一种资产包估值方法技术

本发明专利技术实施例公开了一种资产包估值方法，包括以下步骤：将还款动作划分成两个场景，两个所述场景分别为还款场景和结清场景；通过现金流预测模型预测所述还款场景在下一个月是否会出现还款情况；通过算法模型预测所述结清场景在下一个月是否会出现结清情况；预测结果为“是”，则进行下一个月的还款金额/结清金额转化，获得下一个月的还款金额/结清金额；将所述下一个月的还款金额/结清金额带入到折现公式计算资产包当前价值，通过针对车金融场景下的特点采用DCF和分部估值法来构建估值模型，通过分部估值的思想来处理不同特点场景的预测，实现了对车金融情况下的资产包准确评估，使预测结果更加贴近实际情况。使预测结果更加贴近实际情况。使预测结果更加贴近实际情况。

【技术实现步骤摘要】
一种资产包估值方法


[0001]本专利技术实施例涉及资产包估值
，具体涉及一种资产包估值方法。

技术介绍

[0002]车金融场景下会产生大量未来不确定的现金流资产，如何对这些资产进行准确、合理、有效的估值，一直以来都是一个难题，并没有对应的技术手段。车金融场景下，有车辆作为抵押物，受内外部各种因素的影响，客户的行为和意愿复杂多变，在这样的前提下，很难对车金融场景下的资产包进行准确估值。从技术上来看，要对资产包进行估值，必须采用一套合适的估值模型组合，在选定了合适的估值模型方法论之上，还需要具备此估值模型所必须的要素，才能完成对资产包的估值。而现有的技术，并没有针对车金融场景的估值模型。

技术实现思路

[0003]为此，本专利技术实施例提供一种资产包估值方法，以解决现有技术中由于现有没有针对车金融场景的估值模型而导致的车金融资产包没办法进行估值的问题。
[0004]为了实现上述目的，本专利技术实施例提供如下技术方案：一种资产包估值方法，其特征是：
[0005]将还款动作划分成两个场景，两个所述场景分别为还款场景和结清场景；
[0006]通过现金流预测模型预测所述还款场景在下一个月是否会出现还款情况；通过算法模型预测所述结清场景在下一个月是否会出现结清情况；
[0007]预测结果为“是”，则进行下一个月的还款金额/结清金额转化，获得下一个月的还款金额/结清金额；
[0008]将所述下一个月的还款金额/结清金额带入到折现公式计算资产包当前价值；
[0009]所述折现公式为：
[0010][0011]其中，P为资产包当前价值，C为下一个月的还款金额/结清金额，R为贴现因子。
[0012]进一步地，所述现金流预测模型的核心算法为梯度提升树算法，所述梯度提升树算法的目标函数为：
[0013][0014]其中为损失函数，Ω(f
t
)代表正则项；constant代表常数。
[0015]进一步地，所述贴现因子以无风险利率为基准进行计算，所述贴现因子R＝r
f
+β，其中r
f
是针对资产包中融资期限分布情况选择的对应年限的无风险利率，β是根据所选参数计算出来的调节因子。
[0016]进一步地，所述贴现因子以公司加权平均资金成本为基准来进行计算，所述贴现
因子R＝Wacc+α，其中Wacc是公司的加权平均资金成本，α是根据所选参数计算出来的对Wacc的影响因子。
[0017]进一步地，所述预测结果为“是”，则进行下一个月的还款金额/结清金额转化，获得下一个月的还款金额/结清金额，具体包括：
[0018]所述还款金额转化：判断所述资产包是否存在多期未还款行为，如判断结果为存在，根据历史上的多期未还款行为将金额转化为对应历史上多期未还款的倍数，如判断结果为不存在，则直接转化金额；
[0019]所述结清金额转化：判断所述结清行为为现金结清或还车结清，如判断结清行为为现金结清，则直接转化金额，如判断结清行为为还车结清时，通过一预设的先验比率和车辆处置周期来转化金额。
[0020]进一步地，所述现金流预测模型建立时，获取纸面信息和动态信息，将所述纸面信息和动态信息跟预测目标下一期影响结果进行统计分析，根据所述统计分析的结果，确定预测目标下一期影响结果的特征信息。
[0021]进一步地，将样本集带入所述预测模型进行训练时，将所述样本集根据车辆类型和是否逾期进行划分。
[0022]进一步地，所述估值模型包括静态模型、动态模型、融合模型、主模型和全催模型。
[0023]本专利技术实施例具有如下优点：通过针对车金融场景下的特点采用DCF和分部估值法来构建估值模型，通过分部估值的思想来处理不同特点场景的预测，实现了对车金融情况下的资产包准确评估，同时在现金流预测这部分选择了提升树模型作为基础，使预测结果更加贴近实际情况。
附图说明
[0024]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引申获得其它的实施附图。
[0025]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。
[0026]图1为本专利技术实施例提供的一种资产包估值方法的方法流程图；
[0027]图2为本专利技术实施例提供的一种资产包估值方法的模型架构图；
[0028]图3为本专利技术实施例提供的一种资产包估值方法的还车金额转换图。
具体实施方式
[0029]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]实施例：一种资产包估值方法，如图1所示，包括以下步骤：
[0031]将还款动作划分成两个场景，两个所述场景分别为还款场景和结清场景；
[0032]通过现金流预测模型预测所述还款场景在下一个月是否会出现还款情况；通过算法模型预测所述结清场景在下一个月是否会出现结清情况；
[0033]预测结果为“是”，则进行下一个月的还款金额/结清金额转化，获得下一个月的还款金额/结清金额；
[0034]将所述下一个月的还款金额/结清金额带入到折现公式计算资产包当前价值。
[0035]具体的，本专利技术主要采用DCF(自由现金流贴现法)和分部估值法来构建估值模型，DCF模型是核心，分部估值法的目的是更准确的进行现金流预测，从而使用DCF来计算资产包当前价值。
[0036]以一年期合同为例，DCF折现公式如下：
[0037][0038]其中，P代表合同的当前价值，C为合同每一期的计划还款金额，R为贴现因子。DCF估值的关键是对未来现金流的准确预测，也就是找到跟未来实际情况相符合的C值，在本实施例中，优选为下一个月的还款金额，其次是选择合适的贴现因子。
[0039]通常来说，贴现因子可以参考的标的有比如无风险利率，国债10年期利率，公司内部的平均资金成本等。受不同的市场情况、资产质量等因素影响，贴现因子的选取具有一定的灵活性，因此又构建了一个小型的因子选取模型，来作为最终贴现因子的参考值。不同的贴现因子值将直接影响整个资产包的估值结果。选定了贴现因子之后，就获得了DCF折现公式中的R值。具体来说贴现因子目前系统方具有两种计算方式。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资产包估值方法，其特征是：包括以下步骤：将还款动作划分成两个场景，两个所述场景分别为还款场景和结清场景；通过现金流预测模型预测所述还款场景在下一个月是否会出现还款情况；通过算法模型预测所述结清场景在下一个月是否会出现结清情况；预测结果为“是”，则进行下一个月的还款金额/结清金额转化，获得下一个月的还款金额/结清金额；将所述下一个月的还款金额/结清金额带入到折现公式计算资产包当前价值；所述折现公式为：其中，P为资产包当前价值，C为下一个月的还款金额/结清金额，R为贴现因子。2.根据权利要求1所述的一种资产包估值方法，其特征是：所述现金流预测模型的核心算法为梯度提升树算法，所述梯度提升树算法的目标函数为：其中为损失函数，Ω(f
t
)代表正则项；constant代表常数。3.根据权利要求2所述的一种资产包估值方法，其特征是：所述贴现因子以无风险利率为基准进行计算，所述贴现因子R＝r
f
+β，其中r
f
是针对资产包中融资期限分布情况选择的对应年限的无风险利率，β是根据所选参数计算出来的调节因子。4.根据权利要求2所述的一种资产包估值方法，其特征是：所述贴现因子以公司加权平均资金成本为基准来进行计算，所述贴现因子...

【专利技术属性】
技术研发人员：曹思彬，徐福珍，刘攀峰，董宇，
申请(专利权)人：上海蓝书信息科技有限公司，
类型：发明
国别省市：