基于历史催收数据的不良资产包价值评估方法技术

本发明专利技术公开了一种基于历史催收数据的不良资产包价值评估方法，包括：步骤1、构建不良资产催收预测模型；步骤2、变量的重要性排序；步骤3、多个最为重要的变量求并集，得最重要变量集；步骤4、利用最重要变量集中的变量，得到新构造的衍生变量以及构造规则；步骤5、抽样并创建多个虚拟资产包，根据步骤4得到每一个虚拟资产包的衍生变量；步骤6、通过将步骤5的衍生变量和虚拟资产包催收回款总额结合，以得到不良资产包价值评估模型；步骤7、待估不良资产包创建衍生变量，代入到步骤6不良资产价值评估模型中，进行资产包价值预测。本发明专利技术抽象出一个对于模型构造至关重要的资产包特性，保证了不良资产多因素回归模型的准确性。了不良资产多因素回归模型的准确性。了不良资产多因素回归模型的准确性。

【技术实现步骤摘要】
基于历史催收数据的不良资产包价值评估方法


[0001]本专利技术涉及资产评估
，尤其涉及一种基于历史催收数据的不良资产包价值评估方法。

技术介绍

[0002]金融不良资产广义上指商业银行等持牌金融机构持有的不能为其带来正常经济利益流入的各类股权、债权、实物类资产。金融不良资产处置方式主要包括诉讼清收、债务重组、债权转让、债转股、资产证券化等方式。不良资产处置中离不开对不良资产进行合理的评估定价，该估值将成为不良资产市场上买卖双方交易对价的重要参考依据。
[0003]中国资产评估协会2017年推出的《金融不良资产评估指导意见》对评估中的价值类型、评估方法、具体评估过程没有做具体要求，只在第十七条“资产评估专业人员应当明确资产评估业务的基本情况，根据评估目的、评估对象、资产处置方式、可获得的评估资料等因素，恰当选择价值类型和评估方法”中进行了框架性要求，实质上并无太大的指导性。目前市场对于不良资产转让估值没有成熟的方法，目前评估机构还不能短期内拿出成熟的估值报告。这也导致市场上的不良资产转让价格具有很大的随机性和不确定性。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史催收数据的不良资产包价值评估方法，其中，包括：步骤1、根据已有的不良资产案件及其催回结果，分别构建多个不同的机器学习模型，进行分类模型训练，以得到不良资产催收预测模型；步骤2、根据构建所述不良资产催收预测模型所选取的变量，对所述不良资产催收预测模型的影响效果，对所述变量重要性进行排序，以得到影响不良资产案件催回的最重要的变量子集；步骤3、通过对每个所述最重要的变量子集的中多个最为重要的变量求并集，以从所述并集中取出多个最为重量的变量，作为最终的最重要变量集；步骤4、将所述最重要变量集中的变量，衍生为不良资产包的整体特征变量，以得到新构造的衍生变量以及构造待估资产包所需要的衍生变量的构造规则；步骤5、对已有的不良资产案件数据信息进行抽样，以创建多个虚拟资产包，再根据所述步骤4中最重要变量集中的变量，以及所述构造规则，得到每一个虚拟资产包的衍生变量；步骤6、通过将步骤5的衍生变量和虚拟资产包催收回款总额结合，以得到不良资产包价值评估模型；步骤7、将待估不良资产包中进行汇总，通过所述构造规则创建衍生变量，代入到步骤6所述不良资产包价值评估模型中，并使用多种机器学习算法，再通过投票回收器对各个不同所述机器学习算法预测出的结果进行组合，返回平均预测值，以得到不良资产包价值预测结果。2.如权利要求1所述基于历史催收数据的不良资产包价值评估方法，其中，步骤1中模型的目标变量为催回结果，若所述不良资产案件催回结果为“催回”，则目标变量取值为1；若该不良资产案件催回结果为“未催回”，则目标变量取值为0；其中，模型的特征变量为不良资产案件机器及其催回结果数据信息中所有可用的变量。3.如权利要求1所述基于历史催收数据的不良资产包价值评估方法，其中，步骤1中分类模型训练所用的算法包括：逻辑回归；随机生成树和XGBoost。4.如权利要求1所述基于历史催收数据的不良资产包价值评估方法，其中，步骤3中求并集的具体方法为：取出三个算法中各自的Topm个最为重要...

【专利技术属性】
技术研发人员：庄涤坤，刘建新，赵雪，黄平，
申请(专利权)人：建元和光北京科技有限公司，
类型：发明
国别省市：