基于大数据的债券风险信息处理方法及相关设备技术

技术编号:35936885 阅读:8 留言:0更新日期:2022-12-14 10:24
本申请的实施例揭示了一种基于大数据的债券风险信息处理方法及相关设备,方法包括:对目标债券对应的发行对象的风险信息进行分词处理,得到对应的多个实词,风险信息包括发行对象对应的财务信息、信用信息和历史违约信息;基于与预设的关键词表匹配的实词的重要程度参数确定所述风险信息的特征向量,关键词表包括多个与预设的风险事件相关的关键词;将特征向量与预设的风险事件库中的风险事件进行匹配,得到与特征向量相匹配的目标风险事件,风险事件库中包括多个风险事件;基于目标风险事件进行风险提示。本申请实施例能够从更小粒度出发分析风险信息可能存在的风险事件,基于风险事件进行风险提示。风险事件进行风险提示。风险事件进行风险提示。

【技术实现步骤摘要】
基于大数据的债券风险信息处理方法及相关设备


[0001]本申请涉及大数据
,具体而言,涉及一种基于大数据的债券风险信息处理方法及相关设备。

技术介绍

[0002]债券作为一类重要的投资工具。客户在投资债券时,可能会获得收益,也可能会承担一定交易风险。其中,交易债券的风险包括但不限于:信贷风险、流动性风险、货币风险、利率风险以及市场风险等。若客户选择投资高息债券或某些别具特点及风险的债券时,会承受更高的风险。例如,若债券发生违约,客户甚至可能会损失本金。因此有必要在客户进行交易前,让其了解债券产品的特点和需要承担的风险程度。现有技术对债券进行风险评估所用到的数据过于单一,分析得到的风险值误差较大,进而导致风险提示误差,进而造成债券交易过程中的数据展示不全面的问题。

技术实现思路

[0003]为解决上述技术问题,本申请的实施例提供了一种基于大数据的债券风险信息处理方法及相关设备。
[0004]根据本申请实施例的一个方面,提供了一种基于大数据的债券风险信息处理方法,包括:对目标债券对应的发行对象的风险信息进行分词处理,得到对应的多个实词,风险信息包括发行对象对应的财务信息、信用信息和历史违约信息;基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量,关键词表包括多个与预设的风险事件相关的关键词,其中,重要程度参数用于表示对应目标实词对于风险信息的重要程度;将特征向量与预设的风险事件库中的风险事件进行匹配,得到与特征向量相匹配的目标风险事件,风险事件库中包括多个风险事件;基于目标风险事件进行风险提示。
[0005]根据本申请实施例的一个方面,提供了基于大数据的债券风险信息处理装置,包括:分词处理模块,用于对目标债券对应的发行对象的风险信息进行分词处理,得到对应的多个实词,风险信息包括发行对象对应的财务信息、信用信息和历史违约信息;确定模块,用于基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量,关键词表包括多个与预设的风险事件相关的关键词,其中,重要程度参数用于表示对应目标实词对于风险信息的重要程度;匹配模块,用于将特征向量与预设的风险事件库中的风险事件进行匹配,得到与特征向量相匹配的目标风险事件,风险事件库中包括多个风险事件;风险提示模块,用于基于目标风险事件进行风险提示。
[0006]在一个示例性实施例中,确定模块包括匹配单元、确定单元以及特征向量获取单元,其中,匹配单元用于将各个实词分别与关键词表进行匹配,得到目标实词;确定单元用于确定各个目标实词的重要程度参数;特征向量获取单元用于将由各个目标实词的重要程度参数组成的向量作为特征向量。
[0007]在一个示例性实施例中,本实施例提供的基于大数据的债券风险信息处理装置还
包括计算模块,其中,计算模块用于将目标匹配度作为目标风险事件对应的风险事件评分值的权重,计算目标风险事件的风险事件评分值的加权和,将加权和作为目标债券的风险评分值,目标匹配度为目标风险事件与特征向量之间的匹配度。风险事件库中包括每个风险事件对应的风险事件评分值。
[0008]在一个示例性实施例中,风险提示模块包括响应单元和加载单元,其中,响应单元用于响应于债券交易页面中触发的针对目标债券的第一操作指令,获取目标风险事件以及风险评分值;加载单元用于将目标风险事件以及风险评分值加载于债券交易页面。
[0009]在一个示例性实施例中,加载单元还用于将目标债券的风险等级、目标风险事件、风险评分值与目标债券进行关联,将关联之后的风险等级、目标风险事件、风险评分值加载于债券交易页面,风险等级基于风险评分值确定。
[0010]在一个示例性实施例中,加载单元还用于将风险等级、目标风险事件、风险评分值与目标债券带入预先生成的风险提示字段模板,得到对应的风险提示字段。
[0011]在一个示例性实施例中,本实施例提供的基于大数据的债券风险信息处理装置还包括响应模块,用于响应于债券交易页面中触发的针对债券资讯链接的第二操作指令,加载债券资讯链接所对应的资讯页面,资讯页面用于展示风险信息,其中,目标债券关联针对目标债券的债券资讯链接。
[0012]根据本申请实施例的一个方面,提供了一种电子设备,包括处理器及存储器,存储器上存储有计算机可读指令,计算机可读指令被处理器执行时实现如上的基于大数据的债券风险信息处理方法。
[0013]根据本申请实施例的一个方面,提供了一种计算机可读存储介质,其上存储有计算机可读指令,当计算机可读指令被计算机的处理器执行时,使计算机执行如前提供的基于大数据的债券风险信息处理方法。
[0014]根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实施例中提供的基于大数据的债券风险信息处理方法。
[0015]在本申请的实施例提供的技术方案中,对目标债券对应的发行对象的风险信息进行分词处理,得到对应的多个实词,风险信息包括发行对象对应的财务信息、信用信息和历史违约信息;基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量,关键词表包括多个与预设的风险事件相关的关键词,其中,重要程度参数用于表示对应目标实词对于风险信息的重要程度;将特征向量与预设的风险事件库中的风险事件进行匹配,得到与特征向量相匹配的目标风险事件,风险事件库中包括多个风险事件;基于目标风险事件进行风险提示。本实施例基于与预设的关键词表匹配的实词的重要程度参数确定风险信息的特征向量,上述方式可以充分提取风险信息中的语义信息,进而能够更加准确地提取风险信息中的特征,使得到的风险信息对应的特征向量更加准确,并提取与风险事件相关的信息,避免浪费不必要的算力资源,提高基于债券信息进行大数据风险评估的效率;另外,本实施例从更小粒度出发分析风险信息可能存在的风险事件,基于风险事件进行风险提示,使得用户能够更加明确债券产品带来的风险。
[0016]应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
[0017]此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术者来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
[0018]图1是本申请的一示例性实施例示出的基于大数据的债券风险信息处理方法的流程图;
[0019]图2是一示例性实施例示出的由债券交易页面跳转至资讯页面的示意图;
[0020]图3是一示例性实施例示出的债券的风险提示方法的流程图;
[0021]图4是本申请一示例性实施例示出的基于大数据的债券风险信息处理装置的框图;
[0022]图5示出了适于用本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的债券风险信息处理方法,其特征在于,包括:对目标债券对应的发行对象的风险信息进行分词处理,得到对应的多个实词,所述风险信息包括所述发行对象对应的财务信息、信用信息和历史违约信息;基于与预设的关键词表匹配的目标实词的重要程度参数确定所述风险信息的特征向量,所述关键词表包括多个与预设的风险事件相关的关键词,其中,所述重要程度参数用于表示对应目标实词对于所述风险信息的重要程度;将所述特征向量与预设的风险事件库中的风险事件进行匹配,得到与所述特征向量相匹配的目标风险事件,所述风险事件库中包括多个风险事件;基于所述目标风险事件进行风险提示。2.根据权利要求1所述的方法,其特征在于,所述基于与预设的关键词表匹配的目标实词的重要程度参数确定所述风险信息的特征向量包括:将各个实词分别与所述关键词表进行匹配,得到所述目标实词;确定各个目标实词的重要程度参数;将由各个目标实词的重要程度参数组成的向量作为所述特征向量。3.根据权利要求1所述的方法,其特征在于,所述风险事件库中包括每个风险事件对应的风险事件评分值;所述方法还包括:将目标匹配度作为所述目标风险事件对应的风险事件评分值的权重,计算所述目标风险事件的风险事件评分值的加权和,将所述加权和作为所述目标债券的风险评分值,所述目标匹配度为所述目标风险事件与所述特征向量之间的匹配度。4.根据权利要求3所述的方法,其特征在于,所述基于所述目标风险事件进行风险提示包括:响应于债券交易页面中触发的针对所述目标债券的第一操作指令,获取所述目标风险事件以及所述风险评分值;将所述目标风险事件以及所述风险评分值加载于所述债券交易页面。5.根据权利要求4所述的方法,其特征在于,所述将所述目标风险事件以及所述风险评分值加载于所述债券交易页面包括:将所述目标债券的风险等级、所述目标风险事件、所述风险评分值与目...

【专利技术属性】
技术研发人员:刘蕾
申请(专利权)人:深圳市富途网络科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1