基于金融大数据的企业现金流智能评级系统技术方案

本申请涉及金融大数据的领域，其具体地公开了一种基于金融大数据的企业现金流智能评级系统及其评估方法，其通过基于深度神经网络模型来对于与现金流评估相关的多个结果指标进行局部和全局的隐含关联特征提取，并基于所计算出的各项指标的这种局部和全局的关联特征来对于企业的现金流是否良好进行评估。这样，支持了复杂灵活的交易结构，提高了现金流模型结果的准确性。模型结果的准确性。模型结果的准确性。

【技术实现步骤摘要】
基于金融大数据的企业现金流智能评级系统


[0001]本申请涉及金融大数据的领域，且更为具体地，涉及一种基于金融大数据的企业现金流智能评级系统。

技术介绍

[0002]我国的资产证券化(以下简称“ABS”)正式起步于2005年，并得到蓬勃发展。与ABS一级市场的火爆发行形成鲜明对比的是，ABS二级市场的投资交易却持续低迷。二级市场的低迷，其主要原因在于ABS产品的复杂性，而现有估值定价模型缺陷较多，使得市场投资人无法对ABS的估值定价形成统一认可。
[0003]目前，ABS的估值定价计算以ABS现金流模型计算的结果为前提，现金流模型结果的准确性是估值定价结果准确性的最重要保障。而要保证现金流模型结果的准确性，需要其严格还原每一单ABS产品的归集现金流和交易结构，严格匹配基础资产的流入端和证券的流出端数据。
[0004]近年来，随着大数据、云计算以及人工智能技术的发展，为企业现金流风险评级提供了新的解决思路和方案。
[0005]因此，期待一种优化的基于金融大数据的企业现金流智能评级方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于金融大数据的企业现金流智能评级系统及其评估方法，其通过基于深度神经网络模型来对于与现金流评估相关的多个结果指标进行局部和全局的隐含关联特征提取，并基于所计算出的各项指标的这种局部和全局的关联特征来对于企业的现金流是否良好进行评估。这样，支持了复杂灵活的交易结构，提高了现金流模型结果的准确性。
[0007]根据本申请的一个方面，提供了一种基于金融大数据的企业现金流智能评级系统，其包括：训练模块，包括：训练数据单元，用于获取与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；训练指标数据语义编码单元，用于将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；训练指标特征校正单元，用于基于所述多个结果指标语义特征向量的整体，分别对所述多个结果指标语义特征向量中各个结果指标语义特征向量中各个位置的特征值进行校正以得到多个校正后结果指标语义特征向量；训练指标特征局部关联编码单元，用于将所述多个校正后结果指标语义特征向量排列为结果指标输入矩阵后通过作为特征提取器的第一卷积神经网络以得到结果指标局
部关联特征图；训练指标特征全局关联编码单元，用于将所述结果指标局部关联特征图通过非局部神经网络以得到结果指标全局特征图；训练特征融合单元，用于融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；分类损失单元，用于将所述分类特征图通过分类器以得到分类损失函数值；训练单元，用于以所述分类损失函数值对所述作为特征提取器的第一卷积神经网络和所述非局部神经网络进行训练；以及推断模块，包括：指标数据获取单元，用于获取待评估企业的与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；指标数据语义编码单元，用于将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；指标特征局部关联编码单元，用于将所述多个结果指标语义特征向量排列为结果指标输入矩阵后通过经所述训练模块训练完成的所述作为特征提取器的第一卷积神经网络以得到结果指标局部关联特征图；指标特征全局关联编码单元，用于将所述结果指标局部关联特征图通过经训练模块训练完成的所述非局部神经网络以得到结果指标全局特征图；融合单元，用于融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；现金流评估结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估企业的现金流是否良好。
[0008]根据本申请的另一个方面，提供了一种基于金融大数据的资产证券化现金流评估方法，其包括：训练阶段，包括：获取与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；基于所述多个结果指标语义特征向量的整体，分别对所述多个结果指标语义特征向量中各个结果指标语义特征向量中各个位置的特征值进行校正以得到多个校正后结果指标语义特征向量；将所述多个校正后结果指标语义特征向量排列为结果指标输入矩阵后通过作为特征提取器的第一卷积神经网络以得到结果指标局部关联特征图；将所述结果指标局部关联特征图通过非局部神经网络以得到结果指标全局特征图；
融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；将所述分类特征图通过分类器以得到分类损失函数值；以所述分类损失函数值对所述作为特征提取器的第一卷积神经网络和所述非局部神经网络进行训练；以及推断阶段，包括：获取待评估企业的与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；将所述多个结果指标语义特征向量排列为结果指标输入矩阵后通过经所述训练模块训练完成的所述作为特征提取器的第一卷积神经网络以得到结果指标局部关联特征图；将所述结果指标局部关联特征图通过经训练模块训练完成的所述非局部神经网络以得到结果指标全局特征图；融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估企业的现金流是否良好。
[0009]与现有技术相比，本申请提供的基于金融大数据的企业现金流智能评级系统及其评估方法，其通过基于深度神经网络模型来对于与现金流评估相关的多个结果指标进行局部和全局的隐含关联特征提取，并基于所计算出的各项指标的这种局部和全局的关联特征来对于企业的现金流是否良好进行评估。这样，支持了复杂灵活的交易结构，提高了现金流模型结果的准确性。
附图说明
[0010]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0011]图1为根据本申请实施例的基于金融大数据的企业现金流智能评级系统的框图。
[0012]图2A为根据本申请实施例的基于金融大数据的资产证券化现金流评估方法中训练阶段的流程图。
[0013]图2B为根据本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于金融大数据的企业现金流智能评级系统，其特征在于，包括：训练模块，包括：训练数据单元，用于获取与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；训练指标数据语义编码单元，用于将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；训练指标特征校正单元，用于基于所述多个结果指标语义特征向量的整体，分别对所述多个结果指标语义特征向量中各个结果指标语义特征向量中各个位置的特征值进行校正以得到多个校正后结果指标语义特征向量；训练指标特征局部关联编码单元，用于将所述多个校正后结果指标语义特征向量排列为结果指标输入矩阵后通过作为特征提取器的第一卷积神经网络以得到结果指标局部关联特征图；训练指标特征全局关联编码单元，用于将所述结果指标局部关联特征图通过非局部神经网络以得到结果指标全局特征图；训练特征融合单元，用于融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；分类损失单元，用于将所述分类特征图通过分类器以得到分类损失函数值；训练单元，用于以所述分类损失函数值对所述作为特征提取器的第一卷积神经网络和所述非局部神经网络进行训练；以及推断模块，包括：指标数据获取单元，用于获取待评估企业的与现金流评估相关的多个结果指标，所述多个结果指标包括资产池利息现金流、资产池本金现金流、各时点违约金额、累计违约金额、累计违约率、事件是否触发状态、第三方机构费用兑付现金流以及各档证券兑付明细现金流；指标数据语义编码单元，用于将所述多个结果指标通过包含嵌入层的上下文编码器以得到多个结果指标语义特征向量；指标特征局部关联编码单元，用于将所述多个结果指标语义特征向量排列为结果指标输入矩阵后通过经所述训练模块训练完成的所述作为特征提取器的第一卷积神经网络以得到结果指标局部关联特征图；指标特征全局关联编码单元，用于将所述结果指标局部关联特征图通过经训练模块训练完成的所述非局部神经网络以得到结果指标全局特征图；融合单元，用于融合所述结果指标局部关联特征图和所述结果指标全局特征图以得到分类特征图；现金流评估结果生成单元，用于将所述分类特征图通过分类器以得到分类结果，所述分类结果用于表示待评估企业的现金流是否良好。2.根据权利要求1所述的基于金融大数据的企业现金流智能评级系统，其特征在于，所述资产池本金现金流=正常本金+早偿本金 + 违约本金的汇总额；所述正常本金=归集现金流表本期应收本金t/归集现金流表期初本金余额t * (期初
本金余额t
–
正常本金t
–
早偿金额t)；所述早偿本金=早偿率t * (期初本金余额t
–
正常本金t
–
违约余额t)；所述违约本金=违约金额(t
‑
回收期)*回收率；所述期初本金余额=资产池本金余额t
‑1–
本金现金流t；所述资产池利息现金流= (期初本金余额t
ꢀ–ꢀ
违约金额t
ꢀ–ꢀ
早偿金额t) * 资产池利率* 年化时间；所述各时点违约金额=期初本金余额t* 违约率t。3.根据权利要求2所述的基于金融大数据的企业现金流智能评级系统，其特征在于，所述训练指标数据语义编码单元，包括：输入向量构造子单元，用于使用所述包含嵌入层的上下文编码器的嵌入层分别将所述多个结果指标转化为输入向量以获得输入向量的序列；以及上下文编码子单元，用于使用所述包含嵌入层的上下文编码器的转换器对所述输入向量的序列进行基于全局的上下文语义编码以获得所述多个结果指标语义特征向量。4.根据权利要求3所述的基于金融大数据的企业现金流智能评级系统，其...

【专利技术属性】
技术研发人员：胡占锋，张丽君，薛良，张成松，肖体宾，吕丽娅，陈真，
申请(专利权)人：杭州衡泰技术股份有限公司，
类型：发明
国别省市：