CN116883169A - 一种在险价值确定方法、装置、设备及存储介质 - Google Patents
一种在险价值确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116883169A CN116883169A CN202310918448.0A CN202310918448A CN116883169A CN 116883169 A CN116883169 A CN 116883169A CN 202310918448 A CN202310918448 A CN 202310918448A CN 116883169 A CN116883169 A CN 116883169A
- Authority
- CN
- China
- Prior art keywords
- index
- transaction
- risk value
- determining
- target
- 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 42
- 230000008901 benefit Effects 0.000 claims abstract description 49
- 238000007667 floating Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000010354 integration Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 239000000470 constituent Substances 0.000 claims description 13
- 230000001960 triggered effect Effects 0.000 claims description 5
- 230000006735 deficit Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 17
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 16
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 230000007774 longterm Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000004075 alteration Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种在险价值确定方法、装置、设备及存储介质,涉及数据处理技术领域,该方法包括:按照浮动指标类型将资源组合拆分成多个交易集合。针对每个交易集合,基于相应的浮动指标类型和历史回溯时段获取历史数据。采用多线程基于历史数据构建相应的指标曲线组,并通过指标曲线组确定交易集合中每个组成交易的初步预测损益。整合资源组合中所有组成交易的初步预测损益确定资源组合的目标在险价值,并将目标在险价值发送至终端设备进行展示。采用多线程和通用的指标曲线组确定交易集合中各交易的初步预测损益,不需要对每个交易分别构建指标曲线组,也不需要串行对交易估值,从而降低了确定在险价值的计算量和复杂度,提高了效率。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种在险价值确定方法、装置、设备及存储介质。
背景技术
随着大数据时代到来,诸多领域都在通过大数据技术进行业务处理,比如通信、人工智能、金融等领域。而在金融领域中,由于常常需要与数据打交道,对于数据处理技术更为重视和依赖。
在险价值(Value at Risk,简称:VaR)是金融***中常用的一个数据指标,工作人员通过该数据指标可以给用户进行相关业务处理,或者用户通过该数据指标进行相关业务处理。
相关技术下,采用每个交易的历史数据构建模型,并采用模型预测该交易在持有期内的在险价值。然而,对于包含大量交易的投资组合来说,需要处理的历史数据的数据量庞大,从而使得计算量大,进而导致确定在险价值的效率较低。
发明内容
本申请实施例提供了一种在险价值确定方法、装置、设备及存储介质,用于提高确定在险价值的效率。
一方面,本申请实施例提供了一种在险价值确定方法,该方法包括:
接收终端设备发送的针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值;以及,将所述目标在险价值发送至所述终端设备进行展示。
一方面,本申请实施例提供了一种在险价值确定方法,该方法包括:
获取针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值并展示。
一方面,本申请实施例提供了一种在险价值确定装置,该装置包括:
接收模块,用于接收终端设备发送的针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
分组模块,用于基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
处理模块,用于针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
整合模块,用于基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值;以及,将所述目标在险价值发送至所述终端设备进行展示。
可选地,所述关联要素还包括:持有期;所述历史数据包括:所述浮动指标类型在所述历史回溯时段内的n+1个单位时段的历史指标值;所述指标曲线组包括:当前指标曲线组和预测指标曲线组,其中,n大于等于0;
所述处理模块具体用于:
采用多线程,基于n+1个历史指标值和所述浮动指标类型的当前指标值,确定浮动指标类型在所述持有期的n个预测指标值;
基于所述当前指标值,生成当前指标曲线组;以及采用多线程基于所述n个预测指标值,分别生成n个预测指标曲线组。
可选地,所述处理模块具体用于:
按照对应的单位时段的时间先后顺序,对n+1个历史指标值进行排序,获得指标排序结果;
针对所述指标排序结果中除第一个历史指标值之外的各个历史指标值,分别执行以下操作:确定一个历史指标值与所述指标排序结果中前一个历史指标值的差值,并将获得的差值与所述当前指标值求和,获得一个预测指标值。
可选地,所述处理模块具体用于:
针对每个组成交易,基于所述组成交易的交易要素和所述当前指标曲线组,确定所述组成交易的当前净现值;以及,基于所述组成交易的交易要素和所述n个预测指标曲线组,确定所述组成交易的n个预测净现值;
基于所述当前净现值和所述n个预测净现值,确定n个初步预测损益。
可选地,所述整合模块具体用于:
获取包含n个元素的初始整合数组,每个元素对应一个单位时段;
将所述资源组合中每个组成交易的n个初步预测损益,分别叠加至所述初始整合数组中相应单位时段对应的元素,获得目标整合数组;
基于所述目标整合数组中的n个元素,确定所述资源组合的n个目标预测损益;以及,基于所述n个目标预测损益和所述置信度,确定所述资源组合的目标在险价值。
可选地,所述整合模块具体用于:
按照从高到低的顺序,对所述n个目标预测损益排序,获得损益排序结果;
基于所述置信度和所述目标预测损益的数量,确定目标序号;
基于所述损益排序结果中所述目标序号对应的目标预测损益,确定所述目标在险价值。
可选地,所述资源组合和所述在险价值的关联要素是所述终端设备响应于用户在业务页面中触发的配置操作获得的;
所述整合模块具体用于:
将所述目标在险价值发送至所述终端设备,以使所述终端设备在所述业务页面中展示所述历史回溯时段、所述置信度和所述目标在险价值。
一方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述在险价值确定方法的步骤。
一方面,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行上述在险价值确定方法的步骤。
一方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机设备执行时,使所述计算机设备执行上述在险价值确定方法的步骤。
本申请实施例中,服务器接收终端设备发送的针对资源组合的在险价值确定请求,然后按照浮动指标类型对资源组合进行拆分,获得多个交易集合,并针对每个交易集合构建相应的指标曲线组。通过指标曲线组确定交易集合中每个组成交易的初步预测损益,然后整合获得的初步预测损益,确定资源组合的目标在险价值。由于每个交易集合对应一个通用的指标曲线组,而不需要对每个交易分别构建指标曲线组,也不需要串行对交易估值,从而降低了在险价值的计算量和计算复杂度,进而提高了在险价值的确定效率。其次,采用多线程技术,确定预测损益和在险价值,从而缩短了计算时间,提高了在险价值的计算效率。另外,在确定在险价值的过程中,提供可灵活配置历史回溯时段、持有期和置信度的业务页面,给用户带来更好的交互体验,提高了确定在险价值的灵活性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种***架构的结构示意图;
图2为本申请实施例提供的一种在险价值确定方法的流程示意图;
图3为本申请实施例提供的一种业务页面的示意图;
图4为本申请实施例提供的一种业务页面的示意图;
图5为本申请实施例提供的一种在险价值确定装置的结构示意图;
图6为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了方便理解,下面对本发明实施例中涉及的名词进行解释。
利率互换:互换是交易双方达成的在一段时间内交换现金流的合约,如果交易双方的现金流都是同一种货币,那么称为利率互换。通常情况下,交易双方的现金流的其中一端为固定利率,另一端为浮动利率。例如,起息日为2023年3月15日的5年期利率互换,约定名义本金为K,固定利率为3.7%,浮动利率为1年期贷款市场报价利率(Loan Prime Rate,简称LPR),按计息规则ACT/365每季度付息。在第一个计息区间(2023年3月15日至2023年6月15日)内,固定端金额为:
浮动端金额为:
浮动端金额需要在浮动利率发布后才能确定。
利率互换的现值采用以下公式(1)计算获得:
其中,S表示现值,Ni表示第i个计息区间的本金,Fi表示第i个计息区间的浮动利率,s表示固定利率,Δi表示第i个计息区间的年分数;dfi表示第i个计息区间的贴现因子。
在实际应用中,根据市场工具报价,构造远期曲线f(t)和贴现曲线d(t),用于构造曲线的工具包含Cash(期限利率)、FRA(远期利率协议报价)、SWAP(标准利率互换报价)三种类型。
在构造贴现曲线d(t)之后,从贴现曲线中获取贴现因子dfi。在构造远期曲线f(t)之后,通过远期曲线f(t)投影远期利率,获得浮动利率F,具体如以下公式(2)所示:
其中,s为起息日、t为到期日。
在险价值(value at risk,简称VaR):在一定概率水平(置信度)下,某一资源在未来特定时期内的最大可能损失。
需要说明的是,本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定,后续不再赘述。
参考图1,其为本申请实施例适用的一种***架构图,该***架构至少包括终端设备101和服务器102,终端设备101的数量可以是一个或多个,服务器102的数量也可以是一个或多个,本申请对终端设备101和服务器102的数量不做具体限定。
终端设备101中预先安装业务应用,该业务应用向用户提供确定在险价值的服务,其中,业务应用是客户端应用、网页版应用、小程序应用等。终端设备101可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能家电、智能语音交互设备、智能车载设备等,但并不局限于此。
服务器102是业务应用的后台服务器,服务器102可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备101与服务器102可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
在一些实施例中,服务器102中包括联机服务器集群103、批处理服务器集群104、消息队列集群105、数据库集群106、模型引擎服务器集群107、网络附属存储108。服务器102通过上述各服务器集群共同完成在险价值确定任务,并将获得目标在险价值发送至终端设备101进行展示。
需要说明的是,本申请以下描述的各实施例对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
基于图1所示的***架构图,本申请实施例提供了一种在险价值确定方法的流程,如图2所示,该方法的流程由计算机设备执行,该计算机设备可以是图1所示的服务器102,包括以下步骤:
步骤S201,接收终端设备发送的针对资源组合的在险价值确定请求。
具体地,终端设备响应于用户在业务页面中触发的配置操作,获得资源组合和在险价值的关联要素,其中,资源组合可以是投资组合、产品组合、项目组合等。在险价值的关联要素包括:历史回溯时段、持有期和置信度。用户可以根据实际需求设置一组或多组在险价值的关联要素。
举例来说,参见图3,为本申请实施例提供的一种业务页面的示意图,包括以下配置项:报告生成方式、报告编号、投资组合、历史回溯时段、持有期和置信度,其中,报告生成方式、报告编号为预先配置的,投资组合可通过下拉单选获得,历史回溯时段、持有期和置信度均可以通过下拉多选获得。
用户在配置结束后,点击提交按钮,终端设备响应于用户在业务页面中触发的提交操作,向终端设备发送的针对资源组合的在险价值确定请求,其中,在险价值确定请求不仅包含资源组合的内容,还包括用户配置的在险价值的关联要素。
需要说明的是,业务页面中配置项并不限于上述几种,还可以包括报告名称、报告类别等其他配置信息。
步骤S202,基于资源组合中每个组成交易对应的浮动指标类型,将资源组合划分为多个交易集合。
对于利率互换的资源组合来说,对应相同浮动指标类型的利率互换,计价时会使用相同的贴现曲线和远期曲线,因此,将对应相同浮动指标类型的组成交易划分至一个交易集合,然后将一个交易集合合并计算,从而大大减小计算量。
在实际应用中,预先设置单个交易集合的交易数量上限,以避免某组运行时间过长,以获得更好的并行性。
步骤S203,针对每个交易集合,基于相应的浮动指标类型和关联要素中的历史回溯时段获取历史数据;以及,基于历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定交易集合中每个组成交易的初步预测损益。
具体地,在获得多个交易集合后,从数据库中读取历史回溯时段的历史数据以及每个交易集合内的组成交易的交易要素,再基于获得的内容生成报文,并将报文发送给模型引擎进行后续计算。需要说明的是,当用户选择了多个历史回溯时段时,需要对多个历史回溯时段的历史数据分别执行后续步骤,以获得相应的目标在险价值。
历史数据包括:浮动指标类型在历史回溯时段内的n+1个单位时段的历史指标值;指标曲线组包括:当前指标曲线组和预测指标曲线组,其中,n大于等于0;
在一些实施例中,采用多线程,基于n+1个历史指标值和浮动指标类型的当前指标值,确定浮动指标类型在持有期的n个预测指标值;然后基于当前指标值,生成当前指标曲线组;以及采用多线程基于n个预测指标值,分别生成n个预测指标曲线组。
在实际应用中,历史回溯时段可以是1年、2年、3年、5年等,单位时段可以指一天、一周等。按照对应的单位时段的时间先后顺序,对n+1个历史指标值进行排序,获得指标排序结果。针对指标排序结果中除第一个历史指标值之外的各个历史指标值,分别执行以下操作:确定一个历史指标值与指标排序结果中前一个历史指标值的差值,并将获得的差值与当前指标值求和,获得一个预测指标值,该历史指标值与获得的预测指标值对应的单位时段相同。
模型引擎基于当前指标值,调用曲线构建模块,生成当前指标曲线组;以及采用多线程技术,基于n个预测指标值,分别调用曲线构建模块,生成n个预测指标曲线组。
以利率互换举例来说,设定历史指标值为历史价格,当前指标值为当前价格,预测指标值为预测价格。历史回溯时段内的n+1个历史价格分别为:日期0价格、日期1价格、…、日期n价格,当前价格为:日期n价格。
针对日期1价格至日期n价格中的每个日期i价格,采用日期i价格减去日期i-1价格,获得日期i价格增量。将日期i价格增量与日期n价格相加,获得日期n+1的第i个预测价格。
基于日期n价格,调用曲线构建模块,得到当前指标曲线组,当前指标曲线组分别为:当前远期曲线和当前贴现曲线;采用多线程技术,基于n个预测价格,分别调用曲线构建模块,生成n个预测指标曲线组,每个预测指标曲线组包括:预测远期曲线和预测贴现曲线。
在一些实施例中,针对每个组成交易,基于组成交易的交易要素和当前指标曲线组,确定组成交易的当前净现值;以及,基于组成交易的交易要素和n个预测指标曲线组,确定组成交易的n个预测净现值;然后基于当前净现值和n个预测净现值,确定n个初步预测损益。
具体地,组成交易的交易要素包括:起息日、到期日、支付频率、重置频率、支付日历、重置日历、计息调整方式等交易本身的特征。针对交易集合,模型引擎采用多线程技术,调用利率互换计价功能模块,基于每个组成交易的交易要素和当前指标曲线组,确定每个组成交易的当前净现值。模型引擎采用多线程技术,调用利率互换计价功能模块,基于每个组成交易的交易要素和n个预测指标曲线组,确定每个组成交易的n个预测净现值,其中,基于一个组成交易的交易要素和一个预测指标曲线组,可以获得一个预测净现值。将n个预测净现值分别与当前净现值相减,获得n个初步预测损益。
以利率互换举例来说,针对一个交易集合中的每个组成交易,基于组成交易的交易要素和当前远期曲线,获得当前浮动利率;以及基于组成交易的交易要素和当前贴现曲线,获得当前贴现因子;然后将当前浮动利率和当前贴现因子代入公式(1),获得组成交易的当前净现值。
基于组成交易的交易要素和一个预测远期曲线,获得一个预测浮动利率;以及基于组成交易的交易要素和一个预测贴现曲线,获得一个预测贴现因子;然后将一个预测浮动利率和一个预测贴现因子代入公式(1),获得组成交易的一个预测净现值。采用相同的方式可以获得其他n-1个预测净现值,此处不再赘述。将n个预测净现值分别与当前净现值相减,获得组成交易的n个初步预测损益。
在一些实施例中,针对交易集合中的每个组成交易,按照从高到低的顺序对相应的n个初步预测损益排序,获得损益排序结果;基于置信度和初步预测损益的数量,确定初步序号;基于损益排序结果中初步序号对应的初步预测损益,确定初步在险价值。
具体实施中,将置信度(X%)与初步预测损益的数量n相乘并向下取整,获得初步序号。将初步序号对应的初步预测增益与的乘积,作为初步在险价值,其中,q持有期。持有期可以是一天或多天。
当用户配置多个置信度时,则相应确定多个初步序号,进而获得的多个初步在险价值。终端设备将n个初步预测损益和所有初步在险价值发送至终端设备进行展示。
举例来说,设定n=10,持有期q=1,按照从高到低的顺序对相应的10个初步预测损益排序,获得损益排序结果,具体为:损益1、损益2、损益3、损益4、损益5、损益6、损益7、损益8、损益9、损益10。设定置信度为90%,则初步序号=n*X%=9,相应的初步在险价值为:损益9。
步骤S204,基于获得的多个初步预测损益和关联要素中的置信度,确定资源组合的目标在险价值;以及,将目标在险价值发送至终端设备进行展示。
在一些实施例中,获取包含n个元素的初始整合数组,每个元素对应一个单位时段;将资源组合中每个组成交易的n个初步预测损益,分别叠加至初始整合数组中相应单位时段对应的元素,获得目标整合数组。基于目标整合数组中的n个元素,确定资源组合的n个目标预测损益;并基于n个目标预测损益和置信度,确定资源组合的目标在险价值。
具体地,初始整合数组中各元素的初始值为0,且第i个元素对应日期i。接收模型引擎返回的每个交易集合的处理结果,即交易集合中每个组成交易的n个初步预测损益,其中,n个初步预测损益对应n个日期,即与初始整合数组中的n个元素存在一一对应关系。
将每个初步预测损益叠加至初始整合数组中对应相同日期的元素上。当所有交易集合中的组成交易的初步预测损益均叠加至初始整合数组后,获得目标整合数组,此时,目标整合数组中一个元素的值即为资源组合的一个目标预测损益。
按照从高到低的顺序,对n个目标预测损益排序,获得损益排序结果;然后基于置信度和目标预测损益的数量,确定目标序号;基于损益排序结果中目标序号对应的目标预测损益,确定目标在险价值。
具体实施中,将置信度(X%)与目标预测损益的数量n相乘并向下取整,获得目标序号。将目标序号对应的目标预测增益与的乘积,作为目标在险价值,其中,q持有期,持有期可以是一天或多天。当用户配置多个置信度时,则相应确定多个目标序号,进而获得的多个目标在险价值。
将获得的目标在险价值发送至终端设备,以使终端设备在业务页面中展示历史回溯时段、置信度和目标在险价值。
具体地,用户配置多个历史回溯时段和多个置信度时,服务器采用上述在险价值确定方法确定每个历史回溯时段在多个置信度下的目标在险价值,并将获得的目标在险价值发送至终端设备进行展示。另外,服务器还可以将针对每个历史回溯时段获得的目标预测损益发送至终端设备进行展示。
举例来说,参见图4,为本申请实施例提供的一种业务页面的示意图,该业务页面中展示的计算结果包括:持有期、投资组合、历史回溯时段和置信度。假设在图3所示的设置阶段,用户选择的历史回溯时段包括:过去1年、过去2年、过去3年、过去5年,用户选择的置信度包括:95%、97.5%、98%、99%、99.5%、99.9%。相应地,业务页面展示的计算结果中包括每个历史回溯时段在每种置信度下的目标在险价值。
本申请实施例中,服务器接收终端设备发送的针对资源组合的在险价值确定请求,然后按照浮动指标类型对资源组合进行拆分,获得多个交易集合,并针对每个交易集合构建相应的指标曲线组。通过指标曲线组确定交易集合中每个组成交易的初步预测损益,然后整合获得的初步预测损益,确定资源组合的目标在险价值。由于每个交易集合对应一个通用的指标曲线组,而不需要对每个交易分别构建指标曲线组,也不需要串行对交易估值,从而降低了在险价值的计算量和计算复杂度,进而提高了在险价值的确定效率。其次,采用多线程技术,确定预测损益和在险价值,从而缩短了计算时间,提高了在险价值的计算效率。另外,在确定在险价值的过程中,提供可灵活配置历史回溯时段、持有期和置信度的业务页面,给用户带来更好的交互体验,提高了确定在险价值的灵活性。
基于相同的技术构思,本申请实施例提供了一种在险价值确定装置的结构示意图,如图5所示,该装置500包括:
接收模块501,用于接收终端设备发送的针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
分组模块502,用于基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
处理模块503,用于针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
整合模块504,用于基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值;以及,将所述目标在险价值发送至所述终端设备进行展示。
可选地,所述关联要素还包括:持有期;所述历史数据包括:所述浮动指标类型在所述历史回溯时段内的n+1个单位时段的历史指标值;所述指标曲线组包括:当前指标曲线组和预测指标曲线组,其中,n大于等于0;
所述处理模块503具体用于:
采用多线程,基于n+1个历史指标值和所述浮动指标类型的当前指标值,确定浮动指标类型在所述持有期的n个预测指标值;
基于所述当前指标值,生成当前指标曲线组;以及采用多线程基于所述n个预测指标值,分别生成n个预测指标曲线组。
可选地,所述处理模块503具体用于:
按照对应的单位时段的时间先后顺序,对n+1个历史指标值进行排序,获得指标排序结果;
针对所述指标排序结果中除第一个历史指标值之外的各个历史指标值,分别执行以下操作:确定一个历史指标值与所述指标排序结果中前一个历史指标值的差值,并将获得的差值与所述当前指标值求和,获得一个预测指标值。
可选地,所述处理模块503具体用于:
针对每个组成交易,基于所述组成交易的交易要素和所述当前指标曲线组,确定所述组成交易的当前净现值;以及,基于所述组成交易的交易要素和所述n个预测指标曲线组,确定所述组成交易的n个预测净现值;
基于所述当前净现值和所述n个预测净现值,确定n个初步预测损益。
可选地,所述整合模块504具体用于:
获取包含n个元素的初始整合数组,每个元素对应一个单位时段;
将所述资源组合中每个组成交易的n个初步预测损益,分别叠加至所述初始整合数组中相应单位时段对应的元素,获得目标整合数组;
基于所述目标整合数组中的n个元素,确定所述资源组合的n个目标预测损益;以及,基于所述n个目标预测损益和所述置信度,确定所述资源组合的目标在险价值。
可选地,所述整合模块504具体用于:
按照从高到低的顺序,对所述n个目标预测损益排序,获得损益排序结果;
基于所述置信度和所述目标预测损益的数量,确定目标序号;
基于所述损益排序结果中所述目标序号对应的目标预测损益,确定所述目标在险价值。
可选地,所述资源组合和所述在险价值的关联要素是所述终端设备响应于用户在业务页面中触发的配置操作获得的;
所述整合模块504具体用于:
将所述目标在险价值发送至所述终端设备,以使所述终端设备在所述业务页面中展示所述历史回溯时段、所述置信度和所述目标在险价值。
本申请实施例中,服务器接收终端设备发送的针对资源组合的在险价值确定请求,然后按照浮动指标类型对资源组合进行拆分,获得多个交易集合,并针对每个交易集合构建相应的指标曲线组。通过指标曲线组确定交易集合中每个组成交易的初步预测损益,然后整合获得的初步预测损益,确定资源组合的目标在险价值。由于每个交易集合对应一个通用的指标曲线组,而不需要对每个交易分别构建指标曲线组,也不需要串行对交易估值,从而降低了在险价值的计算量和计算复杂度,进而提高了在险价值的确定效率。其次,采用多线程技术,确定预测损益和在险价值,从而缩短了计算时间,提高了在险价值的计算效率。另外,在确定在险价值的过程中,提供可灵活配置历史回溯时段、持有期和置信度的业务页面,给用户带来更好的交互体验,提高了确定在险价值的灵活性。
基于相同的技术构思,本申请实施例提供了一种计算机设备,该计算机设备可以是图6所示的终端设备和/或服务器,如图6所示,包括至少一个处理器601,以及与至少一个处理器连接的存储器602,本申请实施例中不限定处理器601与存储器602之间的具体连接介质,图6中处理器601和存储器602之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本申请实施例中,存储器602存储有可被至少一个处理器601执行的指令,至少一个处理器601通过执行存储器602存储的指令,可以执行上述在险价值确定方法的步骤。
其中,处理器601是计算机设备的控制中心,可以利用各种接口和线路连接计算机设备的各个部分,通过运行或执行存储在存储器602内的指令以及调用存储在存储器602内的数据,从而确定在险价值。可选的,处理器601可包括一个或多个处理单元,处理器601可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作***、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器601中。在一些实施例中,处理器601和存储器602可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器601可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器602作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器602可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器602是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机设备存取的任何其他介质,但不限于此。本申请实施例中的存储器602还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于同一发明构思,本申请实施例提供了一种计算机可读存储介质,其存储有可由计算机设备执行的计算机程序,当程序在计算机设备上运行时,使得计算机设备执行上述在险价值确定方法的步骤。
基于同一发明构思,本申请实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机设备执行时,使所述计算机设备执行上述在险价值确定方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机设备或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机设备或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机设备或其他可编程数据处理设备上,使得在计算机设备或其他可编程设备上执行一系列操作步骤以产生计算机设备实现的处理,从而在计算机设备或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种在险价值确定方法,其特征在于,包括:
接收终端设备发送的针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值;并将所述目标在险价值发送至所述终端设备进行展示。
2.如权利要求1所述的方法,其特征在于,所述关联要素还包括:持有期;所述历史数据包括:所述浮动指标类型在所述历史回溯时段内的n+1个单位时段的历史指标值;所述指标曲线组包括:当前指标曲线组和预测指标曲线组,其中,n大于等于0;
所述基于所述历史数据构建相应的指标曲线组,包括:
采用多线程,基于n+1个历史指标值和所述浮动指标类型的当前指标值,确定浮动指标类型在所述持有期的n个预测指标值;
基于所述当前指标值,生成当前指标曲线组;以及采用多线程基于所述n个预测指标值,分别生成n个预测指标曲线组。
3.如权利要求2所述的方法,其特征在于,所述基于所述n+1个历史指标值和所述浮动指标类型的当前指标值,确定浮动指标类型在所述持有期的n个预测指标值,包括:
按照对应的单位时段的时间先后顺序,对n+1个历史指标值进行排序,获得指标排序结果;
针对所述指标排序结果中除第一个历史指标值之外的各个历史指标值,分别执行以下操作:确定一个历史指标值与所述指标排序结果中前一个历史指标值的差值,并将获得的差值与所述当前指标值求和,获得一个预测指标值。
4.如权利要求2所述的方法,其特征在于,所述基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益,包括:
针对每个组成交易,基于所述组成交易的交易要素和所述当前指标曲线组,确定所述组成交易的当前净现值;以及,基于所述组成交易的交易要素和所述n个预测指标曲线组,确定所述组成交易的n个预测净现值;
基于所述当前净现值和所述n个预测净现值,确定n个初步预测损益。
5.如权利要求4所述的方法,其特征在于,所述基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值,包括:
获取包含n个元素的初始整合数组,每个元素对应一个单位时段;
将所述资源组合中每个组成交易的n个初步预测损益,分别叠加至所述初始整合数组中相应单位时段对应的元素,获得目标整合数组;
基于所述目标整合数组中的n个元素,确定所述资源组合的n个目标预测损益;以及,基于所述n个目标预测损益和所述置信度,确定所述资源组合的目标在险价值。
6.如权利要求5所述的方法,其特征在于,所述基于所述n个目标预测损益和所述置信度,确定所述资源组合的目标在险价值,包括:
按照从高到低的顺序,对所述n个目标预测损益排序,获得损益排序结果;
基于所述置信度和所述目标预测损益的数量,确定目标序号;
基于所述损益排序结果中所述目标序号对应的目标预测损益,确定所述目标在险价值。
7.如权利要求2至6任一所述的方法,其特征在于,所述资源组合和所述在险价值的关联要素是所述终端设备响应于用户在业务页面中触发的配置操作获得的;
所述将所述目标在险价值发送至所述终端设备进行展示,包括:
将所述目标在险价值发送至所述终端设备,以使所述终端设备在所述业务页面中展示所述历史回溯时段、所述置信度和所述目标在险价值。
8.一种在险价值确定方法,其特征在于,包括:
获取针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值并展示。
9.一种在险价值确定装置,其特征在于,包括:
接收模块,用于接收终端设备发送的针对资源组合的在险价值确定请求,所述在险价值确定请求包括:在险价值的关联要素;
分组模块,用于基于所述资源组合中每个组成交易对应的浮动指标类型,将所述资源组合划分为多个交易集合;
处理模块,用于针对每个交易集合,基于相应的浮动指标类型和所述关联要素中的历史回溯时段获取历史数据;以及,基于所述历史数据构建相应的指标曲线组,并基于获得的指标曲线组确定所述交易集合中每个组成交易的初步预测损益;
整合模块,用于基于获得的多个初步预测损益和所述关联要素中的置信度,确定所述资源组合的目标在险价值;以及,将所述目标在险价值发送至所述终端设备进行展示。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1~8任一所述方法的步骤。
11.一种计算机可读存储介质,其特征在于,其存储有可由计算机设备执行的计算机程序,当所述程序在计算机设备上运行时,使得所述计算机设备执行权利要求1~8任一所述方法的步骤。
12.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机设备执行时,使所述计算机设备执行权利要求1-8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310918448.0A CN116883169A (zh) | 2023-07-25 | 2023-07-25 | 一种在险价值确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310918448.0A CN116883169A (zh) | 2023-07-25 | 2023-07-25 | 一种在险价值确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116883169A true CN116883169A (zh) | 2023-10-13 |
Family
ID=88260228
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310918448.0A Pending CN116883169A (zh) | 2023-07-25 | 2023-07-25 | 一种在险价值确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883169A (zh) |
-
2023
- 2023-07-25 CN CN202310918448.0A patent/CN116883169A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109447622B (zh) | 交易类型推荐方法及***、智能交易终端 | |
CN110210731A (zh) | 提醒任务分配方法、装置、计算机设备和存储介质 | |
CN113159972B (zh) | 组合确定方法、装置、电子设备及计算机可读存储介质 | |
CN111178830A (zh) | 成本的核算方法、装置、计算机设备和存储介质 | |
CN111932314A (zh) | 推荐内容的推送方法、装置、设备及可读存储介质 | |
US20170178221A1 (en) | Method and system for inventory availability prediction | |
CN116823471A (zh) | 交易策略回测方法、装置、电子设备及存储介质 | |
CN116883169A (zh) | 一种在险价值确定方法、装置、设备及存储介质 | |
CN115914363A (zh) | 消息推送方法、装置、计算机设备和存储介质 | |
CN110809778A (zh) | 股价预测辅助***以及方法 | |
CN113850661A (zh) | 支付路由方法、装置、计算机设备和存储介质 | |
CN113822704A (zh) | 计算优惠费用的方法、装置、电子设备及可读存储介质 | |
CN113436018A (zh) | 一种资产托管业务处理方法、装置、存储介质及电子设备 | |
US20230229503A1 (en) | Efficient use of computing resources for optimization of non-convex functions | |
CN109711943B (zh) | 订单统计方法、装置及*** | |
CN115239398A (zh) | 出价的确定方法和装置 | |
CN115018640A (zh) | 赔偿计算方法及装置 | |
CN115526403A (zh) | 一种金融数据的预测方法、***、设备、存储介质及产品 | |
CN117273219A (zh) | 一种营业网点数量的优化方法、装置、设备及存储介质 | |
CN114911835A (zh) | 用户信息处理方法、装置、设备、存储介质和程序产品 | |
CN115660860A (zh) | 个人投资内部收益率的计算方法及其***、计算机设备 | |
CN116226554A (zh) | 服务推荐方法、装置、计算机设备和存储介质 | |
CN114881780A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115907337A (zh) | 物资储备方法、***、设备、存储介质和程序产品 | |
CN111737008A (zh) | 资源数据处理方法、装置、计算机设备和存储介质 |
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 |