使用机器学习检测追加保证金通知的原因的方法和系统技术方案

提供了一种用于识别和捕获追加保证金通知过程中涉及的所有相关特征以使得可以通过使用机器学习来自动识别根本原因的方法。所述方法包括：获得与证券投资组合有关的数据；自动确定与触发追加保证金通知有关的数据模式和促使触发追加保证金通知的对应特性；基于数据模式和特性自动生成追加保证金通知模型；以及使用追加保证金通知模型评估第一证券投资组合，以确定与是否触发针对第一证券投资组合的第一追加保证金通知有关的信息。的第一追加保证金通知有关的信息。的第一追加保证金通知有关的信息。

Method and system for using machine learning to detect the cause of margin call

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习检测追加保证金通知的原因的方法和系统
[0001]相关申请的交叉引用
[0002]本申请要求2019年12月10日提交的美国临时专利申请序列号62/946,096的权益，现通过引用将其全部内容并入本申请。


[0003]本技术通常涉及用于检测追加保证金通知原因的方法和系统，尤其是用于识别和捕获追加保证金通知过程中涉及的所有相关特征以使得通过使用机器学习能够自动识别根本原因的方法和系统。

技术介绍

[0004]如今，许多金融机构利用追加保证金来确保信贷投资者保持在维持保证金范围内。历史上，向投资者追加保证金的决定是在事后做出的，在降低投资风险方面取得了不同程度的成功。
[0005]使用传统分析形式确定投资者是否需要追加保证金的一个缺点在于，在许多情况下，在投资组合(portfolio)已经超过任意阈值后，使用多个系统和多个数据要素低效地完成分析。除此之外，所述过程是手动的，由于不同地区的数据需要人工解释，因此存在主观性因素。因此，发出追加保证金通知的金融机构在事后信息方面花费了大量资源，从而无法有效地降低风险。
[0006]因此，需要进行交易建模，为投资者提供与导致追加保证金通知的各种因素相关的信息，使得投资者可以有效纠正任何缺陷。此外，还需要交易建模，为金融机构提供预期追加保证金通知的信息，使得金融机构可以纠正缺陷，而不必承担不必要的风险敞口。最后，需要标准化追加保证金通知过程、如何跨地区和不同地点解释追加保证金通知特征(feature)，使得存在一种消除人为偏见的唯一解释。

技术实现思路

[0007]本公开通过其一个或多个方面、实施例和/或特定特征或子组件，提供了用于识别和捕获追加保证金通知过程中涉及的所有相关特征以使得可以通过使用机器学习自动识别根本原因的各种系统、服务器、设备、方法、介质、程序和平台。
[0008]根据本公开的一方面，公开了一种用于识别和捕获追加保证金通知过程中涉及的所有相关特征以使得可以通过使用机器学习自动识别根本原因的方法，所述方法由至少一个处理器实现。所述方法可包括：由所述至少一个处理器获得与多个证券投资组合有关的多个数据；由所述至少一个处理器使用所述多个数据自动地确定与触发追加保证金通知相关的至少一个数据模式和促使触发所述追加保证金通知的至少一个对应特性(characteristic)；由所述至少一个处理器基于所述至少一个数据模式和所述至少一个特性自动生成至少一个追加保证金通知模型；以及由所述至少一个处理器使用所述至少一个追加保证金通知模型来评估所述第一证券投资组合，以确定与是否触发针对所述第一证券
投资组合的所述第一追加保证金通知有关的第一信息。
[0009]根据示例性实施例，所述评估可还包括：由所述至少一个处理器选择所述至少一个数据模式中的第一数据模式和所述至少一个对应特性中的第一特性，所述第一数据模式和所述第一特性与触发针对所述第一证券投资组合的所述第一追加保证金通知有关；以及由所述至少一个处理器经由显示器在图形用户界面上显示所述第一信息以及所述至少一个数据模式中的所选择的第一数据模式和所述至少一个对应特性中的所选择的第一特性。
[0010]根据示例性实施例，可使用对所述多个数据的机器学习分析，自动生成所述至少一个追加保证金通知模型。
[0011]根据示例性实施例，所述至少一个追加保证金通知模型可包括数据模型、数学模型、过程模型和机器学习模型中的至少一个。
[0012]根据示例性实施例，所述方法可还包括：使用所述至少一个追加保证金通知模型来评估第二证券投资组合，以确定与是否触发针对所述第二证券投资组合的未来第二追加保证金通知有关的第二信息；以及经由显示器在图形用户界面上显示所述第二信息。
[0013]根据示例性实施例，所述图形用户界面可包括至少一个面板，所述至少一个面板显示与所述第一证券投资组合有关的监测信息和/或与所述至少一个特性有关的分类信息。
[0014]根据示例性实施例，所述至少一个特性可包括以下中的至少一个：证券增值特性、证券贬值特性、资产市值差异特性、证券市值差异特性、证券市值买入特性、敞口差异特性、现金市值差异特性、抵押品差异特性、现金市值卖出特性，折减差额特性、证券市值卖出特性、证券清算价值买入特性、现金市值增值特性、现金市值贬值特性、质押市值流出特性、质押市值差异特性、现金市值买入特性、衍生敞口增量特性、衍生初始保证金敞口增量特性、质押清算价值流入特性、应计利息累积特性、质押市值流入特性、质押市值增值特性、质押市值贬值特性、衍生负市值增量特性、和无限质押差异特性。
[0015]根据示例性实施例，所述方法可还包括：经由图形用户界面接收来自至少一个用户的反馈信息；以及基于所述反馈信息来更新所述至少一个追加保证金通知模型。
[0016]根据示例性实施例，所述反馈信息包括第一信息准确度排序、第二信息准确度排序和特性准确度排序中的至少一个。
[0017]根据示例性实施例，所述方法可还包括：解析所述多个数据；识别经解析的多个数据中的个人可识别信息；以及通过移除所识别的个人可识别信息来匿名化所述多个数据。
[0018]根据本公开的一方面，公开了一种计算设备，其被配置为实现用于提供与触发针对第一证券投资组合的追加保证金通知有关的信息的方法。所述计算设备包括：处理器；存储器；以及通信接口，耦接到所述处理器和所述存储器中的每一个；其中，所述处理器被配置为：获得与多个证券投资组合有关的多个数据；通过使用所述多个数据，自动地确定与触发追加保证金通知相关的至少一个数据模式和促使触发所述追加保证金通知的至少一个相应特性；基于所述至少一个数据模式和所述至少一个特性自动生成至少一个追加保证金通知模型；以及使用所述至少一个追加保证金通知模型评估所述第一证券投资组合以确定与是否触发针对所述第一证券投资组合的所述第一追加保证金通知有关的第一信息。
[0019]根据示例性实施例，对于所述评估，所述处理器可还被配置为：选择所述至少一个数据模式中的第一数据模式和所述至少一个对应特性中的第一特性，所述第一数据模式和
所述第一特性与触发针对所述第一证券投资组合的所述第一追加保证金通知有关；以及经由显示器在图形用户界面上显示所述第一信息以及所述至少一个数据模式中的所选择的第一数据模式和所述至少一个对应特性中的所选择的第一特性。
[0020]根据示例性实施例，所述处理器可还被配置为：通过使用对所述多个数据的机器学习分析，自动生成所述至少一个追加保证金通知模型。
[0021]根据示例性实施例，所述至少一个追加保证金通知模型可包括数据模型、数学模型、过程模型和机器学习模型中的至少一个。
[0022]根据示例性实施例，所述处理器可还被配置为：使用所述至少一个追加保证金通知模型来评估第二证券投资组合，以确定与是否触发针对所述第二证券投资组合的未来第二追加保证金通知有关的第二信息；以及经由显示器在图形用户界面上显示所述第二信息。
[0023]根据示例性实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于提供与触发针对第一证券投资组合的追加保证金通知有关的信息的方法，所述方法由至少一个处理器实现，所述方法包括：由所述至少一个处理器获得与多个证券投资组合有关的多个数据；由所述至少一个处理器使用所述多个数据自动地确定与触发追加保证金通知相关的至少一个数据模式和促使触发所述追加保证金通知的至少一个对应特性；由所述至少一个处理器基于所述至少一个数据模式和所述至少一个特性自动生成至少一个追加保证金通知模型；以及由所述至少一个处理器使用所述至少一个追加保证金通知模型来评估所述第一证券投资组合，以确定与是否触发针对所述第一证券投资组合的所述第一追加保证金通知有关的第一信息。2.根据权利要求1所述的方法，其中，所述评估还包括：由所述至少一个处理器选择所述至少一个数据模式中的第一数据模式和所述至少一个对应特性中的第一特性，所述第一数据模式和所述第一特性与触发针对所述第一证券投资组合的所述第一追加保证金通知有关；以及由所述至少一个处理器经由显示器在图形用户界面上显示所述第一信息以及所述至少一个数据模式中的所选择的第一数据模式和所述至少一个对应特性中的所选择的第一特性。3.根据权利要求1所述的方法，其中，使用对所述多个数据的机器学习分析，自动生成所述至少一个追加保证金通知模型。4.根据权利要求1所述的方法，其中，所述至少一个追加保证金通知模型包括数据模型、数学模型、过程模型和机器学习模型中的至少一个。5.根据权利要求1所述的方法，还包括：由所述至少一个处理器使用所述至少一个追加保证金通知模型来评估第二证券投资组合，以确定与是否触发针对所述第二证券投资组合的未来第二追加保证金通知有关的第二信息；以及由所述至少一个处理器经由显示器在图形用户界面上显示所述第二信息。6.根据权利要求5所述的方法，其中，所述图形用户界面包括至少一个面板，所述至少一个面板显示与所述第一证券投资组合有关的监测信息和/或与所述至少一个特性有关的分类信息。7.根据权利要求1所述的方法，其中，所述至少一个特性包括以下中的至少一个：证券增值特性、证券贬值特性、资产市值差异特性、证券市值差异特性、证券市值买入特性、敞口差异特性、现金市值差异特性、抵押品差异特性、现金市值卖出特性，折减差额特性、证券市值卖出特性、证券清算价值买入特性、现金市值增值特性、现金市值贬值特性、质押市值流出特性、质押市值差异特性、现金市值买入特性、衍生敞口增量特性、衍生初始保证金敞口增量特性、质押清算价值流入特性、应计利息累积特性、质押市值流入特性、质押市值增值特性、质押市值贬值特性、衍生负市值增量特性、由于外汇波动特性引起的贷款价值波动、具有未来价值日期特性的私募股权认购或应计利息借记、和无限质押差异特性。8.根据权利要求1所述的方法，还包括：由所述至少一个处理器经由图形用户界面接收来自至少一个用户的反馈信息；以及
由所述至少一个处理器基于所述反馈信息来更新所述至少一个追加保证金通知模型。9.根据权利要求8所述的方法，其中，所述反馈信息包括第一信息准确度排序、第二信息准确度排序和特性准确度排序中的至少一个。10.根据权利要求1所述的方法，还包括：由所述至少一个处理器解析所述多个数据；由所述至少一个处理器识别经解析的所述多个数据中的个人可识别信息；以及由所述至少一个处理器通过移除所识别的个人可识别信息来匿名化所述多个数据。11.一种计...

【专利技术属性】
技术研发人员：G，
申请(专利权)人：摩根大通国家银行，
类型：发明
国别省市：