一种在线对发债主体进行信用评级的方法、装置、设备以及计算机存储介质与流程

本发明属于数据处理技术领域，具体涉及一种在线对发债主体进行信用评级的方法、装置、设备以及计算机存储介质。

背景技术：

近年来，我国的债券市场取得了快速发展，为我国的经济建设与社会发展做出了巨大贡献。截止到2018年底，我国债券市场规模已经达到了约86.39万亿，约合12.6万亿美元，债券市场的存量规模与gdp(grossdomesticproduct，国内生产总值)的比率也在逐渐提高，2018年底占到90％。中国债券市场的产品也在不断创新，基础产品的种类已基本上与发达的债券市场相一致，主要品种包括政府债券、金融债券、公司信用债券和资产支持类债券等。债券市场的壮大一方面满足了融资主体的发展需求，另一方面丰富了投资者的投资品种。

债券投资虽然投资风险较低，但除去政府证券之外，其它债权仍具有违约的可能。2014年“11超日债”成为国内第一例违约的公募公司债券，结束了以往债券全部刚性兑付的历史。2018年具有城投债属性的“17兵团六师scp002”的违约表明城投债也不是绝对安全的。债券违约步入常态化已经形成趋势，从民营企业到国企、从信用债到城投债都可能发生违约。面对种类繁多、数量庞大的债券，以及违约风险的增大，投资者迫切需要可靠的债券信用评级技术来作为投资辅助工具。

目前，投资者主要参考第三方债券信用评级机构发布的评级结果进行投资，但是却存在以下几个问题：(1)评级机构主要参考发债主体提供的公司经营状况、财务数据、行业环境等数据，经由分析师依靠经验对数据进行人工分析得出判断结论，结论带有分析师主观性，不够科学客观；(2)第三方评级机构在对发债主体进行信用评级的同时，还是受雇于发债主体的乙方，往往信用评级过程较为宽松，结果不够公正。

另外，其他的债券信用评级技术还有以下几种：(1)kmv模型(即是美国旧金山市kmv公司于1997年建立的用来估计借款企业违约概率的方法，该模型认为贷款的信用风险是在给定负债的情况下由债务人的资产市场价值决定的)和持续期分析模型，虽然可以完全定量计算，但是要求大量违约数据，且kmv只适用于上市公司，因此对我国债券市场并不适用；(2)creditmetrics模型和市场债券隐含评级模型，是在拥有大量已经完成评级的债券数据库的基础上对新发债券进行评级的技术，重度依赖于第三方评级结果，因此可靠性并不是很高。

技术实现要素：

为了解决当前投资者因缺少可靠债券信用评级技术，不能在线及时进行精准性投资的问题，本发明目的在于提供一种在线对发债主体进行信用评级的方法、装置、设备以及计算机存储介质。

本发明所采用的技术方案为：

一种在线对发债主体进行信用评级的方法，包括如下步骤：

s101.在线获取发债主体的基础数据；

s102.根据所述基础数据获取发债主体的且与多项评价指标一一对应的指标参数；

s103.针对各项评价指标，根据对应的指标参数对发债主体进行所在行业内的排序，然后将排序号作为该项评价指标的指标得分；

s104.利用层次分析法获取各项评价指标的权重系数；

s105.按照如下公式计算发债主体的信用评分p：

式中，n为评价指标的总项数，i为介于1至n之间的自然数，wi为第i项评价指标的权重系数，pi为第i项评价指标的指标得分；

s106.将所述信用评分作为信用评级结果进行输出展示。

具体的，所述基础数据包括发债主体的财务数据、所在行业景气度、所在行业竞争力、经营管理状况数据和/或外部宏观经济环境数据。

具体的，所述评价指标包括行业利润率、上游资金占用情况、下游资金占用情况、主体规模、资产负债率、流动负债占比、速动比率、流动比率、货币性负债、货币与流动负债比值、经营性现金流净值、经营性现金与流动负债比值、总现金流净值、总现金与流动负债比值、总资产收益率、营业毛利率、净利润增长率、营业利润、总利润、未使用授信额度、未使用授信额度与流动负债比值以及对外担保资产与总资产比值。

优化的，在所述步骤s103中，针对某项特定评价指标，所述根据对应的指标参数对发债主体进行所在行业内的排序步骤包括如下：

s301.通过所述步骤s101～s102，分别获取发债主体的且与所述特定评价指标对应的近n+1期的指标参数：v0,v1,v2,…,vk,…,vn，其中，n为介于3～10之间的自然数，k为介于1至n的自然数，v0为当期指标参数，vk为距离当期的第k期指标参数；

s302.按照如下公式计算发债主体的指标参数历史均值和当期相对历史均值的指标参数增长率vg：

s303.按照如下公式计算发债主体的排序积分q：

式中，λ1,λ2,λ3分别为第一预设参数；

s304.按照所述排序积分的从低至高顺序，对发债主体进行所在行业内的排序。

进一步具体的，在所述步骤s303中，所述第一预设参数λ1,λ2,λ3分别为：λ1＝5，λ2＝3和λ3＝2。

优化的，在所述步骤s104中，所述利用层次分析法获取各项评价指标的权重系数的步骤包括如下：

s401.建立由目标层、指标层和方案层构成的层次结构模型，其中，所述指标层中设置有n个元素并分别与各项评价指标一一对应；

s402.根据所述指标层构建如下成对比较判断矩阵：

矩阵中的第i行第j列元素aij表示比较第i项评价指标与第j项评价指标所得的重要性标度，i,j分别为介于1至n之间的自然数；

s403.导入来自人机交互界面的且通过人工方式所做出的比较第i项评价指标与第j项评价指标所得的重要性标度，并将该重要性表度作为对应元素aij的数值；

s404.针对所述指标层，基于所述成对比较判断矩阵进行层次单排序及其一致性校验，若所得的一致性比率小于第二预设参数，则一致性校验通过，然后执行步骤s405，否则返回执行步骤s403，其中，所述第二预设参数为不大于0.1的数值；

s405.计算所述成对比较判断矩阵的最大特征值λmax及其所对应的特征向量，将所述特征向量中的第i个分量作为第i项评价指标的权重系数。

进一步优化的，在所述步骤s405中，所述计算所述成对比较判断矩阵的特征向量的步骤包括如下：

s4051.对所述对比较判断矩阵进行列向量归一化处理，然后对归一化后的各行矩阵元素进行求和，得到列矩阵；

s4052.对所述列矩阵也进行归一化处理，即可得到所述成对比较判断矩阵的特征向量。

本发明所采用的另一种技术方案为：

一种在线对发债主体进行信用评级的装置，包括基础数据获取单元、指标参数获取单元、指标得分获取单元、指标权重获取单元、信用评分计算单元和显示单元；

所述基础数据获取单元，用于在线获取发债主体的基础数据；

所述指标参数获取单元，通信连接所述基础数据获取单元，用于根据所述基础数据获取发债主体的且与多项评价指标一一对应的指标参数；

所述指标得分获取单元，通信连接所述指标参数获取单元，用于针对各项评价指标，根据对应的指标参数对发债主体进行所在行业内的排序，然后将排序号作为该项评价指标的指标得分；

所述指标权重获取单元，用于利用层次分析法获取各项评价指标的权重系数；

所述信用评分计算单元，分别通信连接所述指标得分获取单元和所述指标权重获取单元，用于按照如下公式计算发债主体的信用评分p：

式中，n为评价指标的总项数，i为介于1至n之间的自然数，wi为第i项评价指标的权重系数，pi为第i项评价指标的指标得分；

所述显示单元，通信连接所述信用评分计算单元，用于将所述信用评分作为信用评级结果进行输出展示。

本发明所采用的另一种技术方案为：

一种在线对发债主体进行信用评级的设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序实现如前所述在线对发债主体进行信用评级的方法步骤。

本发明所采用的另一种技术方案为：

一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述在线对发债主体进行信用评级的方法步骤。

本发明的有益效果为：

(1)本发明创造提供了一种在线量化债券信用评级的新方法，即一方面利用发债主体公布的基础数据(包括经营数据以及公开的宏观经济数据等)，可以针对发债主体在反映偿债能力的各个评价指标维度上进行科学打分，另一方面可利用层次分析法得出各个评价指标维度的权重系数，最终综合打分结果和权重系数得到可作为信用评级结果的信用评分，进而通过信用评分的输出展示，可以在线及时地辅助投资者进行精准性投资，降低投资风险；

(2)通过完全使用公开透明的数据和采用可量化计算的指标用来打分，可对发债主体的信用评价更加客观公正；

(3)通过从多个维度来分别针对发债主体进行打分，可使评价体系更加完整全面；

(4)由于使用了层次分析法计算指标加权向量，可使评价打分更加准确；

(5)针对我国债券市场违约样例少、评级体系不够健全的情况，相对于其他量化评级模型，本方法更加适用，便于实际推广和应用。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的在线对发债主体进行信用评级的方法流程示意图。

图2是本发明提供的用于层次分析法的层次结构模型的结构示意图。

图3是本发明提供的在线对发债主体进行信用评级的装置结构示意图。

图4是本发明提供的在线对发债主体进行信用评级的设备结构示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本文阐述的实施例中。

应当理解，在本文描述的一些流程中，包含了按照特定顺序出现的多个操作，但是这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如s101、s102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作同样按顺序执行或并行执行。

应当理解，尽管本文可以使用术语第一、第二等等来描述各种单元，这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元，同时不脱离本发明的示例实施例的范围。

应当理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，单独存在b，同时存在a和b三种情况，本文中术语“/和”是描述另一种关联对象关系，表示可以存在两种关系，例如，a/和b，可以表示：单独存在a，单独存在a和b两种情况，另外，本文中字符“/”，一般表示前后关联对象是一种“或”关系。

应当理解，当将单元称作与另一个单元“连接”、“相连”或“耦合”时，它可以与另一个单元直相连接或耦合，或中间单元可以存在。相対地，当将单元称作与另一个单元“直接相连”或“直接耦合”时，不存在中间单元。应当以类似方式来解释用于描述单元之间关系的其他单词(例如，“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。

本文使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。如本文所使用的，单数形式“一”、“一个”以及“该”意在包括复数形式，除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”和/或“包含了”在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如,取决于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。

在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例一

如图1～2所示，本实施例提供的所述在线对发债主体进行信用评级的方法，包括如下步骤s101～s106。

s101.在线获取发债主体的基础数据。

在所述步骤s101中，所述基础数据可以但不限于包括发债主体的财务数据、所在行业景气度、所在行业竞争力、经营管理状况数据和/或外部宏观经济环境数据等。前述基础数据的获取方式可以但不限于通过现有爬虫技术从网络上抓取或者由投资者指向从一些债券投资平台(类似同花顺炒股平台)的数据库中读取。另外，所述发债主体即为发行债券的机构。

s102.根据所述基础数据获取发债主体的且与多项评价指标一一对应的指标参数。

在所述步骤s102中，所述评价指标可以但不限于包括行业利润率、上游资金占用情况、下游资金占用情况、主体规模、资产负债率、流动负债占比、速动比率、流动比率、货币性负债、货币与流动负债比值、经营性现金流净值、经营性现金与流动负债比值、总现金流净值、总现金与流动负债比值、总资产收益率、营业毛利率、净利润增长率、营业利润、总利润、未使用授信额度、未使用授信额度与流动负债比值以及对外担保资产与总资产比值等。前述评价指标的指标参数可以直接从所述基础数据中读取得到，也可以通过评价指标的现有定义公式计算得到。

s103.针对各项评价指标，根据对应的指标参数对发债主体进行所在行业内的排序，然后将排序号作为该项评价指标的指标得分。

在所述步骤s103中，优化的，针对某项特定评价指标，所述根据对应的指标参数对发债主体进行所在行业内的排序步骤可以但不限于包括如下s301～s304：

s301.通过所述步骤s101～s102，分别获取发债主体的且与所述特定评价指标对应的近n+1期的指标参数：v0,v1,v2,…,vk,…,vn，其中，n为介于3～10之间的自然数，k为介于1至n的自然数，v0为当期指标参数，vk为距离当期的第k期指标参数；

s302.按照如下公式计算发债主体的指标参数历史均值和当期相对历史均值的指标参数增长率vg：

s303.按照如下公式计算发债主体的排序积分q：

式中，λ1,λ2,λ3分别为第一预设参数；

s304.按照所述排序积分的从低至高顺序，对发债主体进行所在行业内的排序。

在所述步骤s301中，n可举例为3，每期的时间单位可为年度、季度或月度等。在所述步骤s303中，所述第一预设参数λ1,λ2,λ3可分别具体设置为：λ1＝5，λ2＝3和λ3＝2。在所述步骤s304中，由于是按照从低至高顺序对所述排序积分进行排序，则积分越高，排名号越高，在后续步骤s105中所得的信用评分越高，利于使投资者直观感知发债主体的信用评级。

s104.利用层次分析法获取各项评价指标的权重系数。

在所述步骤s104中，优化的，所述利用层次分析法获取各项评价指标的权重系数的步骤包括如下s401～s405。

s401.建立由目标层、指标层和方案层构成的层次结构模型，其中，所述指标层中设置有n个元素并分别与各项评价指标一一对应。

在所述步骤s401中，所述层次结构模型为所述层次分析法的基本模型，如图2所示，其中的所述目标层和所述方案层可暂时不设置，也可以将所述目标层设置为“选择一发债主体”以及在所述方案层中设置有m个元素并分别与各个不同发债主体一一对应，其中，m为大于3的自然数。

s402.根据所述指标层构建如下成对比较判断矩阵：

矩阵中的第i行第j列元素aij表示比较第i项评价指标与第j项评价指标所得的重要性标度，i,j分别为介于1至n之间的自然数。

在所述步骤s402中，所述重要性标度表示一项评价指标与另一项评价指标相比的重要程度量化值，其可以参照如下表1所示的重要性标度与对应含义的对照表得到。

表1.重要性标度与对应含义的对照表

s403.导入来自人机交互界面的且通过人工方式所做出的比较第i项评价指标与第j项评价指标所得的重要性标度，并将该重要性表度作为对应元素aij的数值。

在所述步骤s403中，所述重要性标度可以人工设置得到，也可以从多个预制的重要性标度模板中择一选择得到。

s404.针对所述指标层，基于所述成对比较判断矩阵进行层次单排序及其一致性校验，若所得的一致性比率小于第二预设参数，则一致性校验通过，然后执行步骤s405，否则返回执行步骤s403，其中，所述第二预设参数为不大于0.1的数值。

在所述步骤s404中，所述基于所述成对比较判断矩阵进行层次单排序及其一致性校验的方式为现有层次分析法中的基本方式，于此不再赘述；其中的一致性比率也为现有层次分析法中的基本概念。另外，所述第二预设参数可举例为0.1。

s405.计算所述成对比较判断矩阵的最大特征值λmax及其所对应的特征向量，将所述特征向量中的第i个分量作为第i项评价指标的权重系数。

在所述步骤s405中，考虑精确计算所述特征向量的过程较为复杂且不必要，因此可进一步优选采用如下简易方式来获取所述特征向量：

s4051.对所述对比较判断矩阵进行列向量归一化处理，然后对归一化后的各行矩阵元素进行求和，得到列矩阵；

s4052.对所述列矩阵也进行归一化处理，即可得到所述成对比较判断矩阵的特征向量。

s105.按照如下公式计算发债主体的信用评分p：

式中，n为评价指标的总项数，i为介于1至n之间的自然数，wi为第i项评价指标的权重系数，pi为第i项评价指标的指标得分。

s106.将所述信用评分作为信用评级结果进行输出展示。

由此通过前述步骤s101～s106，可以提供一种在线量化债券信用评级的新方法，即一方面利用发债主体公布的基础数据(包括经营数据以及公开的宏观经济数据等)，可以针对发债主体在反映偿债能力的各个评价指标维度上进行科学打分，另一方面可利用层次分析法得出各个评价指标维度的权重系数，最终综合打分结果和权重系数得到可作为信用评级结果的信用评分，进而通过信用评分的输出展示，可以在线及时地辅助投资者进行精准性投资，降低投资风险。

综上，采用本实施例所提供的在线对发债主体进行信用评级的方法，具有如下技术效果：

(1)本实施例提供了一种在线量化债券信用评级的新方法，即一方面利用发债主体公布的基础数据(包括经营数据以及公开的宏观经济数据等)，可以针对发债主体在反映偿债能力的各个评价指标维度上进行科学打分，另一方面可利用层次分析法得出各个评价指标维度的权重系数，最终综合打分结果和权重系数得到可作为信用评级结果的信用评分，进而通过信用评分的输出展示，可以在线及时地辅助投资者进行精准性投资，降低投资风险；

(2)通过完全使用公开透明的数据和采用可量化计算的指标用来打分，可对发债主体的信用评价更加客观公正；

(3)通过从多个维度来分别针对发债主体进行打分，可使评价体系更加完整全面；

(4)由于使用了层次分析法计算指标加权向量，可使评价打分更加准确；

(5)针对我国债券市场违约样例少、评级体系不够健全的情况，相对于其他量化评级模型，本方法更加适用，便于实际推广和应用。

实施例二

如图3所示，本实施例提供了一种实现实施例一所述在线对发债主体进行信用评级的方法的硬件装置，包括基础数据获取单元、指标参数获取单元、指标得分获取单元、指标权重获取单元、信用评分计算单元和显示单元；

所述基础数据获取单元，用于在线获取发债主体的基础数据；

所述指标参数获取单元，通信连接所述基础数据获取单元，用于根据所述基础数据获取发债主体的且与多项评价指标一一对应的指标参数；

所述指标得分获取单元，通信连接所述指标参数获取单元，用于针对各项评价指标，根据对应的指标参数对发债主体进行所在行业内的排序，然后将排序号作为该项评价指标的指标得分；

所述指标权重获取单元，用于利用层次分析法获取各项评价指标的权重系数；

所述信用评分计算单元，分别通信连接所述指标得分获取单元和所述指标权重获取单元，用于按照如下公式计算发债主体的信用评分p：

式中，n为评价指标的总项数，i为介于1至n之间的自然数，wi为第i项评价指标的权重系数，pi为第i项评价指标的指标得分；

所述显示单元，通信连接所述信用评分计算单元，用于将所述信用评分作为信用评级结果进行输出展示。

本实施例提供的所述硬件装置的工作过程、工作细节和技术效果，可以参见实施例一，于此不再赘述。

实施例三

如图4所示，本实施例提供了一种实现实施例一所述在线对发债主体进行信用评级的方法的硬件设备，包括通信相连的存储器和处理器，其中，所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序实现如实施例一所述在线对发债主体进行信用评级的方法步骤。

本实施例提供的所述硬件设备的工作过程、工作细节和技术效果，可以参见实施例一，于此不再赘述。

实施例四

本实施例提供了一种存储包含实施例一所述在线对发债主体进行信用评级的方法的计算机程序的计算机存储介质，即在所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一所述在线对发债主体进行信用评级的方法步骤。其中，计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置，也可以是移动智能设备(如智能手机、pad或ipad等)。

本实施例提供的计算机存储介质的工作过程、工作细节和技术效果，可以参见实施例一，于此不再赘述。

以上所描述的多个实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的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计算机可读存储介质中，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执行各个实施例或者实施例的某些部分所述的方法。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

最后应说明的是，本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。