CN116205742A - 一种准确模拟消费金融资产现金流的***和方法 - Google Patents
一种准确模拟消费金融资产现金流的***和方法 Download PDFInfo
- Publication number
- CN116205742A CN116205742A CN202310136603.3A CN202310136603A CN116205742A CN 116205742 A CN116205742 A CN 116205742A CN 202310136603 A CN202310136603 A CN 202310136603A CN 116205742 A CN116205742 A CN 116205742A
- Authority
- CN
- China
- Prior art keywords
- loan balance
- principal
- month
- normal
- asset
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000007774 longterm Effects 0.000 claims abstract description 36
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000013139 quantization Methods 0.000 claims abstract description 9
- 230000035945 sensitivity Effects 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 238000011084 recovery Methods 0.000 claims description 41
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000003068 static effect Effects 0.000 claims description 11
- 238000007667 floating Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000003197 catalytic effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005206 flow analysis Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Marketing (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明涉及一种准确模拟消费金融资产现金流的***和方法，该装置包括输入字段标准化单元、模拟因子的参数值提取单元、资产生命周期的现金流模拟单元、资产质量指标计算单元以及定位因子偏移和量化偏差值单元；模拟因子的参数值提取单元用于提取新增逾期率、迁移率、早偿率等关键参数；资产生命周期的现金流模拟单元用于计算模拟单个资产的各最小颗粒度指标值；资产质量指标计算单元用于计算标准资产的定价收益率、久期、损失率、净价差等；定位因子偏移和量化偏差值单元用于刻画单个资产的资产质量对因子的敏感度，以便进行参数校准与模型迭代，更精准模拟资产生命周期内的现金流趋势变化。
Description
技术领域
本发明涉及消费金融资产模拟工具技术领域，具体涉及一种准确模拟消费金融资产现金流的***和方法。
背景技术
以下内容仅代表申请人掌握的背景技术，并非承认其为本领域已知的、社会公众可以随时获得的现有技术。
消费金融业务是“量化”的业务。在金融服务主体(特别是信托公司)开展消费金融业务时，需要在业务的全周期内对消费金融类资产进行模拟、分析、监测、预测。贷前阶段，需要根据样本数据模拟资产的现金流回收；贷中阶段，需要根据资产已有表现监测资产质量偏移情况并定位偏移因子，调整投放策略，进一步模拟未来的现金流流出及回收；贷后阶段，需要回溯资产历史表现及收益情况，预测现金流兑付缺口，以制定应对方案。
现有技术中，三方机构(例如技术服务公司、评级机构、会计师事务所等)可以部分满足贷前阶段的模拟需求，但存在不少缺陷，比如不同三方机构的尽调字段不统一，口径定义有差别、结果不可比；业务理解不到位，测算逻辑不透明，算法粗糙精度有限，输出维度不够；测算成本高，反馈效率低，沟通成本高等问题。而在贷中及贷后阶段，金融服务主体完全没有成熟的工具可使用，因此缺乏对尽调阶段模拟有效性的验证，造成贷中贷后与贷前脱节，难以指导后续资产投放与管理，未达到全周期的量化管理目标。
综上所述，现有的消费金融资产模拟工具不能涵盖管理全周期，而三方机构已有的模拟方法本身存在不准确、不透明、不连续、不统一的弊端。因此，自主研发一套准确的模拟消费金融资产现金流的***和方法迫在眉睫。
发明内容
本发明旨在提供一种准确模拟消费金融资产现金流的***和方法，以解决信托公司在分析、管理消费金融类资产方面工具缺失、方法不一、准确性差的难题。
本发明的目的是解决现有技术的不足，提供一种准确模拟消费金融资产现金流的***，包括输入字段标准化单元、模拟因子的参数值提取单元、资产生命周期的现金流模拟单元、资产质量指标计算单元以及定位因子偏移和量化偏差值单元；所述的输入字段标准化单元用于根据资产端输入静态池口径的数据得到标准字段；所述的模拟因子的参数值提取单元用于提取新增逾期率、迁移率、绝对早偿率、早偿久期、催回久期、正常本金系数、正常利息系数；所述的资产生命周期的现金流模拟单元用于针对单个产品计算如下指标：提前还款本金、提前还款利息、正常本金余额、归还正常本金、归还正常利息、回收逾期本金、回收逾期利息及罚息、收回本金、收回利息、收取违约金、逾期本金余额、逾期1～30天贷款余额(简称M1贷款余额)、逾期31～60天贷款余额(简称M2贷款余额)、逾期61～90天贷款余额(简称M3贷款余额)、逾期91-120天贷款余额(简称M4贷款余额)、坏账贷款余额(简称D贷款余额)；所述的资产质量指标计算单元用于计算定价收益率、久期、损失率和净价差；所述的定位因子偏移和量化偏差值单元用于选定单一或多个因子的基准值，拟定因子变动步长，将选定的因子的参数改为基准值+步长，刻画标准资产的资产质量对因子的敏感度，更精准模拟标准资产生命周期的内现金流和趋势变化
优选地，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额、加权平均执行利率、正常贷款余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额、当月早偿本金、当月早偿利息、当月实还本金、当月实还利息、当月实还罚息、当月归还正常本金和当月收回逾期本金。
优选地，所述的M1贷款余额的提取方法具体包括以下步骤：
所述的新增逾期率的提取方法具体包括以下步骤：
S101、求新增逾期率(简称M1率)，公式为：观测月M1贷款余额/当月放款金额；
S102、剔除异常值，公式为：M1率>5％或M1率<0或M1率在第1个账龄～资产最长期限账龄之间为0；
S103、按账龄和期数，加权平均，公式为：∑当月放款金额*当月M1率/∑当月放款金额。
优选地，所述的迁移率的提取方法具体包括以下
S201、求迁移率，公式为：
M1贷款余额到M2贷款余额的迁移率M1_M2＝当期M2贷款余额/前一期M1贷款余额；
M2贷款余额到M3贷款余额的迁移率M2_M3＝当期M3贷款余额/前一期M2贷款余额；
M3贷款余额到M4贷款余额的迁移率M3_M4＝当期M4贷款余额/前一期M3贷款余额；
M4贷款余额到D贷款余额的迁移率M4_D＝当期新增坏账贷款余额/前一期M4贷款余额；
S202、剔除异常值，公式为：迁移率>1或迁移率<＝0或迁移率在三个标准差之外(简称3σ准则，即均值±3个标准差)，作为异常值剔除；
S203、按期数，加权平均，公式为：∑当月放款金额*迁移率/∑当月放款金额。
优选地，所述的早偿率的提取方法具体包括以下步骤：
S301、求绝对早偿率，公式为：当月早偿本金/当月放款金额；
S302、剔除异常值，如果计算得到的绝对早偿率>1或<＝0，则作为异常值进行剔除；
S303、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿率/∑当月放款金额。
优选地，所述的早偿久期的提取方法具体包括以下步骤：
S401、求早偿久期，公式为：当月早偿利息/(期初正常贷款余额*利率/act)；其中act＝360或365；
S402、剔除异常值，如果计算得到的早偿久期>45，则作为异常值进行剔除；
S403、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿久期/∑当月放款金额。
优选地，所述的催回久期的提取方法具体包括以下步骤：
S501、求催回久期X，公式为：
[M1_C*X+M2_C*(X+30)+M3_C*(X+60)+M4_C*(X+90)]*(1+罚息上浮比例)*利率/act＝当月实还罚息，其中M1_C＝当期M2贷款余额-上期M1贷款余额、M2_C＝当期M3贷款余额-上期M2贷款余额、M3_C＝当期M4贷款余额-上期M3贷款余额、M4_C＝当期M5贷款余额-上期M4贷款余额；
S502、剔除异常值，如果计算得到的催回久期>31天或者<0天，则作为异常值进行剔除；
S503、按账龄和期数，加权平均，公式为：∑当月放款金额*催回久期/∑当月放款金额。
优选地，所述的正常本金系数的提取方法具体包括以下步骤：
S601、求正常本金系数，公式为：当月正常还本/(当月正常贷款余额+当月正常还本)；
S602、剔除异常值，公式为：
如果账龄>期数+1时的正常本金系数≠0，则作为异常值进行剔除；
S603、按账龄和期数，加权平均，公式为：∑当月放款金额*正常本金系数/∑当月放款金额。
优选地，所述的正常利息系数的提取方法具体包括以下步骤：
S701、求正常利息系数，公式为：当月正常利息/(当月正常贷款余额+当月正常还本)；
S702、剔除异常值，对于等本等费、等本等息或类***的还款方式来说，如果计算得到的正常利息系数>1，则作为异常值进行剔除；对于除了等本等费、等本等息或类***以外的还款方式来说，如果计算得到的正常利息系数>0.03，则作为异常值进行剔除；
S703、按账龄和期数，加权平均，公式为：∑当月放款金额*正常利息系数/∑当月放款金额。
优选地，所述的资产质量指标计算单元计算相关指标的具体方法包括以下步骤：
S901、计算逾期90天以上静态逾期率vintageM3+，公式为：
vintageM3+＝M1_M2*M2_M3*M3_M4*M4_D*∑M1i，i＝1,2……资产期数，资产期数+1；M1_M2为M1贷款余额到M2贷款余额的迁移率；M2_M3为M2贷款余额到M3贷款余额的迁移率；M3_M4为M3贷款余额到M4贷款余额的迁移率；M4_D为M4贷款余额到D贷款余额的迁移率；M1i为新增逾期率；
S902、计算久期，公式为：
久期(月)＝∑账龄*各账龄回收本金金额/∑各账龄回收本金金额；
S903、计算损失率，公式为：
损失率＝(vintageM3+)*12/久期；
S904、计算净价差IRR：
所述的净价差通过迭代计算得出，具体计算方法为：
其中，NCF(m)为第m个账龄净现金流量，m为账龄；NCF(m)＝收回本金m+收回利息m+收取违约金m＝提前还款本金m+提前还款利息m+归还正常本金m+归还正常利息m+回收逾期本金m+回收逾期利息及罚息m+收取违约金m；
用迭代算法计算出来的r为月度数；
净价差＝r*12；
S905、计算定价收益率：将早偿率和新增逾期率参数重置为0，重复步骤S904计算出定价收益率。
本发明还提供一种准确模拟消费金融资产现金流的方法，包括以下步骤：
第一步、标准化输入字段：根据资产端输入静态口径的数据得到标准字段，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额、加权平均执行利率、正常贷款余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额、当月早偿本金、当月早偿利息、当月实还本金、当月实还利息、当月实还罚息、当月归还正常本金和当月收回逾期本金；
第二步、提取模拟因子的参数值，包括提取新增逾期率、迁移率、早偿率、早偿久期、催回久期、正常本金系数、正常利息系数；
第三步、模拟资产生命周期的现金流，针对单个产品计算如下指标：提前还款本金、提前还款利息、正常本金余额、归还正常本金、归还正常利息、回收逾期本金、回收逾期利息及罚息、收回本金、收回利息、收取违约金、逾期本金余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额和D贷款余额；
第四步、计算资产质量指标，具体包括：
S901、计算逾期90天以上静态逾期率vintageM3+，公式为：
vintageM3+＝M1_M2*M2_M3*M3_M4*M4_D*∑M1i，i＝1,2……资产期数，资产期数+1；M1_M2为M1贷款余额到M2贷款余额的迁移率；M2_M3为M2贷款余额到M3贷款余额的迁移率；M3_M4为M3贷款余额到M4贷款余额的迁移率；M4_D为M4贷款余额到D贷款余额的迁移率；M1i为新增逾期率；
S902、计算久期，公式为：
久期(月)＝∑账龄*各账龄回收本金金额/∑各账龄回收本金金额；
S903、计算损失率，公式为：
损失率＝(vintageM3+)*12/久期；
S904、计算净价差：
所述的净价差IRR通过迭代计算得出，具体计算方法为：
其中，NCF(m)为第m个账龄净现金流量，m为账龄；NCF(m)＝收回本金m+收回利息m+收取违约金m＝提前还款本金m+提前还款利息m+归还正常本金m+归还正常利息m+回收逾期本金m+回收逾期利息及罚息m+收取违约金m；
用迭代算法计算出来的r为月度数；
净价差IRR＝r*12；
S905、计算定价收益率：将早偿率、新增逾期率参数重置为0，重复步骤S904计算出定价收益率；
第五步、定位因子偏移和量化偏差值，具体包括：
提炼出的净价差公式如下：
净价差＝定价收益率-损失率＝定价收益率-12/久期*vintageM3+；
因子影响指标，指标影响净价差；针对每个因子，可以刻画出其对净价差的弹性，弹性＝因变量的变动比例/自变量变动比例＝(△y/y)/(△x/x)，计算出各因子对净价差的弹性，量化模型误差及因子偏移以便校准模型。弹性越大的因子重要性越大，可设定高频迭代或校准。
S1001、选定单一或多个因子的基准值；
S1002、拟定因子变动步长，步长＝因子基准值*1％；
S1003、将选定的因子的参数改为基准值+步长，重复第三步和第四步，计算新净价差；
S1004、因子弹性＝[(新净价差-基准净价差)/基准净价差]/1％。
有益效果
与现有技术相比，本发明的有益效果是：
本发明所述的准确模拟消费金融资产现金流的***和方法通过拆分因子、构造指标、提取指标、建立勾稽关系，给出一套完整的模拟因子的拆分、计算、提取、使用的方法，通过算法模拟生成消费金融资产的现金流，以供进行现金流分析、收益率分析以及项目全周期管理，解决了信托公司在分析、管理消费金融类资产方面工具缺失、方法不一、准确性差的难题。
本发明将模拟因子统一成7个：正常本金系数、正常利息系数、新增逾期率、迁移率、催收久期、绝对早偿率、早偿久期(其中，每个因子都为与期数相关的序列)，给出明确的因子算法、提参方式、以及特殊业务下的普适用法，通过各模拟因子内在的运算逻辑，模拟出资产的现金流，进一步模拟出循环购买模式下的现金流以及各方收益率情况。此外，模拟因子的设计充分考虑了因子间的独立性和耦合关系，当模拟因子的值变动时，可模拟出压力因子下的现金流情况，以满足项目运行全周期的敏感性分析及压力测试需求。
本发明所述方法的准确性、普适性、稳定性方面良好，可嵌入信托公司管理各种小额分散类资产的监控运营体系中，填补了信托公司在识别、计量、监控、分析消金资产风险方面的工具空白。
(1)准确性。本发明所述方法提供的拆分及提取因子参数的算法更符合消费金融类资产的内在逻辑(现有技术中的很多算法不对)，各因子相对独立便于敏感性分析，拆分够细致便于溯源定位找到资产质量变动原因。
(2)普适性。一方面，不必知晓具体还款方式，比如等额本金、等本等息等，本发明所述的方法用统一规则提取因子，可以处理各种典型还款方式、混合还款方式、各机构或产品自行设计的特殊还款方式下的资产现金流。另一方面，本发明所述的方法适用于各种小额分散类符合大数定律的资产，比如个人现金贷、个人场景贷、企业经营贷等。
(3)稳定性。本发明所述方法的算法稳定、一致，可同时用于贷前、贷中、贷后，贯穿项目分析与监控的全流程管理，使得分析结果可比、可溯、可归因。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本申请的具体实施方式一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明所述的资产质量(净价差)解构示意图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
消费金融类资产属于小额分散的资产，此类资产符合大数定律。本发明通过拆分因子、构造指标、提取指标、建立勾稽关系，给出一套完整的模拟因子的拆分、计算、提取、使用的方法，通过算法模拟生成消费金融资产的现金流，以供进行现金流分析、收益率分析以及项目全周期管理，解决了信托公司在分析、管理消费金融类资产方面工具缺失、方法不一、准确性差的难题。
具体来说，本发明提供了一种准确模拟消费金融资产现金流的***，如图1所示(图1示出了影响净价差(资产质量)的因子构成)，本发明所述的准确模拟消费金融资产现金流的***包括输入字段标准化单元、模拟因子的参数值提取单元、资产生命周期的现金流模拟单元、资产质量指标计算单元以及定位因子偏移和量化偏差值单元；所述的输入字段标准化单元用于根据资产端输入静态池口径的数据得到标准字段；所述的模拟因子的参数值提取单元用于提取新增逾期率、迁移率、早偿率、早偿久期、催回久期、正常本金系数、正常利息系数；所述的资产生命周期的现金流模拟单元用于针对单个产品计算如下指标：提前还款本金、提前还款利息、正常本金余额、归还正常本金、归还正常利息、回收逾期本金、回收逾期利息及罚息、收回本金、收回利息、收取违约金、逾期本金余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额和D贷款余额；所述的资产质量指标计算单元用于定价收益率、久期、损失率、净价差等；所述的定位因子偏移和量化偏差值单元用于选定单一或多个因子的基准值，拟定因子变动步长，将选定的因子的参数改为基准值+步长，刻画单个资产的资产质量对因子的敏感度，以便进行参数校准与模型迭代，更精准模拟资产生命周期内的现金流趋势变化。
优选地，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额(万)、加权平均执行利率(年)、正常贷款余额(含宽限)、M1贷款余额(不含宽限)、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额(含核销)、当月早偿本金、当月早偿利息、当月实还本金(正常+早偿+逾期催回)、当月实还利息(正常+早偿)、当月实还罚息(逾期)、当月归还正常本金(选填列，填更准)和当月收回逾期本金(选填列，填更准)。
优选地，所述的M1贷款余额的提取方法具体包括以下步骤：
S101、求新增逾期率(简称M1率)，公式为：观测月M1贷款余额/当月放款金额；
S102、剔除异常值，公式为：M1率>5％或M1率<0或M1率在账龄1～账龄资产最长期限之间为0，则作为异常值进行剔除；
S103、按账龄和期数，加权平均，公式为：∑当月放款金额*当月M1率/∑当月放款金额。
优选地，所述的迁移率的提取方法具体包括以下步骤：
S201、求迁移率，公式为：
M1_M2(M1贷款余额到M2贷款余额的迁移率)＝当期M2贷款余额/前一期M1贷款余额；
M2_M3(M2贷款余额到M3贷款余额的迁移率)＝当期M3贷款余额/前一期M2贷款余额；
M3_M4(M3贷款余额到M4贷款余额的迁移率)＝当期M4贷款余额/前一期M3贷款余额；
M4_D(M4贷款余额到D贷款余额的迁移率)＝当期新增坏账贷款余额/前一期M4贷款余额；
S202、剔除异常值，公式为：迁移率>1或迁移率<＝0或迁移率在三个标准差之外(简称3σ准则，即均值±3个标准差)，则作为异常值进行剔除；
S203、按期数，加权平均，公式为：∑当月放款金额*迁移率/∑当月放款金额。
优选地，所述的早偿率的提取方法具体包括以下步骤：
S301、求绝对早偿率，公式为：当月早偿本金/当月放款金额；
S302、剔除异常值，如果计算得到的绝对早偿率>1或<＝0，则作为异常值进行剔除；
S303、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿率/∑当月放款金额。
优选地，所述的早偿久期的提取方法具体包括以下步骤：
S401、求早偿久期，公式为：当月早偿利息/(期初正常贷款余额*利率/act1)；其中act1＝360或365；
S402、剔除异常值，如果计算得到的早偿久期>45，则作为异常值进行剔除；
S403、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿久期/∑当月放款金额。
优选地，所述的催回久期的提取方法具体包括以下步骤：
S501、求催回久期X，公式为：
[M1_C*X+M2_C*(X+30)+M3_C*(X+60)+M4_C*(X+90)]*(1+罚息上浮比例)*利率/act＝当月实还罚息，其中M1_C＝当期M2贷款余额-上期M1贷款余额、M2_C＝当期M3贷款余额-上期M2贷款余额、M3_C＝当期M4贷款余额-上期M3贷款余额、M4_C＝当期M5贷款余额-上期M4贷款余额；
S502、剔除异常值，如果计算得到的催回久期>31天或者<0天，则作为异常值进行剔除；
S503、按账龄和期数，加权平均，公式为：∑当月放款金额*催回久期/∑当月放款金额。
优选地，所述的正常本金系数的提取方法具体包括以下步骤：
S601、求正常本金系数，公式为：当月正常还本/(当月正常贷款余额+当月正常还本)；
S602、剔除异常值，公式为：如果账龄>期数+1时的正常本金系数≠0，则作为异常值进行剔除；
S603、按账龄和期数，加权平均，公式为：∑当月放款金额*正常本金系数/∑当月放款金额。
优选地，所述的正常利息系数的提取方法具体包括以下步骤：
S701、求正常利息系数，公式为：当月正常利息/(当月正常贷款余额+当月正常还本)；
S702、剔除异常值，对于等本等费、等本等息或类***的还款方式来说，如果计算得到的正常利息系数>1，则作为异常值进行剔除；对于除了等本等费、等本等息或类***以外的还款方式来说，如果计算得到的正常利息系数>0.03，则作为异常值进行剔除；
S703、按账龄和期数，加权平均，公式为：∑当月放款金额*正常利息系数/∑当月放款金额。
优选地，所述的资产质量指标计算单元计算相关指标的具体方法包括以下步骤：
S901、计算vintageM3+(逾期90天以上静态逾期率)，公式为：
vintageM3+＝M1_M2*M2_M3*M3_M4*M4_D*∑M1i，i＝1,2……资产期数，资产期数+1；M1_M2为M1贷款余额到M2贷款余额的迁移率；M2_M3为M2贷款余额到M3贷款余额的迁移率；M3_M4为M3贷款余额到M4贷款余额的迁移率；M4_D为M4贷款余额到D贷款余额的迁移率；M1i为新增逾期率；
S902、计算久期，公式为：
久期(月)＝∑账龄*各账龄回收本金金额/∑各账龄回收本金金额；
S903、计算损失率，公式为：
损失率＝(vintageM3+)*12/久期；
S904、计算净价差IRR：
所述的净价差通过迭代计算得出，具体计算方法为：
其中，NCF(m)为第m个账龄净现金流量，m为账龄；NCF(m)＝收回本金m+收回利息m+收取违约金m＝提前还款本金m+提前还款利息m+归还正常本金m+归还正常利息m+回收逾期本金m+回收逾期利息及罚息m+收取违约金m；
用迭代算法计算出来的r为月度数；
净价差＝r*12；
S905、计算定价收益率：将早偿率、新增逾期率参数重置为0，重复步骤S904计算出定价收益率。
本发明还提供一种准确模拟消费金融资产现金流的方法，包括以下步骤：
第一步、标准化输入字段：根据资产端输入静态池口径的数据得到标准字段，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额(万)、加权平均执行利率(年)、正常贷款余额(含宽限)、M1贷款余额(不含宽限)、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额(含核销)、当月早偿本金、当月早偿利息、当月实还本金(正常+早偿+逾期催回)、当月实还利息(正常+早偿)、当月实还罚息(逾期)、当月归还正常本金(选填列，填更准)和当月收回逾期本金(选填列，填更准)；
第二步、提取模拟因子的参数值：
第三步、模拟资产生命周期的现金流：
假设各产品的表长＝产品期数N+5，m＝0、1……N+5，其中N为大于等于0的正整数，针对单个产品计算如下指标：
○提前还款本金，计算顺序1：
■m＝0、1……N+1时，提前还款本金m＝初始放款金额*绝对早偿率*早偿分布m；
■m＝N+2，……N+5时，提前还款本金m＝0；
○提前还款利息，计算顺序2：
■m＝0、1……N+1时，提前还款利息m＝提前还款本金m*定价利率*早偿久期m；
■m＝N+2，……N+5时，提前还款利息m＝0；
○正常本金余额，计算顺序3：
■正常本金余额m＝正常本金余额m-1-归还正常本金m-提前还款本金m-M1贷款余额m；
○归还正常本金，计算顺序2：
■m＝0时，归还正常本金m＝0；
■m＝1，2……N+1时，归还正常本金m＝(正常本金余额m-1-提前还款本金m-M1贷款余额m)*当期正常本金/剩余正常本金m；
■m＝N+2，……N+5时，归还正常本金m＝0；
○归还正常利息，计算顺序3：
■m＝0时，归还正常利息m＝0；
■m＝1，2……N+1时，归还正常利息m＝(正常本金余额m+归还正常本金m)*当期正常利息/剩余正常本金m；
■m＝N+2，……N+5时，归还正常利息m＝0；
○回收逾期本金，计算顺序6：
■m＝0时，回收逾期本金＝0；
■m＝1……N+5时，回收逾期本金m＝M1贷款余额m-1*M1_C回收率+M2贷款余额m-1*M2_C回收率+……M4贷款余额m-1*M4_C回收率；其中，M1_C回收率＝1-M1_M2迁移率，……，M4_C回收率＝1-M4_D迁移率；
○回收逾期利息及罚息，计算顺序7：
■A为回收逾期本金对应的逾期罚息；
■Am＝SUMPRODUCT(M1m-1、M2m-1、M3m-1、M4m-1，各状态回收率,各状态催回久期)*定价利率/365*(1+罚息上浮率)，参数缺失时催回久期＝{15,45,75,105}，各状态回收率＝1-迁移率；
■“SUMPRODUCT”表示分别相乘再相加；
○收回本金，计算顺序7：
■收回本金m＝归还正常本金m+提前还款本金m+回收逾期本金m；
○收回利息，计算顺序8：
■收回利息m＝归还正常利息m+提前还款利息m+回收逾期利息及罚息m；
○收取违约金，计算顺序2：
■指提前还款支付的违约金，收取违约金m＝提前还款本金*违约金率；
○逾期本金余额，计算顺序6：
■逾期本金余额m＝M1m+M2m+M3m+M4m+Dm；
○M1贷款余额，计算顺序1：
■当m＝0、N+2、N+3、N+4、N+5时，M1＝0；m＝1、2……N+1时，M1＝初始投放规模*M1率m；
○M2贷款余额，计算顺序2：
■m＝0、1、N+3、N+4、N+5时，M2＝0；
■m＝2……N+2时，M2m＝M1m-1*迁移率M1_M2；
○M3贷款余额，计算顺序3：
■m＝0、1、2、N+4、N+5时，M3＝0；
■m＝3……N+3时，M3m＝M2m-1*迁移率M2_M3；
○M4贷款余额，计算顺序4：
■m＝0、1、2、3、N+5时，M4＝0；
■m＝4……N+4时，M4m＝M3m-1*迁移率M3_M4；
○D贷款余额，计算顺序5：
■m＝0、1、2、3、4时，D＝0；
■m＝5……N+5时，Dm＝Dm-1+M4m-1*迁移率M4_D；
第四步、计算资产质量指标，具体包括：
优选地，所述的资产质量指标计算单元计算相关指标的具体方法包括以下步骤：
S901、计算vintageM3+(逾期90天以上静态逾期率)，公式为：
vintageM3+＝M1_M2*M2_M3*M3_M4*M4_D*∑M1i，i＝1,2……资产期数，资产期数+1；M1_M2为M1贷款余额到M2贷款余额的迁移率；M2_M3为M2贷款余额到M3贷款余额的迁移率；M3_M4为M3贷款余额到M4贷款余额的迁移率；M4_D为M4贷款余额到D贷款余额的迁移率；M1i为新增逾期率；
S902、计算久期，公式为：
久期(月)＝∑账龄*各账龄回收本金金额/∑各账龄回收本金金额；
S903、计算损失率，公式为：
损失率＝(vintageM3+)*12/久期；
S904、计算净价差IRR：
所述的净价差通过迭代计算得出，具体计算方法为：
其中，NCF(m)为第m个账龄净现金流量，m为账龄；NCF(m)＝收回本金m+收回利息m+收取违约金m＝提前还款本金m+提前还款利息m+归还正常本金m+归还正常利息m+回收逾期本金m+回收逾期利息及罚息m+收取违约金m；
用迭代算法计算出来的r为月度数；
净价差＝r*12；
S905、计算定价收益率：将早偿率、新增逾期率参数重置为0，重复步骤S904计算出定价收益率；
第五步、定位因子偏移和量化偏差值，具体包括：
提炼出的净价差公式如下
净价差＝定价收益率-损失率＝定价收益率-12/久期*vintageM3+；
因子影响指标，指标影响净价差。针对每个因子，可以刻画出其对净价差的弹性，弹性＝因变量的变动比例/自变量变动比例＝(△y/y)/(△x/x)，计算出各因子对净价差的弹性，量化模型误差及因子偏移以便校准模型。弹性越大的因子重要性越大，可设定高频迭代或校准。
S1001、选定单一或多个因子的基准值；
S1002、拟定因子变动步长，步长＝因子基准值*1％
S1003、将选定的因子的参数改为基准值+步长，重复第三步和第四步，计算新净价差；
S1004、因子弹性＝[(新净价差-基准净价差)/基准净价差]/1％。
以上描述了本发明优选实施方式，然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (10)
1.一种准确模拟消费金融资产现金流的***，其特征在于，所述的准确模拟消费金融资产现金流的***包括输入字段标准化单元、模拟因子的参数值提取单元、资产生命周期的现金流模拟单元、资产质量指标计算单元以及定位因子偏移和量化偏差值单元；所述的输入字段标准化单元用于根据资产端输入静态池口径的数据得到标准字段；所述的模拟因子的参数值提取单元用于提取新增逾期率、迁移率、绝对早偿率、早偿久期、催回久期、正常本金系数、正常利息系数；所述的资产生命周期的现金流模拟单元用于针对单个产品计算如下指标：提前还款本金、提前还款利息、正常本金余额、归还正常本金、归还正常利息、回收逾期本金、回收逾期利息及罚息、收回本金、收回利息、收取违约金、逾期本金余额、逾期1～30天贷款余额、逾期31～60天贷款余额、逾期61～90天贷款余额、逾期91-120天贷款余额以及坏账贷款余额；所述的资产质量指标计算单元用于计算定价收益率、久期、损失率和净价差；所述的定位因子偏移和量化偏差值单元用于选定单一或多个因子的基准值，拟定因子变动步长，将选定的因子的参数改为基准值+步长，刻画标准资产的资产质量对因子的敏感度，更精准模拟标准资产生命周期的内现金流和趋势变化。
2.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额、加权平均执行利率、正常贷款余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额、当月早偿本金、当月早偿利息、当月实还本金、当月实还利息、当月实还罚息、当月归还正常本金和当月收回逾期本金。
3.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的新增逾期率的提取方法具体包括以下步骤：
S101、求新增逾期率，公式为：观测月M1贷款余额/当月放款金额；
S102、剔除异常值，公式为：M1率>5％或M1率<0或M1率在第1个账龄～资产最长期限账龄之间为0，则作为异常值进行剔除；
S103、按账龄和期数，加权平均，公式为：∑当月放款金额*当月M1率/∑当月放款金额。
4.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的迁移率的提取方法具体包括以下步骤：
S201、求迁移率，公式为：
M1贷款余额到M2贷款余额的迁移率M1_M2＝当期M2贷款余额/前一期M1贷款余额；
M2贷款余额到M3贷款余额的迁移率M2_M3＝当期M3贷款余额/前一期M2贷款余额；
M3贷款余额到M4贷款余额的迁移率M3_M4＝当期M4贷款余额/前一期M3贷款余额；
M4贷款余额到D贷款余额的迁移率M4_D＝当期新增坏账贷款余额/前一期M4贷款余额；
S202、剔除异常值，公式为：迁移率>1或迁移率<＝0或迁移率在三个标准差之外，则作为异常值进行剔除；
S203、按期数，加权平均，公式为：∑当月放款金额*迁移率/∑当月放款金额。
5.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的早偿率的提取方法具体包括以下步骤：
S301、求绝对早偿率，公式为：当月早偿本金/当月放款金额；
S302、剔除异常值，如果计算得到的绝对早偿率>1或<＝0，则作为异常值进行剔除；
S303、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿率/∑当月放款金额。
6.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的早偿久期的提取方法具体包括以下步骤：
S401、求早偿久期，公式为：当月早偿利息/(期初正常贷款余额*利率/act)；其中act＝360或365；
S402、剔除异常值，如果计算得到的早偿久期>45，则作为异常值进行剔除；
S403、按账龄和期数，加权平均，公式为：∑当月放款金额*早偿久期/∑当月放款金额。
7.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的催回久期的提取方法具体包括以下步骤：
S501、求催回久期X，公式为：
[M1_C*X+M2_C*(X+30)+M3_C*(X+60)+M4_C*(X+90)]*(1+罚息上浮比例)*利率/act＝当月实还罚息，其中M1_C＝当期M2贷款余额-上期M1贷款余额；M2_C＝当期M3贷款余额-上期M2贷款余额；M3_C＝当期M4贷款余额-上期M3贷款余额；M4_C＝当期M5贷款余额-上期M4贷款余额；
S502、剔除异常值，如果计算得到的催回久期>31天或者<0天，则作为异常值进行剔除；
S503、按账龄和期数，加权平均，公式为：∑当月放款金额*催回久期/∑当月放款金额。
8.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的正常本金系数的提取方法具体包括以下步骤：
S601、求正常本金系数，公式为：当月正常还本/(当月正常贷款余额+当月正常还本)；
S602、剔除异常值，公式为：如果账龄>账龄期数+1时的正常本金系数≠0，则作为异常值进行剔除；
S603、按账龄和期数，加权平均，公式为：∑当月放款金额*正常本金系数/∑当月放款金额。
9.根据权利要求1所述的准确模拟消费金融资产现金流的***，其特征在于，所述的正常利息系数的提取方法具体包括以下步骤：
S701、求正常利息系数，公式为：当月正常利息/(当月正常贷款余额+当月正常还本)；
S702、剔除异常值，对于等本等费、等本等息或类***的还款方式来说，如果计算得到的正常利息系数>1，则作为异常值进行剔除；对于除了等本等费、等本等息或类***以外的还款方式来说，如果计算得到的正常利息系数>0.03，则作为异常值进行剔除；
S703、按账龄和期数，加权平均，公式为：∑当月放款金额*正常利息系数/∑当月放款金额。
10.根据权利要求1至9任一项所述的***准确模拟消费金融资产现金流的方法，其特征在于，该方法包括以下步骤：
第一步、标准化输入字段：根据资产端输入静态池口径的数据得到标准字段，所述的标准字段包括期限、还款方式、放款月、观察月、当月放款金额、加权平均执行利率、正常贷款余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额、M5贷款余额、M6贷款余额、M6+贷款余额、当月早偿本金、当月早偿利息、当月实还本金、当月实还利息、当月实还罚息、当月归还正常本金和当月收回逾期本金；
第二步、提取模拟因子的参数值，包括提取新增逾期率、迁移率、早偿率、早偿久期、催回久期、正常本金系数、正常利息系数；
第三步、模拟资产生命周期的现金流，针对单个产品计算如下指标：提前还款本金、提前还款利息、正常本金余额、归还正常本金、归还正常利息、回收逾期本金、回收逾期利息及罚息、收回本金、收回利息、收取违约金、逾期本金余额、M1贷款余额、M2贷款余额、M3贷款余额、M4贷款余额和D贷款余额；
第四步、计算资产质量指标，具体包括：
S901、计算逾期90天以上静态逾期率vintageM3+，公式为：
vintageM3+＝M1_M2*M2_M3*M3_M4*M4_D*∑M1i，i＝1,2……资产期数，资产期数+1；其中，M1_M2为M1贷款余额到M2贷款余额的迁移率；M2_M3为M2贷款余额到M3贷款余额的迁移率；M3_M4为M3贷款余额到M4贷款余额的迁移率；M4_D为M4贷款余额到D贷款余额的迁移率；M1i为新增逾期率；
S902、计算久期，公式为：
久期＝∑账龄*各账龄回收本金金额/∑各账龄回收本金金额；
S903、计算损失率，公式为：
损失率＝(vintageM3+)*12/久期；
S904、计算净价差：
所述的净价差通过迭代计算得出，具体计算方法为：
其中，NCF(m)为第m个账龄的净现金流量，m为账龄；NCF(m)＝收回本金m+收回利息m+收取违约金m＝提前还款本金m+提前还款利息m+归还正常本金m+归还正常利息m+回收逾期本金m+回收逾期利息及罚息m+收取违约金m；
用迭代算法计算出来的r为月度数；
净价差＝r*12；
S905、计算定价收益率：将早偿率和新增逾期率重置为0，重复步骤S904计算出定价收益率；
第五步、定位因子偏移和量化偏差值：
提炼出的净价差公式如下：
净价差＝定价收益率-损失率＝定价收益率-12/久期*vintageM3+
因子影响指标，指标影响净价差；针对每个因子，刻画出其对净价差的弹性，弹性＝因变量的变动比例/自变量变动比例，计算出各因子对净价差的弹性，量化模型误差及因子偏移以便校准模型；
S1001、选定单一或多个因子的基准值；
S1002、拟定因子变动步长，步长＝因子基准值*1％；
S1003、将选定的因子的参数改为基准值+步长，重复第三步和第四步，计算新净价差；
S1004、因子弹性＝[(新净价差-基准净价差)/基准净价差]/1％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310136603.3A CN116205742A (zh) | 2023-02-20 | 2023-02-20 | 一种准确模拟消费金融资产现金流的***和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310136603.3A CN116205742A (zh) | 2023-02-20 | 2023-02-20 | 一种准确模拟消费金融资产现金流的***和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116205742A true CN116205742A (zh) | 2023-06-02 |
Family
ID=86512411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310136603.3A Pending CN116205742A (zh) | 2023-02-20 | 2023-02-20 | 一种准确模拟消费金融资产现金流的***和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116205742A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107330542A (zh) * | 2017-05-26 | 2017-11-07 | 国家电网公司 | 一种分析优化电网投资规模的方法 |
| CN108460678A (zh) * | 2017-02-22 | 2018-08-28 | 北京数信互融科技发展有限公司 | 资产筛选、质量监测、预测全流程互联网金融资产管理云平台 |
| CN111383091A (zh) * | 2020-02-21 | 2020-07-07 | 中国建设银行股份有限公司 | 一种资产证券化定价方法和装置 |
| CN111626843A (zh) * | 2020-05-09 | 2020-09-04 | 深圳索信达数据技术有限公司 | 一种基于风险管理数据的Vintage分析方法 |
| CN112733419A (zh) * | 2020-11-27 | 2021-04-30 | 北京工业大学 | 一种突发大气污染事故源反演准确性提升方法 |
-
2023
- 2023-02-20 CN CN202310136603.3A patent/CN116205742A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108460678A (zh) * | 2017-02-22 | 2018-08-28 | 北京数信互融科技发展有限公司 | 资产筛选、质量监测、预测全流程互联网金融资产管理云平台 |
| CN107330542A (zh) * | 2017-05-26 | 2017-11-07 | 国家电网公司 | 一种分析优化电网投资规模的方法 |
| CN111383091A (zh) * | 2020-02-21 | 2020-07-07 | 中国建设银行股份有限公司 | 一种资产证券化定价方法和装置 |
| CN111626843A (zh) * | 2020-05-09 | 2020-09-04 | 深圳索信达数据技术有限公司 | 一种基于风险管理数据的Vintage分析方法 |
| CN112733419A (zh) * | 2020-11-27 | 2021-04-30 | 北京工业大学 | 一种突发大气污染事故源反演准确性提升方法 |
Non-Patent Citations (1)
| Title |
|---|
| 姚树春: "《大数据技术与应用》", 30 June 2018, 西南交通大学出版社, pages: 31 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Boardman et al. | A comparative analysis and evaluation of specialist PPP units’ methodologies for conducting value for money appraisals | |
| Gupton | Credit metrics technical document | |
| US7958048B2 (en) | Method and apparatus for predicting outcomes of a home equity line of credit | |
| US20050004858A1 (en) | Energy advisory and transaction management services for self-serving retail electricity providers | |
| US20030126053A1 (en) | System and method for pricing of a financial product or service using a waterfall tool | |
| Ferson et al. | Estimating the cost of capital through time: An analysis of the sources of error | |
| JP2002236800A (ja) | 金融取引に関する取引情報を集約する装置、その方法、該装置を実行するプログラムを格納した記録媒体、該方法を実行するためのプログラムを記憶した記録媒体 | |
| WO2004006049A2 (en) | Method and system to value projects taking into account political risks | |
| Buchner et al. | The systematic risk of private equity | |
| JP2006500692A (ja) | 公開情報動的財務分析の方法および装置 | |
| Bertocchi et al. | Sensitivity of bond portfolio's behavior with respect to random movements in yield curve: A simulation study | |
| US20080300939A1 (en) | Computer-Implemented Method for Evaluating an Investment | |
| CN108242022A (zh) | 一种基于erp的小额贷款及委托贷款***及方法 | |
| CN107392679A (zh) | 一种知识产权价值分析认定的数据处理方法、装置及*** | |
| CN116205742A (zh) | 一种准确模拟消费金融资产现金流的***和方法 | |
| Galindo-Rueda | Developing an R&D satellite account for the UK: a preliminary analysis | |
| TWM581252U (zh) | Credit rating evaluation | |
| CN101826196A (zh) | 一种进行利率风险监控的久期数据计量*** | |
| CN201607771U (zh) | 一种进行利率风险监控的久期数据计量*** | |
| Kalimbia | Financial modelling and analysis of power project finance: a case study of Ngozi geothermal power project, southwest Tanzania | |
| Nursaadah et al. | The Application of Risk-Based New Venture Technique for Startup Valuation (Case Study: Vee Naturals) | |
| Spahn et al. | Tax modelling for economies in transition | |
| CN107622421A (zh) | 航空公司客运促销奖励管理***及方法 | |
| Dal Moro et al. | The computational and timing challenge of quarterly nonlife (re) insurance liability evaluation under IFRS 4 phase 2 | |
| CN115239477A (zh) | 利息计算方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |