一种用于预测购买债券的风险的方法及装置与流程

本发明涉及数据分析、处理和预测技术领域，尤其涉及一种用于预测购买债券的风险的方法及装置。

背景技术：

人们在购买某个公司发行的债券等理财产品时，通常都希望对其未来的收益情况(即，风险等级)进行预测。

在现有技术中，这项工作通常是由评估机构来完成和发布的。评估机构的数量众多，各自可以采用不同的方法，尽管这些方法可能有一些共同之处，但是存在差异的情况更为普遍。例如，不同的评估机构，对影响风险等级的各种因素有不同的认识，其中包括对与各种影响因素相关的权重的理解。

当评估机构实现了本机构的风险预测方法之后，通常都不会对其使用的各种影响因素及对应的权重进行调整。目前还没有一种能够自定义影响因素及其对应的权重、并且采集相应的数据进行风险预测的方法。

因此，需要提出可以根据用户需要灵活地进行自定义的风险预测方案。

技术实现要素：

根据本发明的用于预测购买债券的风险的方法，包括：

获取欲购买的债券的所属公司的多种历史数据；

基于多种历史数据及与多种历史数据一一对应的多个权重值计算风险指标值；

基于风险指标值预测欲购买的债券的风险等级。

根据本发明的用于预测购买债券的风险的方法，在获取欲购买的债券的所属公司的多种历史数据的步骤之前，还包括：

获取用户输入或选择的需要获取的多种历史数据的具体种类、以及需要加权计算的每种历史数据对应的具体权重值。

根据本发明的用于预测购买债券的风险的方法，其基于多种历史数据及与多种历史数据一一对应的多个权重值计算风险指标值的步骤包括：

根据下列第一历史数据中的至少两种及对应的权重，通过加权求和来计算风险指标值：公司年度净利润、公司资产负债比、公司流动资产、公司固定资产、公司总资产、公司净资产、公司股票市值、公司负债总额、公司销售收入。

根据本发明的用于预测购买债券的风险的方法，在通过加权求和来计算风险指标值之后，还包括：

根据下列第二历史数据中的至少一种及对应的权重，通过加权相乘来调整风险指标值：公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻。

根据本发明的用于预测购买债券的风险的方法，在通过加权求和来计算风险指标值之前，还包括：

针对第一历史数据中的至少两种各自在公司所属行业内由差到好的排名次序进行归一化，将归一化后的排名次序值作为用于加权求和计算的数值，

其中，风险指标值越大，表示风险等级越低。

根据本发明的用于预测购买债券的风险的装置，包括：

历史数据获取模块，用于获取欲购买的债券的所属公司的多种历史数据；

计算模块，用于基于多种历史数据及与多种历史数据一一对应的多个权重值计算风险指标值；

预测模块，用于基于风险指标值预测欲购买的债券的风险等级。

根据本发明的用于预测购买债券的风险的装置，还包括：

用户输入获取模块，用于在历史数据获取模块获取欲购买的债券的所属公司的多种历史数据的步骤之前，获取用户输入或选择的需要获取的多种历史数据的具体种类、以及需要加权计算的每种历史数据对应的具体权重值。

根据本发明的用于预测购买债券的风险的装置，其计算模块还用于：

根据下列第一历史数据中的至少两种及对应的权重，通过加权求和来计算风险指标值：公司年度净利润、公司资产负债比、公司流动资产、公司固定资产、公司总资产、公司净资产、公司股票市值、公司负债总额、公司销售收入。

根据本发明的用于预测购买债券的风险的装置，其计算模块还用于：

在通过加权求和来计算风险指标值之后，根据下列第二历史数据中的至少一种及对应的权重，通过加权相乘来调整风险指标值：公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻。

根据本发明的用于预测购买债券的风险的装置，其计算模块还用于：

在通过加权求和来计算风险指标值之前，针对第一历史数据中的至少两种各自在公司所属行业内由差到好的排名次序进行归一化，将归一化后的排名次序值作为用于加权求和计算的数值，

其中，风险指标值越大，表示风险等级越低。

根据本发明的上述技术方案，可以根据用户需要灵活地进行自定义设置，并且根据用户设置自动采集相应的数据进行债券的风险预测。

附图说明

并入到说明书中并且构成说明书的一部分的附图示出了本发明的实施例，并且与相关的文字描述一起用于解释本发明的原理。在这些附图中，类似的附图标记用于表示类似的要素。下面描述中的附图是本发明的一些实施例，而不是全部实施例。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，可以根据这些附图获得其他的附图。

图1示例性地示出了根据本发明的用于预测购买债券的风险的方法的示意流程图。

图2示例性地示出了根据本发明的用于预测购买债券的风险的装置的示意框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。

图1示例性地示出了根据本发明的用于预测购买债券的风险的方法的示意流程图。

如图1的实线框所示，根据本发明的用于预测购买债券的风险的方法，包括：

步骤s102：获取欲购买的债券的所属公司的多种历史数据；

步骤s104：基于多种历史数据及与多种历史数据一一对应的多个权重值计算风险指标值；

步骤s106：基于风险指标值预测欲购买的债券的风险等级。

可选地，如图1的虚线框所示，根据本发明的用于预测购买债券的风险的方法，在步骤s102之前，还包括：

步骤s102’：获取用户输入或选择的需要获取的多种历史数据的具体种类、以及需要加权计算的每种历史数据对应的具体权重值。

可选地，步骤s104包括：

根据下列第一历史数据中的至少两种及对应的权重，通过加权求和来计算风险指标值：公司年度净利润、公司资产负债比、公司流动资产、公司固定资产、公司总资产、公司净资产、公司股票市值、公司负债总额、公司销售收入。

例如，以上一年度公司年度净利润和公司总资产这两种历史数据为例进行说明。

各指标值(例如，实际价值)按(例如，在上述步骤s102’中)用户设定的权重加权求和，得到原始分数(即，风险指标值)。例如a、b、c、d四个公司，上一年度公司年度净利润分别为80万元、110万元、200万元、170万元，公司总资产分别为100万元、300万元、200万元、50万元，用户设定上一年度公司年度净利润指标权重为2、公司总资产指标权重为1.1，那么a公司的原始分数为80*2+100*1.1＝270万元，b公司原始分数110*2+300*1.1＝550万元，c公司原始分数为200*2+200*1.1＝420万元，d公司原始分数170*2+50*1.1＝395万元。

可选地，在步骤s104中通过加权求和来计算风险指标值之后，还包括：

根据下列第二历史数据中的至少一种及对应的权重，通过加权相乘来调整风险指标值：公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻。

例如，可以根据公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻和用户设定的相应权重对原始分数进行调整，得到最终分数(即，经调整的风险指标值)。比如，a公司属于钢铁行业，类型为中央国有企业，原始分数为270，用户设定钢铁行业权重为0.8、中央国有企业类型权重为1.2，则a公司最终分数为270*0.8*1.2＝259.2。

可选地，在步骤s104通过加权求和来计算风险指标值之前，还包括：

针对第一历史数据中的至少两种各自在公司所属行业内由差到好的排名次序进行归一化，将归一化后的排名次序值作为用于加权求和计算的数值，

其中，风险指标值越大，表示风险等级越低。

例如，以上一年度公司年度净利润和公司资产负债比这两种历史数据为例进行说明。可以在每个行业内部对各评级指标进行排名，排名百分比作为该指标的归一化分数(即，上述归一化后的排名次序值)，按(例如，在上述步骤s102’中)用户设定的权重加权求和，得到原始分数(即，风险指标值)。a、b、c、d四个公司，上一年度公司年度净利润分别为80万元、110万元、200万元、170万元，那么a、b、c、d在上一年度公司年度净利润指标上的归一化分数依次为0.25、0.5、1、0.75。如果a、b、c、d四个公司在公司资产负债比指标上归一化分数依次为1、0.5、0.75、0.25，用户设定上一年度公司年度净利润指标权重为2、公司资产负债比指标权重为1.1，那么a公司的原始分数为0.25*2+1*1.1＝1.6，b公司原始分数0.5*2+0.5*1.1＝1.55，c公司原始分数为1*2+0.75*1.1＝2.835，d公司原始分数0.75*2+0.25*1.1＝1.775。

例如，对应于上述通过加权相乘来调整风险指标值的步骤，还可以根据公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻和用户设定的相应权重对原始分数进行调整，得到最终分数(即，经调整的风险指标值)。比如，a公司属于钢铁行业，类型为中央国有企业，原始分数为1.6，用户设定钢铁行业权重为0.8、中央国有企业类型权重为1.2，则a公司最终分数为1.6*0.8*1.2＝1.536。

可以设定各风险等级的(分档)分数线，例如，2分以上为aaa+等级，1.8分以上2分以下为aaa等级，1.5分以上1.8分以下为aaa-等级，……。

在步骤s106中，可以得到最终预测的欲购买的债券的风险等级，例如用户设定了1.5分以上1.8分以下为aaa-等级，a公司最终得分1.536，风险等级预测结果为aaa-级。

图2示例性地示出了根据本发明的用于预测购买债券的风险的装置200的示意框图。

如图2的实线框所示，根据本发明的用于预测购买债券的风险的装置200包括：

历史数据获取模块201，用于获取欲购买的债券的所属公司的多种历史数据；

计算模块203，用于基于多种历史数据及与多种历史数据一一对应的多个权重值计算风险指标值；

预测模块205，用于基于风险指标值预测欲购买的债券的风险等级。

可选地，如图2的虚线框所示，用于预测购买债券的风险的装置200还包括：

用户输入获取模块201’，用于在历史数据获取模块201获取欲购买的债券的所属公司的多种历史数据的步骤之前，获取用户输入或选择的需要获取的多种历史数据的具体种类、以及需要加权计算的每种历史数据对应的具体权重值。

可选地，计算模块203还用于：

根据下列第一历史数据中的至少两种及对应的权重，通过加权求和来计算风险指标值：公司年度净利润、公司资产负债比、公司流动资产、公司固定资产、公司总资产、公司净资产、公司股票市值、公司负债总额、公司销售收入。

可选地，计算模块203还用于：

在通过加权求和来计算风险指标值之后，根据下列第二历史数据中的至少一种及对应的权重，通过加权相乘来调整风险指标值：公司所属的行业、外部评审机构评定的等级、公司的所有制类型、公司上市板块、公司负面新闻。

可选地，计算模块203还用于：

在通过加权求和来计算风险指标值之前，针对第一历史数据中的至少两种各自在公司所属行业内由差到好的排名次序进行归一化，将归一化后的排名次序值作为用于加权求和计算的数值，

其中，风险指标值越大，表示风险等级越低。

根据本发明的上述技术方案，可以根据用户需要灵活地进行自定义设置，并且根据用户设置自动采集相应的数据进行债券的风险预测。

上面描述的内容可以单独地或者以各种方式组合起来实施，而这些变型方式都在本发明的保护范围之内。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些组件或所有组件可以被实施为由处理器，如数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

最后应说明的是：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的技术方案的精神和范围。