基于信息自循环的金融建模优化方法技术

本发明专利技术涉及一种基于信息自循环的金融建模优化方法，特点是：其建立风险度量初始模型作为初始模型，根据模型所需资料采集客户信息，应用模型和客户信息对每个客户进行风险度量，根据每个客户度量的风险值将客户分组，统计每组客户的违约率，对照每组客户的违约率与每组客户定义的违约概率，判断模型与度量结果是否吻合，如果不吻合，则重复修正风险度量模型，直到用该模型度量的结果与定义相符为止。采用本发明专利技术后，将其结合软件应用到银行信贷管理系统后，能够以最严谨的思路、最短的时间、最便捷的运算和最低的成本来实现风险管理模型优化。

【技术实现步骤摘要】

本专利技术涉及一种金融建模优化方法，尤其涉及一种基于信息自循环的金融建模优 化方法。
技术介绍
在我国，信贷业务收入占银行收入80%以上，成为银行企业收入和利润的主要来 源。信贷属于高风险业务，由不良贷款产生的风险成本接近甚至超过了资金成本率，降低不 良贷款率已成为金融企业提高效益和政府监管当局防范金融风险的焦点。此次世界金融危 机暴露出来的问题显示，国际金融监管体系并没有错，错在某些国家放松了监管力度，我国 从本世纪初开始引进国际先进的银行监管体系，并加大了推广力度，使得中国在此次金融 危机中避免了大的损失。如何保证监管体系更有效，而且长期有效，需要不断完善风险评价 模型，如何快速和低成本的完善模型，仍然是目前存在的一大难题。
技术实现思路
本专利技术的目的就是为了解决现有技术中存在的上述问题，提供一种基于信息自循 环的金融建模优化方法。本专利技术的目的通过以下技术方案来实现，其包括以下步骤步骤①，建立风险度量初始模型作为初始模型；步骤②，根据模型所需资料采集客户信息；步骤③，应用模型和客户信息对每个客户进行风险度量；步骤④，根据每个客户度量的风险值将客户分组；步骤⑤，统计每组客户的违约率；步骤⑥，对照每组客户的违约率与每组客户定义的违约概率，判断模型与度量结 果是否吻合，如果不吻合，则重复步骤③ ⑥并修正风险度量模型，直到用该模型度量的结 果与定义相符为止。上述的，其中步骤①所述建立风险度量初 始模型的内容包括，客户信用评级模型、贷款分类指标边界值、贷款偿还能力评价指标边界 值，最大授信额度边界值计算模型。进一步地，上述的，其中步骤④所述的客户 分组，是将风险度量指标取值分为若干区间，每个区间为一个分组，统计每组的客户数量以 及每个组的贷款违约客户数量。更进一步地，上述的，其中步骤⑤所述的违 约率=违约客户数量/客户数量。再进一步地，上述的，其中步骤⑥所述的修 正风险度量模型包括——信用评级评价模型修正将客户分组中的每组客户的违约率与信用等级标准定义 的违约概率比较，如果不符合，则需要修正该组合的对应等级，令每个组合都存在与信用等 级标准的一一对应关系；贷款分类评价模型修正对于流动资金贷款，用现金比率、流动比率、速动比率、总 投资收益率作为评价指标；对于固定资产贷款，用经营收益实际偿债备付率、经营收益潜在 偿债备付率、总投资收益率作为主要评价指标；划分不良贷款的标志是还款违约，通过统 计这些指标或是计算指标排列组合的违约率，得到这些指标或是组合在不同概率下的边界值。本专利技术技术方案的突出的实质性特点和显著的进步主要体现在采用本专利技术后， 将其结合软件应用到银行信贷管理系统后，能够以最严谨的思路、最短的时间、最便捷的运 算和最低的成本来实现风险管理模型优化。本专利技术以极低廉的成本解决了银行风险管理模 型优化问题，同时解决了风险管理软件系统维护升级的一大难题，能够准确有效的避免传 统方法在项目评估技术上遇到的困难。附图说明本专利技术的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和 解释。这些实施例仅是应用本专利技术技术方案的典型范例，凡采取等同替换或者等效变换而 形成的技术方案，均落在本专利技术要求保护的范围之内。这些附图当中，图1是应用于银行信贷管理系统软件的模 块构造示意图；图2是模型优化模块的结构示意图。 具体实施例方式，其特别之处在于包括以下步骤步骤①，建 立风险度量初始模型作为初始模型。步骤②，根据模型所需资料采集客户信息。步骤③，应 用模型和客户信息对每个客户进行风险度量。步骤④，根据每个客户度量的风险值将客户 分组。步骤⑤，统计每组客户的违约率。步骤⑥，对照每组客户的违约率与每组客户定义的 违约概率，判断模型与度量结果是否吻合，如果不吻合，则重复步骤③ ⑥并修正风险度量 模型，直到用该模型度量的结果与定义相符为止。具体来说，步骤①所述建立风险度量初始模型，是首次建立模型必不可少的步骤， 当模型建立以后的优化完善过程不需再经过。步骤②、步骤③属于应用模型完成日常工作， 是对具体业务进行风险评价的必要步骤，也是风险度量模型优化所需的信息来源。风险度 量模型优化是利用日常工作自我积累的信息，不需专门为其准备信息，能够采用不增加任 何成本的方式解决了信息来源。并且，步骤②所述采集客户信息，特指风险作业必不可少的 一个步骤，不指定具体内容。每项风险作业采集信息的具体内容，因模板不同，所需客户信 息内容不同，如信用评级模型中评分模板所需要的全部客户信息与贷款分类所需信息内容 不同。结合本专利技术一较佳的实施方式来看，所述建立风险度量初始模型的内容包括，客 户信用评级模型、贷款分类指标边界值、贷款偿还能力评价指标边界值，最大授信额度边界4值计算模型。所述的客户分组，是将风险度量指标取值分为若干区间，每个区间为一个分 组，统计每组的客户数量以及每个组的贷款违约客户数量。并且，当风险评价指标体系设置 了两个以上风险度量指标时，每个分组就是指标排列的一个组合。再结合实际操作中的数据处理来看，违约率=违约客户数量/客户数量。步骤⑥ 所述的修正风险度量模型包括——信用评级评价模型修正将客户分组中的每组客户的违约率与信用等级标准定义 的违约概率比较，如果不符合，则需要修正该组合的对应等级，令每个组合都存在与信用等 级标准的一一对应关系。同时，由于信用评级采用多个指标，如评分、资产负债率、偿还本金 信用记录、偿还利息信用记录，每个指标组合就是一个分组。贷款分类评价模型修正对于流动资金贷款，用现金比率、流动比率、速动比率、总 投资收益率作为评价指标；对于固定资产贷款，用经营收益实际偿债备付率、经营收益潜在 偿债备付率、总投资收益率作为主要评价指标；划分不良贷款的标志是还款违约，通过统 计这些指标或是计算指标排列组合的违约率，得到这些指标或是组合在不同概率下的边界值。再者，上述贷款分类评价模型修正方法中，找出指标的边界值的方法，适合用于修 正单一指标的评价标准。如图1所示，是本专利技术应用于银行信贷管理系统软件的模块构造示意图，主菜单 包括客户管理11、文件管理12、财务数据13、评级授信14、流动资金调查评价15、银行贷款 项目评估16、项目后评估17、信贷资产分类18、模型优化19。在实际操作中，首先操作客户 管理11，建立一个客户档案，或选取一个客户。然后操作文件管理12，建立或打开一个文件 名，每次贷款(一个贷款合同)建立一个文件名。接着操作财务数据13，输入必要的财务数 据。随后进行评级授信14，信用评级是用于反映客户优劣的风险评价作业，授信是用于衡 量客户最大贷款承受能力的一种风险评价作业，往往同时完成。与此同时，进行流动资金调 查评价15，其是流动资金贷款风险评价作业。然后进行银行贷款项目评估16，其是对项目 贷款风险评价作业。随后进行项目后评估17，其是一种验证项目评估准确性的风险评价作 业；同时，能够进行信贷资产分类18，一般每季度一次，为贷后管理提供依据的风险评价作 业。模型优化19，是应用本专利技术的核心模块，其包括初始化模板191、客户分组设置192、分 组客户数量193、违约客户数量194、客户违约率195、修正模板196相互之间数据互联，即如 图2所示。以某农信社信用评级模型为例，实施步骤说明如下步骤①选本文档来自技高网...

【技术保护点】
基于信息自循环的金融建模优化方法，其特征在于包括以下步骤：步骤①，建立风险度量初始模型作为初始模型；步骤②，根据模型所需资料采集客户信息；步骤③，应用模型和客户信息对每个客户进行风险度量；步骤④，根据每个客户度量的风险值将客户分组；步骤⑤，统计每组客户的违约率；步骤⑥，对照每组客户的违约率与每组客户定义的违约概率，判断模型与度量结果是否吻合，如果不吻合，则重复步骤③～⑥并修正风险度量模型，直到用该模型度量的结果与定义相符为止。

【技术特征摘要】

【专利技术属性】
技术研发人员：陈晓明，
申请(专利权)人：陈晓明，
类型：发明
国别省市：32