本申请提供了一种债券估值方法、债券估值模型训练方法及装置，涉及云计算领域，包括：基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值；将未来成交价格估值通过债券价格展示页面进行展示。本实施例中，利用待估值债券的历史成交价格和同类型债券的历史成交价格训练债券估值模型，利用债券估值模型对债券进行估值，基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，进行债券估值，可以实现实时估值，估值结果更加准确。估值结果更加准确。估值结果更加准确。
【技术实现步骤摘要】
债券估值方法、债券估值模型训练方法及装置
[0001]本申请涉及云计算
，尤其涉及一种债券估值方法、债券估值模型训练方法及装置。
技术介绍
[0002]对债券进行估值是指对债券的未来成交价格进行估计的过程。一般对债券进行估值时，利用实时成交价格进行估值。然而，对于有些债券来讲，成交数据稀疏，例如，信用债。目前信用债交易市场中，有的信用债好几天都无法成交，因此，不能直接用使用实时成交价格对信用债进行估值，但是实时的估值能帮助交易人员更方便报价。
[0003]现有的债券估值方法，对于成交数据稀疏的债券，只能以天为单位进行债券估值，每天收盘后进行估值，无法实现实时估值，估值结果不够准确。
技术实现思路
[0004]本申请实施例提供一种债券估值方法、债券估值模型训练方法及装置，以实现债券的实时估值，估值结果更加准确。
[0005]第一方面，本申请实施例提供了一种债券估值方法，该方法包括：
[0006]基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；
[0007]将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值；
[0008]将未来成交价格估值通过债券价格展示页面进行展示；
[0009]其中，债券估值模型是利用待估值债券的历史成交价格和同类型债券的历史成交价格训练得到的。
[0010]第二方面，本申请实施例提供了一种债券估值模型训练方法，该方法包括：
[0011]获取训练样本集，训练样本集包括训练样本和样本标签，训练样本包括基于待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏特征，样本标签包括待估值债券的历史成交价格和同类型债券的历史成交价格之差；
[0012]利用训练样本集训练神经网络模型，得到待估值债券的债券估值模型。
[0013]第三方面，本申请实施例提供了一种债券估值装置，该装置包括：
[0014]特征确定模块，用于基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；
[0015]价格确定模块，用于将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值；
[0016]价格展示模块，用于将未来成交价格估值通过债券价格展示页面进行展示；
[0017]其中，债券估值模型是利用待估值债券的历史成交价格和同类型债券的历史成交价格训练得到的。
[0018]第四方面，本申请实施例提供了一种债券估值模型训练装置，该装置包括：
[0019]样本获取模块，用于获取训练样本集，训练样本集包括训练样本和样本标签，训练样本包括基于待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏特征，样本标签包括待估值债券的历史成交价格和同类型债券的历史成交价格之差；
[0020]模型训练模块，用于利用训练样本集训练神经网络模型，得到待估值债券的债券估值模型。
[0021]第五方面，本申请实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，处理器在执行计算机程序时实现上述任一项的方法。
[0022]与现有技术相比，本申请具有如下优点：
[0023]本申请实施例提供了一种债券估值方法、债券估值模型训练方法及装置，基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值；将未来成交价格估值通过债券价格展示页面进行展示。本实施例中，利用待估值债券的历史成交价格和同类型债券的历史成交价格训练债券估值模型，利用债券估值模型，基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，进行债券估值，可以实现实时估值，估值结果更加准确。
[0024]上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
[0025]在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本申请的一些实施方式，而不应将其视为是对本申请范围的限制。
[0026]图1为本申请一实施例提供的债券估值方法的场景示意图；
[0027]图2为本申请一实施例提供的债券估值方法的流程图；
[0028]图3为本申请一实施例提供的债券估值模型训练方法的流程图；
[0029]图4为本申请一实施例提供的债券估值方法的示意图；
[0030]图5为本申请一实施例提供的债券估值装置的结构框图；
[0031]图6为本申请一实施例提供的债券估值模型训练装置的结构框图；以及
[0032]图7为用来实现本申请实施例的电子设备的框图。
具体实施方式
[0033]在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本申请的构思或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的，而非限制性的。
[0034]为便于理解本申请实施例的技术方案，以下对本申请实施例的相关技术进行说明。以下相关技术作为可选方案与本申请实施例的技术方案可以进行任意结合，其均属于本申请实施例的保护范围。
[0035]图1为示例性的用于实现本申请实施例的方法的一个应用场景的示意图。云计算平台为租户提供云服务，云服务可以通过虚拟机的形式部署在租户设备中，云服务的功能可以包括对债券进行估值。云计算服务器获取训练样本集，训练样本集包括训练样本和样本标签，训练样本包括基于待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏特征，样本标签包括待估值债券的历史成交价格和同类型债券的历史成交价格之差。利用训练样本集训练神经网络模型，得到待估值债券的债券估值模型。其中，同类型包括以下至少一项：债券评级相同、债券到期期限相同、债券发行方所属的行业相同、债券发行方所属的地区相同。
[0036]在对债券进行估值时，基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值，将未来成交价格估值发送至租户设备，租户设备通过云服务客户端的债券价格展示页面进行展示，供债券交易人员报价，或者为有意向购买债券的用户提供参考。
[0037]相关技术中，对于成交数据稀疏的债券，例如，信用债。基于信用债固有特征对信用债评级，收集关键期限信用债的成交价格，基于埃尔米特Hermite差值法，对同一评级信用债，画出收益率曲线，基于收益率曲线对信用债估值。这种估值方式，只能以天为单位估值，无法实时估值，而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种债券估值方法，其特征在于，所述方法包括：基于待估值债券的历史价格和所述待估值债券的同类型债券的实时成交价格，确定所述待估值债券的稀疏特征；将所述稀疏特征输入债券估值模型，基于所述债券估值模型的输出值，得到所述待估值债券的未来成交价格估值；将所述未来成交价格估值通过债券价格展示页面进行展示；其中，所述债券估值模型是利用所述待估值债券的历史成交价格和同类型债券的历史成交价格训练得到的。2.根据权利要求1所述的方法，其特征在于，所述基于待估值债券的历史价格和所述待估值债券的同类型债券的实时成交价格，确定所述待估值债券的稀疏特征，包括：将所述待估值债券的历史价格和所述待估值债券的多个同类型债券的实时成交价格做差，基于多个差值确定所述待估值债券的稀疏特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述债券估值模型的输出值，得到所述待估值债券的未来成交价格估值，包括：将所述债券估值模型的输出值作为所述待估值债券的未来成交价格估值；或者将所述债券估值模型的输出值和所述待估值债券的历史价格求和，得到所述待估值债券的未来成交价格估值。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述同类型包括以下至少一项：债券评级相同、债券到期期限相同、债券发行方所属的行业相同、债券发行方所属的地区相同。5.一种债券估值模型训练方法，其特征在于，所述方法包括：获取训练样本集，所述训练样本集包括训练样本和样本标签，所述训练样本包括基于待估值债券的历史成交价格和同类型债券的历史成交价格得到的稀疏特征，所述样本标签包括所述待估值债券的历史成交价格和同类型债券的历史成交价格之差；利...
【专利技术属性】
技术研发人员：徐阆平，陈风，郭立帆，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：
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。