糊-C方式聚类(“FCM”——Fuzzy-C means clustering)和一个复合的高/期望/低/时间安排/风险(“HELTR”——High/Expected/Low/Timing/Risk)评分生成两个类别48和50。HELTR定义为H——高现金流，本文档来自技高网...

【技术保护点】
对投资组合中的资产推断信用计分的估价值的方法（３２），所述方法包含下列步骤：整理估价计分；根据特殊因素和商业决策调节估价计分；调和描述相同资产的多个估价计分；和进行总体调整以取代推断值。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：CD约翰逊，MT埃德加，TK凯耶斯，
申请(专利权)人：GE资本商业财务公司，
类型：发明
国别省市：US[美国]