CN102393945A - 一种用于风险加权资产计算的数据处理方法和*** - Google Patents
一种用于风险加权资产计算的数据处理方法和*** Download PDFInfo
- Publication number
- CN102393945A CN102393945A CN2011101806632A CN201110180663A CN102393945A CN 102393945 A CN102393945 A CN 102393945A CN 2011101806632 A CN2011101806632 A CN 2011101806632A CN 201110180663 A CN201110180663 A CN 201110180663A CN 102393945 A CN102393945 A CN 102393945A
- Authority
- CN
- China
- Prior art keywords
- rules
- risk
- data
- liability
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种用于风险加权资产计算的数据处理方法和***,其中,所述***包括数据提取模块、字段值计算模块、风险加权资产值计算模块和报表展现模块。本发明通过将用于风险加权资产计算的数据存储模型划分为四层,层与层之间根据各自的映射文档通过数据的提取、转换和装载来实现风险加权资产计算的数据处理过程,从而避免数据的重复存储,更无须消耗大量的应用服务器资源,在实现***功能的前提下提高***的处理效率。此外,本发明通过将风险加权资产计算逻辑按照资产分类进行拆分并分别计算风险加权资产值,最终将计算结果进行整合,从而实现对来源广泛且数量庞大的数据的统一处理方式,可以提高***的处理效率并降低***的成本。
Description
技术领域
本发明涉及风险加权资产计算领域,尤其涉及一种用于风险加权资产计算的数据处理方法和***。
背景技术
当前在风险加权资产(Risk-Weighted Assets,RWA)计算领域,成熟软件包的计算引擎都是部署在应用服务器环境,RWA计算时通常需要消耗大量的应用服务器资源以及与数据库服务器的输入/输出(I/O)资源,无法充分利用高性能的数据库服务器的数据处理能力,从而在进行海量数据的处理时,由于数据处理的读取、存储及文件交互等I/O消耗大,会造成RWA计算效率低以及资源要求高,进而导致成本增加。
此外,根据RWA计算的业务范围,需要的源数据涉及到从对公信贷流程、零售分池、市场风险管理、授信准备金、总账、银行核心业务、个人贷款、押品管理、企业资源管理财务、资金交易后台、国际卡等11个***抽取业务数据,数据来源非常广泛。
因此,如何针对广泛的数据来源和庞大的数据量来进行RWA计算,同时还要保证RWA计算对***的性能要求则成为本领域亟待解决的问题。
发明内容
本发明的目的在于:提供一种用于风险加权资产计算的数据处理方法和***,用于实现风险加权资产计算的同时提高***的处理效率并减低***成本。
一方面,本发明提供了一种用于风险加权资产计算的数据处理方法,所述方法包括如下步骤:
a.根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层;
b.根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层;
c.根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层;
d.根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。
另一方面,本发明还提供了一种用于风险加权资产计算的数据处理***,所述***包括:
数据提取模块,用于根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层;
字段值计算模块,用于根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层;
风险加权资产值计算模块,用于根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层;
报表展现模块,用于根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。
实施本发明的用于风险加权资产计算的数据处理方法和***具有如下有益效果:通过将用于风险加权资产计算的数据存储模型划分为四层,并且层与层之间根据各自的映射文档通过数据的提取、转换和装载来实现风险加权资产计算的数据处理过程,最终得到风险加权资产值并生成相应的报表进行展示,从而避免数据的重复存储,更无须消耗大量的应用服务器资源,在实现***功能的前提下提高***的处理效率。
附图说明
图1是本发明的用于风险加权资产计算的数据处理方法的实施例1。
图2是本发明的用于风险加权资产计算的数据处理方法的实施例2。
图3是本发明的用于风险加权资产计算的数据处理***1的实施例1的结构框图。
图4是本发明的数据处理***1中数据提取模块10的结构框图。
图5是本发明的数据处理***1中字段值计算模块11的结构框图。
图6是本发明的数据处理***1中风险加权资产值计算模块12的结构框图。
图7是本发明的数据处理***1中报表展示模块13的结构框图。
图8是本发明的用于风险加权资产计算的数据处理***1的实施例2的结构框图。
图9是根据本发明将债项的风险加权资产计算逻辑按照资产分类进行拆分的示意图。
具体实施方式
为使本发明的实施例的目的、技术方案和优点更加清楚,下面进一步结合附图对本发明作详细描述。
图1是本发明的一种用于风险加权资产计算的数据处理方法的实施例1,如图1所示,所述方法包括:
S101,根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层。其中所述第一映射文档定义了从所述风险数据集市到所述接口层的数据处理规则。具体的,所述风险数据集市存储了风险加权资产计算所需的数据,其涉及对公信贷、零售分池、市场风险管理、授信准备金、总账、银行核心业务、个人信贷、押品管理、企业资源管理财务、资金交易后台、国际卡等多个***的数据。而在该第一映射文档中描述了接口层的所有表到字段级的加工规则,包含源***的表、上游源表和目标表的字段映射关系,以及从所述风险数据集市提取数据过程中的数据范围、表间关联关系等数据处理规则。
S102,根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层。其中,所述第二映射文档定义了从所述接口层到所述中间层的数据处理规则,例如通过所述基础数据计算出所述全部字段值的数据加工规则等,而计算出的字段例如包括算术平均PD、原值及加权平均违约损失率(LossGiven Default,LGD)、原值及加权平均有效期限(Effective maturity,M)等。所述法规标识表示所述债项在当前的数据状况下对于风险加权资产计算而言所适用的法规,在本发明实施例中,所述法规可以包括高级法、初级法和现行法。而关于如何根据当前的数据状况识别出适用的法规并对该笔债项作标识的过程将在后面做详细描述。
S103,根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层。其中,所述第三映射文档定义了从所述中间层到所述结果层的数据处理规则,例如通过所述全部字段值计算出风险加权资产值的数据加工规则等。而有关如何根据法规标识和人工选择的适用法规判断出债项的最终适用法规将在后面作详细描述。
S104,根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。所述第四映射文档定义了从所述结果层到所述报表层的数据处理规则,例如,从所述结果层中的事实表到报表层的事实表的数据加工规则。在一种实施方式中,可以将报表按照版本号分别存放在所述报表层,其中,版本号是指按照原值违约概率(Probabilitu ofDefault,PD)、算术平均PD、加权平均PD和长期平均PD分别计算出4套版本的风险加权资产值。
在本发明实施例中,所述接口层、中间层、结构层和报表层是在风险加权资产计算的数据存储区划分的4层数据存储结构,其分别存储与计算风险加权资产的4个阶段的相应数据,相邻两层之间通过数据的抽取、转换和装载以及相应的映射文档来分别实现相应的数据处理,从而避免了在计算风险加权资产过程中数据的重复存储,在满足业务功能的前提下,可以将***保存的数据减少到最小,从而有利于提高整个***的性能。
此外,在本发明实施例中,还可以将债项的风险加权资产计算逻辑按照资产分类进行拆分,例如按照零售类、公司类、投资类、场外衍生类、资产证券化类、股权类、其他资产、操作风险和市场风险进行分类,然后分别针对每一个类别按照图1所示的处理流程进行风险加权资产计算,最后再将各个类别的计算结果进行整合得到最终的风险加权资产计算结果,其详细的过程可以参考图9。这样做的目的是为了提高***的数据处理效率,达到化难为简、分而治之的目的。
图2是本发明的一种用于风险加权资产计算的数据处理方法的实施例2,如图2所示,所述方法包括:
S201,根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据。在图1所示的实施例1中已经详细描述了有关第一映射文档和风险数据集市的内容,所以此处不再赘述。
S202,根据所述第一映射文档为所述基础数据加工出用于风险加权资产计算的衍生数据项作为所述基础数据的一部分。所述衍生数据项具有标识位和数值字段等,计算衍生数据项是为了后续计算的需要,同时也是为了降低接口层与中间层、结果层和报表层的数据耦合度,最终达到提高***可重用性、降低***的复杂度和提升***可维护性的目的。每类业务所需的衍生数据项不一定相同,例如:在对公类和投资类中需要衍生数据项“债项等级”,而在其他类别的业务中则不需要;衍生数据项“是否再证券化”对于资产证券化类的业务而言是独有的。再如,对于提取的基础数据中所提供的金额是原币的,需要将其加工折算成人民币后的金额作为衍生数据项。
S203,按照主题域将所述基础数据进行分类。其中,所述主题域表示在风险加权资产计算的业务环境中自然聚成的类别数据,例如本发明实施例中所采用的客户信息、交易信息等,而交易信息又可以分为:对公类、零售类、投资类、场外衍生类、股权类信息等。通过将数据按照主题域进行分类,从而为按照资产分类针对每一个类别分别计算风险加权资产而提供了数据基础,从而达到化难为简、分而治之的目的。
S204,将所述基础数据存储在接口层。具体地,将所述基础数据按照所述主题域存储在接口层中。
S205,根据预先设定的规则和存储在所述接口层中的基础数据判断出所述债项适用的法规,并用与所述法规相对应的法规标识对所述债项进行标识。如上所述,所述法规可以包括高级法、初级法和现行法。在本发明实施例中,所述预先设定的规则是指按照新巴塞尔协议的规定和报表的维度需求等所预先设定的用于根据基础数据判断债项适用的法规的判断逻辑。例如,对于高级法而言,需要存在如下基础数据:违约风险暴露(Exposure at Default,EAD)、PD、LGD、M,同时还需要满足高级法的报表需求。而如果基础数据缺少LGD或“风险暴露的分类”,则只能用现行法计算。此外,对于不同的资产分类,由于其算法和报表所需的内容存在差异,因此对于不同资产分类的债项而言,判断其适用的法规的判断逻辑可以存在差异。例如,对于投资类的债项,在判断时需要考虑“账户类型”,而对于信贷类的债项则不需要考虑“账户类型”。
S206,根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层。有关该步骤的详细内容与结合图1对步骤S102的描述相似,所以此处不再赘述。
S207,根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层。有关该步骤的详细内容与结合图1对步骤S103的描述相似,所以此处不再赘述。但除此之外,关于如何根据法规标识和人工选择的适用法规判断出债项的最终适用法规,其主要包括如下判断原则:
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为高级法;
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为现行法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为现行法,则所述最终适用法规为现行法。
S208,根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。有关该步骤的详细内容与结合图1对步骤S104的描述相似,所以此处不再赘述。
此外,在步骤S205之后并且在步骤S206之前,所述方法还可以包括:对所述接口层中的基础数据进行质量检核,并生成质量检核报告供业务人员审核,其中,所述质量检核包括逻辑校验和总账校验。所述质量检核的目的在于通过逻辑校验和总账校验两种方式来检核所述基础数据是否在业务可容忍的范围内并且其计算结果是否可以被接受。具体而言,逻辑校验主要包括如下内容:统计当前基础数据的问题记录条数,并将其反映在质量检核报告中;检验基础数据中的有关***参数表内使用的诸如代码之类的数据项是否发生变化,并将结果反映在质量检核报告中。而为了避免根据接口层的基础数据进行风险加权资产计算的结果不全面,就需要进行总账校验,即将接口层中的资产数据和总账上的资产数据相比较,并将比较的结果体现在质量检核报告中。此处需要说明的是,业务人员可以根据所述质量检核报告判断是否进行风险加权资产计算,或者根据该报告调整数据之后再由***进行风险加权资产计算。
在上述实施例2中,有关接口层、中间层、结构层和报表层的详细内容与结合图1在实施例1中的相应描述相同,所以此处不再赘述。另外,在实施例2中,同样可以将风险加权资产计算逻辑按照资产分类进行拆分,然后分别针对每一个类别按照图2所示的处理流程进行风险加权资产计算,最后再将各个类别的计算结果进行整合得到最终的风险加权资产计算结果,从而达到化难为简、分而治之的目的。
以上是对本发明的方法实施例的详细描述,接下来描述本发明的***实施例。
首先参考图3,图3是本发明的一种用于风险加权资产计算的数据处理***1的实施例1的结构框图,如图所示,在实施例1中,数据处理***1包括:
数据提取模块10,用于根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层。在图1所示的方法实施例1中已经详细描述了有关第一映射文档和风险数据集市的内容,所以此处不再赘述。
字段值计算模块11,用于根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层。有关该模块的详细内容与结合图1对步骤S102的相关描述相同,所以此处不再赘述。
风险加权资产值计算模块12,用于根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层。有关该模块的详细内容与结合图1对步骤S103的相关描述相同,所以此处不再赘述。
报表展示模块13,用于根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。有关该模块的详细内容与结合图1对步骤S104的相关描述相同,所以此处不再赘述。
其中,所述第一映射文档定义了从风险数据集市到接口层的数据处理规则;所述第二映射文档定义了从接口层到中间层的数据处理规则;所述第三映射文档定义了从中间层到结果层的数据处理规则;所述第四映射文档定义了从结果层到报表层的数据处理规则。他们的详细内容与结合图1和图2对本发明方法实施例的相应描述相同,所以此处不再赘述。
在本发明实施例中,所述接口层、中间层、结构层和报表层是在风险加权资产计算的数据存储区划分的4层数据存储结构,其分别存储与计算风险加权资产的4个阶段的相应数据,相邻两层之间通过数据的抽取、转换和装载以及相应的映射文档来分别实现相应的数据处理,从而避免了在计算风险加权资产过程中数据的重复存储,在满足业务功能的前提下,可以将***保存的数据减少到最小,从而有利于提高整个***的性能。
此外,在本发明实施例中,还可以将债项的风险加权资产计算逻辑按照资产分类进行拆分,例如按照零售类、公司类、投资类、场外衍生类、资产证券化类、股权类、其他资产、操作风险和市场风险进行分类,然后分别针对每一个类别按照图1所示的处理流程进行风险加权资产计算,最后再将各个类别的计算结果进行整合得到最终的风险加权资产计算结果。这样做的目的是为了提高***的数据处理效率,达到化难为简、分而治之的目的。
图4是数据处理***1中数据提取模块10的结构框图。如图所示,数据提取模块10包括:
提取单元100,用于根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据。
加工单元101,用于根据所述第一映射文档为所述基础数据加工出用于风险加权资产计算的衍生数据项作为所述基础数据的一部分。其中,有关所述衍生数据项的详细内容与结合图2对步骤S202的相应描述相同,所以此处不再赘述。
分类单元102,用于按照主题域将所述基础数据进行分类。其中有关主题域的详细内容与结合图2对步骤S203的相应描述相同,所以此处不再赘述。通过将数据按照主题域进行分类,从而为按照资产分类针对每一个类别分别计算风险加权资产而提供了数据基础,从而达到化难为简、分而治之的目的。
基础数据存储单元103,用于将所述基础数据存储在接口层。具体地,将所述基础数据按照所述主题域存储在接口层中。
法规标识单元104,用于根据预先设定的规则和存储在接口层中的基础数据,判断出所述债项适用的法规,并用与所述法规相对应的法规标识对所述债项进行标识。有关该模块的详细内容与结合图2对步骤S205的相应描述相同,所以此处不再赘述。
下面详细描述数据处理***1中的字段值计算模块11,如图5所示,字段值计算模块11包括:
字段值计算单元110,用于根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值。
字段值存储单元111,用于将所述全部字段值存储在中间层。
图6是数据处理***1中风险加权资产值计算模块12的结构框图,如图所示,风险加权资产值计算模块12包括:
法规判断单元120,用于根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规。其中,法规判断单元120的判断原则包括:
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为高级法;
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为现行法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为现行法,则所述最终适用法规为现行法。
风险加权资产值计算单元121,用于根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值。
风险加权资产值存储单元122,用于将所述风险加权资产值存储在结果层。
图7是数据处理***1中报表展示模块13的结构框图,如图所示,报表展示模块13包括:
报表生成单元130,用于根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表。
报表存储单元131,用于将所述报表存储在报表层。
报表展示单元132,用于展示出存储于所述报表层的报表。
除了上述模块之外,本发明的用于风险加权资产计算的数据处理***1还可以包括质量检核模块14,其结构框图如图8所示。质量检核模块14用于对所述接口层中的基础数据进行质量检核,并生成质量检核报告供业务人员审核,其中,所述质量检核包括逻辑校验和总账校验。所述质量检核的目的在于通过逻辑校验和总账校验两种方式来检核所述基础数据是否在业务可容忍的范围内并且其计算结果是否可以被接受。关于逻辑校验和总账校验的详细内容已经在本发明方法的实施例2中结合图2描述过,所以此处不再赘述。此处需要说明的是,业务人员可以根据所述质量检核报告判断是否进行风险加权资产计算,或者根据该报告调整数据之后再由***1进行风险加权资产计算。
另外,在图8所示的数据处理***1的实施例2中,同样可以将风险加权资产计算逻辑按照资产分类进行拆分,然后分别针对每一个类别由数据处理***1进行风险加权资产计算,最后再将各个类别的计算结果进行整合得到最终的风险加权资产计算结果,从而达到化难为简、分而治之的目的。
综上所述,本发明通过将用于风险加权资产计算的数据存储模型划分为四层,分别为接口层、中间层、结构层和报表层,层与层之间根据各自的映射文档通过数据的提取、转换和装载来实现风险加权资产计算的数据处理过程,最终得到风险加权资产值并生成相应的报表进行展示,从而避免了数据的重复存储,在满足业务功能的前提下,将***保存的数据减少到最小,继而提高***性能。而且,本发明可以充分利用TERADATA平台(即:用于世界上最大的商用数据库的关系数据库管理***)来实现,无须消耗大量的应用服务器资源,从而进一步提高***的效率。此外,本发明通过将风险加权资产计算逻辑按照资产分类进行拆分,然后根据各个类别分别进行计算,最终将计算结果进行整合,从而实现对来源广泛且数量庞大的数据的统一处理方式,提高了***的处理效率并降低了***的成本,最终达到化难为简、分而治之的目的。
通过对以上实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现,当然也可以全部通过硬件来实施。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上所公开的仅为本发明的具体实施方式,仅用于对本发明进行举例说明,不能以此限定本发明之保护范围,本领域技术人员在不脱离本发明实质的前提下可以进行各种修改、变化或替换,因此,依照本发明所作的各种等同变化,仍属于本发明所涵盖的范围。
Claims (14)
1.一种用于风险加权资产计算的数据处理方法,其特征在于,所述方法包括如下步骤:
a.根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层;
b.根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层;
c.根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层;
d.根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。
2.如权利要求1所述的方法,其特征在于,
所述第一映射文档定义了从所述风险数据集市到所述接口层的数据处理规则;
所述第二映射文档定义了从所述接口层到所述中间层的数据处理规则;
所述第三映射文档定义了从所述中间层到所述结果层的数据处理规则;
所述第四映射文档定义了从所述结果层到所述报表层的数据处理规则。
3.如权利要求2所述的方法,其特征在于,在所述从风险数据集市中提取基础数据之后并且将该基础数据存储在接口层之前,所述步骤a还包括:
根据所述第一映射文档为所述基础数据加工出用于风险加权资产计算的衍生数据项作为所述基础数据的一部分;
按照主题域将所述基础数据进行分类,其中,所述主题域表示在风险加权资产计算的业务环境中自然聚成的类别数据。
4.如权利要求3所述的方法,其特征在于,在所述将基础数据存储在接口层之后,所述步骤a还包括:
根据预先设定的规则和存储在所述接口层中的基础数据,判断出所述债项适用的法规,并用与所述法规相对应的法规标识对所述债项进行标识。
5.如权利要求4所述的方法,其特征在于,在所述步骤c中,所述根据债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规具体包括:
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为高级法;
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为现行法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为现行法,则所述最终适用法规为现行法。
6.如权利要求2所述的方法,其特征在于,在所述步骤a之后并且在步骤b之前,所述方法还包括如下步骤:
对所述基础数据进行质量检核,并生成质量检核报告供业务人员审核,其中,所述质量检核包括逻辑校验和总账校验。
7.一种用于风险加权资产计算的数据处理***,其特征在于,所述***包括:
数据提取模块,用于根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据,并将所述基础数据存储在接口层;
字段值计算模块,用于根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值,并将所述全部字段值存储在中间层;
风险加权资产值计算模块,用于根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规,并根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值,并将所述风险加权资产值存储在结果层;
报表展示模块,用于根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表,并将所述报表存储在报表层。
8.如权利要求7所述的***,其特征在于,
所述第一映射文档定义了从所述风险数据集市到所述接口层的数据处理规则;
所述第二映射文档定义了从所述接口层到所述中间层的数据处理规则;
所述第三映射文档定义了从所述中间层到所述结果层的数据处理规则;
所述第四映射文档定义了从所述结果层到所述报表层的数据处理规则。
9.如权利要求8所述的***,其特征在于,所述数据提取模块包括:
提取单元,用于根据第一映射文档从风险数据集市中提取用于对债项进行风险加权资产计算的基础数据;
加工单元,用于根据所述第一映射文档为所述基础数据加工出用于风险加权资产计算的衍生数据项作为所述基础数据的一部分;
分类单元,用于按照主题域将所述基础数据进行分类;
基础数据存储单元,用于将所述基础数据存储在接口层;
法规标识单元,用于根据预先设定的规则和存储在接口层中的基础数据,判断出所述债项适用的法规,并用与所述法规相对应的法规标识对所述债项进行标识。
10.如权利要求8所述的***,其特征在于,所述字段值计算模块包括:
字段值计算单元,用于根据第二映射文档、所述债项的法规标识和所述接口层中的基础数据计算出用于风险加权资产计算的全部字段值;
字段值存储单元,用于将所述全部字段值存储在中间层。
11.如权利要求8所述的***,其特征在于,所述风险加权资产值计算模块包括:
法规判断单元,用于根据所述债项的法规标识和人工选择的适用法规判断出所述债项的最终适用法规;
风险加权资产值计算单元,用于根据第三映射文档、所述最终适用法规和所述中间层中的全部字段值计算出所述债项的风险加权资产值;
风险加权资产值存储单元,用于将所述风险加权资产值存储在结果层。
12.如权利要求11所述的***,其特征在于,所述法规判断单元的判断原则包括:
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为高级法;
当所述人工选择的适用法规为高级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为现行法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为高级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为初级法并且所述法规标识对应的法规为初级法时,则所述最终适用法规为初级法;
当所述人工选择的适用法规为现行法,则所述最终适用法规为现行法。
13.如权利要求8所述的***,其特征在于,所述报表展示模块包括:
报表生成单元,用于根据第四映射文档和所述结果层中的风险加权资产值生成用于展示的报表;
报表存储单元,用于将所述报表存储在报表层;
报表展示单元,用于展示出存储于所述报表层的报表。
14.如权利要求8所述的***,其特征在于,所述***还包括:
质量检核模块,用于对所述基础数据进行质量检核,并生成质量检核报告供业务人员审核,其中,所述质量检核包括逻辑校验和总账校验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110180663.2A CN102393945B (zh) | 2011-06-27 | 2011-06-27 | 一种用于风险加权资产计算的数据处理方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110180663.2A CN102393945B (zh) | 2011-06-27 | 2011-06-27 | 一种用于风险加权资产计算的数据处理方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102393945A true CN102393945A (zh) | 2012-03-28 |
CN102393945B CN102393945B (zh) | 2015-05-20 |
Family
ID=45861260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110180663.2A Active CN102393945B (zh) | 2011-06-27 | 2011-06-27 | 一种用于风险加权资产计算的数据处理方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102393945B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321800A (zh) * | 2012-04-06 | 2015-01-28 | 汤姆森路透社全球资源公司 | 价格目标生成器 |
CN108765112A (zh) * | 2018-05-02 | 2018-11-06 | 平安科技(深圳)有限公司 | 股权损益计提方法、终端及存储介质 |
CN114139490A (zh) * | 2022-02-07 | 2022-03-04 | 建元和光(北京)科技有限公司 | 一种自动数据预处理的方法、装置以及设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055708A1 (en) * | 2005-09-07 | 2007-03-08 | Ncr Corporation | Processing formulae in rules for profitability calculations for financial processing in a relational database management system |
CN101216835A (zh) * | 2007-12-29 | 2008-07-09 | 北京大学 | 一种数据文档转换方法及装置 |
-
2011
- 2011-06-27 CN CN201110180663.2A patent/CN102393945B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070055708A1 (en) * | 2005-09-07 | 2007-03-08 | Ncr Corporation | Processing formulae in rules for profitability calculations for financial processing in a relational database management system |
CN101216835A (zh) * | 2007-12-29 | 2008-07-09 | 北京大学 | 一种数据文档转换方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104321800A (zh) * | 2012-04-06 | 2015-01-28 | 汤姆森路透社全球资源公司 | 价格目标生成器 |
CN104321800B (zh) * | 2012-04-06 | 2018-04-27 | 汤姆森路透社全球资源公司 | 价格目标生成器 |
CN108765112A (zh) * | 2018-05-02 | 2018-11-06 | 平安科技(深圳)有限公司 | 股权损益计提方法、终端及存储介质 |
CN114139490A (zh) * | 2022-02-07 | 2022-03-04 | 建元和光(北京)科技有限公司 | 一种自动数据预处理的方法、装置以及设备 |
CN114139490B (zh) * | 2022-02-07 | 2022-08-02 | 建元和光(北京)科技有限公司 | 一种自动数据预处理的方法、装置以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102393945B (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A new random subspace method incorporating sentiment and textual information for financial distress prediction | |
Boss et al. | Systemic risk monitor: A model for systemic risk analysis and stress testing of banking systems | |
CN102663650A (zh) | 一种企业信用风险分析***及其使用方法 | |
US20140136440A1 (en) | System and process of associating import and/or export data with a corporate identifier relating to buying and supplying goods | |
Yoshino et al. | Hometown investment trust funds: an analysis of credit risk | |
CN110796539A (zh) | 一种征信评估方法及装置 | |
CN108629685A (zh) | 贷款产品属性确定方法及服务器 | |
Budianto et al. | Mapping Research Topics on Loan Loss Provision (LLP) in Sharia and Conventional Banking: VOSviewer Bibliometric Study and Literature Review | |
CN112052385A (zh) | 一种投融资项目推荐方法、装置、电子设备和可读存储介质 | |
Ghaemi Asl et al. | Emerging digital economy companies and leading cryptocurrencies: insights from blockchain-based technology companies | |
CN105359172A (zh) | 计算企业存在拖欠的概率 | |
Cao et al. | The asymmetric effect of oil price uncertainty on corporate investment in China: Evidence from listed renewable energy companies | |
CN102393945B (zh) | 一种用于风险加权资产计算的数据处理方法和*** | |
CN116542696A (zh) | 用户群体分类方法、装置、设备及存储介质 | |
CN115049484A (zh) | 风险账户预测方法、装置以及电子设备 | |
CN114418736A (zh) | 一种银行零售信贷客户分层方法、存储介质和服务器 | |
Yu | [Retracted] Big Data Analytics and Discrete Choice Model for Enterprise Credit Risk Early Warning Algorithm | |
Amin et al. | A critical analysis on reviving the tourism industry in Bangladesh after Covid-19 | |
Guo et al. | Statistical decision research of long-term deposit subscription in banks based on decision tree | |
García et al. | Evolution of sovereign rating models in the current crisis | |
Aversa | CLIMATE CHANGE AND CLIMATERELATED FINANCIAL DISCLOSURES IN THE BANKING SECTOR. | |
Amon et al. | The Neobank Revolution: An Assessment of Their Contribution to the Global Sustainability | |
Glubokova et al. | Formation of the business model of crypto asset management | |
Zhu et al. | The fuzzy linear regression model for finding sales forcastion from financial leasing in China’s equipment manufacturing industries | |
Diakonova et al. | New approaches to banking business models in the digital economy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |