一种基于资产证券化的资产池目标化算法
【技术领域】
[0001] 本发明设及信息及数据处理技术领域，特别是设及一种基于资产证券化的资产池 目标化算法。
【背景技术】
[0002] 资产证券化是指将缺乏流动性的资产，转换为在金融市场上可W自由买卖的证券 的行为，使其具有流动性，它是通过在资本市场和货币市场发行证券筹资的一种直接融资 方式，可W帮助银行来管理银行的资产负债表，也可W使金融企业将不可能流动性资产转 化为流动性资产。
[0003] 资产证券化可W使金融机构获得更为廉价的资金，能够使金融机构的融资手段更 为丰富。发行机构在进行资产池分割的时候，往往会对资产池的统计属性进行目标化，W满 足市场，投资者及评级的要求。在达到目标的同时，要在各个统计属性的分布上，尽可能的 保证发行机构原有的统计分布属性，从而使资产池产生的时候，保证发行机构的整体风险 和资产池的风险是一致的，从而避免将优良的资产销售到信托中去，将不良的资产留在发 行机构的资产负债表中，而增加发行机构本身的资产风险。
[0004] 因此，需要一种可W在改变资产池统计属性的同时最大程度的保持资产池统计属 性原有分布的算法。同时，由于金融机构的资产池往往是海量数据，数据级别在百万、千万 条记录，如何在非常短的时间内产生一个符合统计属性要求的资产池也是一个巨大的挑 战。
【发明内容】
[000引为克服上述不足，本发明提供了一种能在改变资产池统计属性的同时，最大程度 的保持资产池统计属性的原有分布的基于资产证券化的资产池目标化算法。
[0006] 本发明采用的技术方案是：一种基于资产证券化的资产池目标化算法，包括资产 池分割、贷款与抵押资产链接、计算资产池统计属性、资产池统计属性目标化、产生最终可 销售资产池的步骤，其特征在于:所述资产池统计属性目标化的过程包括：
[0007] A、保持数据原有统计属性分布；
[0008] B、快速追踪统计目标；
[0009] C、对海量资产池多个聚类统计属性同时目标化并保持原统计分布属性。
[0010] 作为上述方案的进一步设置，所述保持数据原有统计属性分布的算法如下：
[0011] A、确定资产池中两个统计属性:加权平均期长、加权平均贷款与资产抵押比率的 目标化条件；
[0012] B、定义原始期长公式为：
[0015] n=Max(loan.Seasoning in month)，
[0016] 馬二{始a?i| 沁a化忍反ason加巧扣 TTumt/i 二 I
[0017] c、定义贷款与资产抵押比率统计属性按贷款额度分布的公式为：
[0018] f(jj)=Sum(loan,Curre7itBala：nce\loanEyj'
[0019] L =(死,歹2,歹3,...灭讯），
[0020] m二Max(loan丄oanToValuationRatio in Base Point)，
[0021 ] y]' 二[loan\locin. LoanToValuatwnRa村O in Base Point 二 j }j
[0022] lxS-{,. . ,> 、乂打，/l,/ …、乂化 /m,/
[0023] D、将资产池中的二维统计分布属性，转换成为一维的W长度为度量的分布属性；
[0024] (1)资产池中两个统计属性:加权平均期长、加权平均贷款与资产抵押比率的笛卡 尔积的分布公式如下：
[002引 /(灭L 見）=?Swm(Zoan. CitrrentSaZance), kan G (而'气
[0027] (2)定义方程如下：
[0030] (3)定义新的贷款统计属性，公式如下：
[003。 loan.BucketingAveragePosibility = P(交i/pj ), loan E 杉
[0032] (4)步骤(3)中的公式等同于给贷款定义了一个新的主键，公式如下： Q
[0033] Ioan^. BucketingAveragePosihilityRwmingTotal = ^ locinb. BuckeUngAveragePosAWty b=l
[0034] (5) W-维的统计分布属性进行取值，同时原来二维的统计分布属性得到保持，其 取值方式如下：
[0035] Select distinct loan.BucketingAveragePosibiIityRunningTotal Order By NEWIDO
[0036] (6)新的统计属性也是贷款的一个主键，简化(5)中的公式如下：
[0037] Select loan.*0rder By NEWIDO。
[0038] 作为上述方案的进一步设置，所述快速追踪统计目标的算法如下：
[0039] A、定义原加权平均贷款期长公式如下：
[0041 ] B、定义原加权平均贷款对资产抵押比值公式如下：
[0054] C、在二维坐标系统中定义如下矢量：
[0056] D、每一次从海量数据中移除一个记录，那么重新计算目标化统计属性，并对W下 条件进行衡量，直到目标条件满足为止，
[0058] 达到了目标要求，又保证了原有分布。
[0059] 作为上述方案的进一步设置，所述对海量资产池多个聚类统计属性同时目标化并 保持原统计分布属性的过程如下：
[0060] A、对资产池原统计属性进行如下定义：
[0102] c、用剩余调整完成计算。
[0103] 本发明的优点如下：
[0104] 1、可W同时对多个统计属性进行目标化，满足多个统计属性目标化的要求，并且 对于每个目标化的的统计属性，都能最大程度的保持原统计属性分布。
[010引2、可W快速的进行计算，一般在5分钟内，能完成百万条数据级别的多目标化要 求。
【附图说明】
[0106] 图1为本发明的原始加权平均期长统计属性按贷款额度分布图；
[0107] 图2为本发明的贷款与资产抵押比率统计属性按贷款额度分布图；
[0108] 图3为本发明的加权平均期长、加权平均贷款与资产抵押比率的笛卡尔积的分布 图；
[0109] 图4、图5为本发明中二维统计分布属性转换为一维后，W长度为度量的分布属性 图；
[0110] 图6为本发明的算法实习轨迹图；
[0111] 图7、图8为本发明的新统计属性的分布图。
【具体实施方式】
[0112] 下面结合附图及实施例对本发明做进一步描述。
[0113] -种基于资产证券化的资产池目标化算法，包括：
[0114] (1)资产池分割:在资产池中，利用筛选条件，剔除不可销售的资产；
[0115] (2)贷款与抵押资产链接:避免重复抵押和多重抵押的发生；
[0116] (3)计算资产池统计属性:对资产池进行实时的统计属性计算和统计分割；
[0117] (4)资产池统计属性目标化:同时对多个统计属性进行快速目标化，并保持金融机 构原资产池的统计属性；
[0118] (5)形成可销售资产池。
[0119] 所述资产池统计属性目标化的算法包括：
[0120] A