【技术实现步骤摘要】
本专利技术涉及大数据和人工智能，更具体地涉及一种银行流动性风险评估方法、装置、电子设备和介质。
技术介绍
1、在当今金融市场中，特别是在面对复杂多变的市场环境和不断增长的金融交易的情况下，银行的流动性风险管理变得愈发重要。流动性风险是指银行面临的无法满足其债务偿还和运营资金需求的可能性，这可能导致银行的资金短缺，进而影响其偿付能力、声誉和业务持续性。因此，建立准确、全面的流动性风险评估模型成为确保金融体系稳健运行的关键一环。
2、然而，传统的银行流动性风险评估技术仍存在以下问题：首先，传统的流动性评估方案仅关注银行自身的财务数据，忽略了外部关联关系和市场宏观环境的影响，而实际上，银行的流动性风险是受多个因素综合影响的，包括自身经营情况、与外部实体的关联、市场的宏观变化等；进一步地，现有评估模型在处理时序连贯性方面也存在不足。流动性风险是一个随时间变化的动态过程，然而很多模型忽视了时间的维度，导致评估结果缺乏时序的连贯性，这可能导致模型无法准确预测未来风险，难以提供及时的风险预警和管理建议。此外，现有模型缺少扩展性，无法预测风险扩散、风险积累等极端场景。
技术实现思路
1、鉴于上述问题，根据本专利技术的第一方面，提供了一种银行流动性风险评估方法，其特征在于，所述方法包括：选择l个时间窗口，其中，l为正整数；对于第i个时间窗口，进行数据处理操作，包括：获取目标银行在第i个时间窗口内的流动性关联网络；基于所述流动性关联网络，进行数据预处理操作，得到节点和有向边信息数据，其中，
2、根据一些示例性实施例，所述获取目标银行在第i个时间窗口内的流动性关联网络，具体包括：采集所述目标银行在第i个时间窗口内的历史内外部数据，其中，包括自身经营情况数据、外部关联关系数据以及市场宏观数据；以及基于所述历史内外部数据，构建所述流动性关联网络，其中，所述流动性关联网络包括n个节点和m条边，n个节点表示所述目标银行以及与所述目标银行有关联关系的外部对象，m条边表示所述目标银行和所述外部对象之间的关联关系，n和m均为大于或等于2的正整数。
3、根据一些示例性实施例，利用lstm型的循环神经网络训练所述流动性风险评估模型。
4、根据一些示例性实施例，所述基于所述流动性关联网络，进行数据预处理操作，得到节点和有向边信息数据，具体包括：对所述流动性关联网络进行数据清洗和数据格式化，获取节点信息数据和有向边信息数据，其中，所述节点信息数据包括节点的风险系数和时间标注，所述有向边信息数据包括节点之间的关系权重和时间标注。
5、根据一些示例性实施例，所述数据清洗的过程具体包括：对所述流动性关联网络中的缺失信息进行补充修复；以及剔除所述流动性关联网络中的不准确信息。
6、根据一些示例性实施例，所述数据格式化的过程具体包括：基于预先构建的变现金额计算模型，计算约定时间内可及时变现的金额；基于所述约定时间内可及时变现的金额，计算关系权重；以及基于所述关系权重，利用trustrank算法，计算所述流动性关联网络中每个节点的节点风险系数。
7、根据一些示例性实施例，在所述基于所述关系权重，利用trustrank算法，计算所述流动性关联网络中每个节点的节点风险系数之前，所述方法还包括：基于自身经营情况数据、外部关联关系数据以及市场宏观数据，获取节点基础风险信息；以及基于节点基础风险信息，生成初始风险系数。
8、根据一些示例性实施例，所述基于所述关系权重，利用trustrank算法，计算所述流动性关联网络中每个节点的节点风险系数，具体包括：以所述关系权重作为数据标签，将所述目标银行所在的节点作为起始节点；基于所述流动性关联网络和随机游走模型，从所述起始节点开始随机游走；以及当所述随机游走模型的损失指标达到预设的阈值，停止游走和优化，获得所述节点风险系数。
9、根据一些示例性实施例，在所述流动性风险评估模型中，采用所述节点风险系数作为遗忘门以及记忆单元的状态值。
10、根据一些示例性实施例，所述流动性风险评估结果包括：流动性风险指标值、预警阈值、发生流动性预警的判断值以及各节点记忆值。
11、根据本专利技术的第二方面，提出了一种银行流动性风险评估装置，所述装置包括：时间窗口选择模块，用于：时间窗口选择模块，用于：选择l个时间窗口，其中，l为正整数；单个独立关系图谱获取模块，用于：对于第i个时间窗口，进行数据处理操作，包括：获取目标银行在第i个时间窗口内的流动性关联网络；基于所述流动性关联网络，进行数据预处理操作，得到节点和有向边信息数据，其中，i为小于或等于l的正整数；基于所述节点和有向边信息数据，形成独立关系图谱；l个独立关系图谱获取模块，用于：基于所述第i个时间窗口的数据处理操作，获取所述l个时间窗口的l个独立关系图谱；以及流动性风险评估结果输出模块，用于：将所述l个独立关系图谱输入预先训练的流动性风险评估模型，输出流动性风险评估结果。
12、根据一些示例性实施例，所述第i个时间窗口数据获取模块可以包括流动性关联网络构建模块和数据预处理模块。
13、根据一些示例性实施例，所述流动性关联网络构建模块包括数据采集单元和流动性关联网络构建单元。
14、根据一些示例性实施例，所述数据采集单元可以用于采集与目标银行的在第i个时间窗口内的历史内外部数据，其中，包括自身经营情况数据、外部关联关系数据以及市场宏观数据。
15、根据一些示例性实施例，所述流动性关联网络构建单元可以用于基于所述历史内外部数据，构建所述流动性关联网络，其中，所述流动性关联网络包括n个节点和m条边，n个节点表示所述目标银行以及与所述目标银行有关联关系的外部对象，m条边表示所述目标银行和所述外部对象之间的关联关系，n和m均为大于或等于2的正整数。
16、根据一些示例性实施例，所述数据预处理模块可以用于对所述流动性关联网络进行数据清洗和数据格式化，获取节点信息数据和有向边信息数据，其中，所述节点信息数据包括节点的风险系数和时间标注，所述有向边信息数据包括节点之间的关系权重和时间标注。
17、根据一些示例性实施例，所述数据预处理模块可以包括数据清洗模块和数据格式化模块。
18、根据一些示例性实施例，所述数据清洗模块可以包括补充修复单元和不准确信息剔除单元。
19、根据一些示例性实施例，所述补充修复单元可以用于对所述流动性关联网络中的缺失信息进行补充修复。
20、根据一些示例性实施例，所述不准确信息剔除单元可以用于剔除所述流动性关联网络中的不准确信息。
21、根据一些示例性实施例，所述数据格式化模块可以包括可及时变现的金额计算单元、关系权重计本文档来自技高网...
【技术保护点】
1.一种银行流动性风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标银行在第i个时间窗口内的流动性关联网络，具体包括：
3.根据权利要求1所述的方法，其特征在于，利用LSTM型的循环神经网络训练所述流动性风险评估模型。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述基于所述流动性关联网络，进行数据预处理操作，得到节点和有向边信息数据，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述数据清洗的过程具体包括：
6.根据权利要求4所述的方法，其特征在于，所述数据格式化的过程具体包括：
7.根据权利要求6所述的方法，其特征在于，在所述基于所述关系权重，利用TrustRank算法，计算所述流动性关联网络中每个节点的节点风险系数之前，所述方法还包括：
8.根据权利要求6或7所述的方法，其特征在于，所述基于所述关系权重，利用TrustRank算法，计算所述流动性关联网络中每个节点的节点风险系数，具体包括：
9.根据权利要求8所述的方法
10.根据权利要求1所述的方法，其特征在于，所述流动性风险评估结果包括：流动性风险指标值、预警阈值、发生流动性预警的判断值以及各节点记忆值。
11.一种银行流动性风险评估装置，其特征在于，所述装置包括：
12.一种电子设备，包括：
13.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～10中任一项所述的方法。
14.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～10中任一项所述的方法。
...【技术特征摘要】
1.一种银行流动性风险评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取目标银行在第i个时间窗口内的流动性关联网络，具体包括：
3.根据权利要求1所述的方法，其特征在于，利用lstm型的循环神经网络训练所述流动性风险评估模型。
4.根据权利要求1～3任一项所述的方法，其特征在于，所述基于所述流动性关联网络，进行数据预处理操作，得到节点和有向边信息数据，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述数据清洗的过程具体包括：
6.根据权利要求4所述的方法，其特征在于，所述数据格式化的过程具体包括：
7.根据权利要求6所述的方法，其特征在于，在所述基于所述关系权重，利用trustrank算法，计算所述流动性关联网络中每个节点的节点风险系数之前，所述方法还包括：
8.根据权利...
【专利技术属性】
技术研发人员：李晶晶，何泉，廖杰，曾旭峰，
申请(专利权)人：中国工商银行股份有限公司，
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。