一种基于规则引擎的IFRS9减值计量设计方法与流程

本发明涉及规则配置计算相关技术领域，具体涉及一种基于规则引擎的ifrs9减值计量设计方法。

背景技术：

现有ifrs9减值计量系统普遍采用编写固定的oracle数据库存储过程、编写固定的python编程语言逻辑、java编程语言逻辑、c编程语言逻辑的方式进行减值计量过程的开发。该种减值计量逻辑开发方式，无法直观图形化的展示出计量逻辑。所有的业务逻辑编写的时候，都需要直接编写成程序语言代码，存在维护成本高、维护难度高的问题，在测试及后期维护的时候，开发人员需要一行一行的读取代码逻辑，并且熟悉减值计量需求文档，才能进行代码逻辑的修改，由于开发人员的能力水平有高低的情况，导致每个ifrs9减值计量系统的开发人员编写出的计量逻辑代码的质量参差不齐，带来比较多的程序执行方面的性能问题。

技术实现要素：

本发明的目的在于克服上述不足问题，提供一种基于规则引擎的ifrs9减值计量设计方法。

本发明为实现上述目的所采用的技术方案是：一种基于规则引擎的ifrs9减值计量设计方法，包括以下步骤：

s1、在数据模型页面定义所有功能节点所操作的数据集合；

s2、由业务流完成阶段判断；

s3、在模型管理的业务流页面定义ifrs9减值计量的规则流；

s4、数据集合以json格式作为输入按照顺序、条件在经过业务流的各节点的同时被加工处理，之后的数据集合为结果集合，以json格式返回给调用方。

所述业务流包括决策树节点或包括决策树节点、分支节点和其他决策树。

规则流包括开始节点、子流程、决策树、规则集、分支、算法节点、结束节点。

数据集合中的变量包括布尔型、日期型、整型、字符型、枚举型，以及列表型数据。

阶段判断逻辑由规则流的决策树实现，基于阶段判断的规则流，新建一个决策树，在根节点新增一个分支，在分支条件中选择操作，在条件后新增一个结果，如果满足前面的条件，就落入这个结果中。

在ifrs9减值计量中的风险概率pd计量以规则流的子流程方式嵌入总的计量流程，并通过规则流的分支、算法节点实现。

在pd计量部分，事先定义一组pd的计量算法，并以算法包的方式导入计量引擎，新增一个规则流，在规则流内新建一个算法节点，在配置pd计量流程中在算法节点中直接选择对应的算法，选择是否缓存该节点的返回值，在算法参数映射界面映射正确的入参和出参，以匹配数据模型中的数据集合和算法包里的java入参和出参，依次选择新建算法或分支流，从而组成计量pd方法的子流程。

在ifrs9减值计量中的风险暴露敞口ead计量通过规则流的规则集、算法节点、分支实现。

在ead计算部分，新增分支，配置分支的条件，新增规则集节点并配置选择对应的规则集，新增算法节点并选择对应的算法。

本发明的特点是：采用规则引擎配置方式，可将具体的执行交给规则引擎去处理，开发人员只需理解减值计量需求，并使用图形化的方式将减值计量业务逻辑配置出来，而且通过图形化配置方式，可快速通过规则组件的配置实现减值计量逻辑，开发人员可快速复用其它项目的配置方式，减少重复配置重复编写代码的工作量。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明的一种基于规则引擎的ifrs9减值计量设计方法的流程图。

图2是本发明在ifrs9减值计量的债项风险计量中的阶段判断流程图。

图3是本发明在ifrs9减值计量的风险概率pd计量中的规则设计流程图。

图4是本发明在ifrs9减值计量的风险暴露敞口ead计量中的规则设计流程图。

图5是本发明的ifrs9减值计量总流程图。

图6是本发明的数据集合中变量的定义图。

图7是本发明的新建决策树示意图。

图8是本发明的新建条件节点示意图。

图9是本发明的节点条件的编辑示意图。

图10是本发明的新增结果节点示意图。

图11是本发明的结果节点的编辑示意图。

图12是本发明的总的决策树示意图。

图13是本发明的上传算法包示意图。

图14是本发明的新建规则流示意图。

图15是本发明的新建算法节点-拖入到流程图中示意图。

图16是本发明的选择算法示意图。

图17是本发明的算法的配置-单个算法参数映射示意图。

图18是本发明的算法总流程图示意图。

图19是本发明的新增分支节点并配置节点条件示意图。

图20是本发明的新增规则集并配置计算方法示意图。

图21是本发明的ead配置-规则集-算法-分支示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并结合附图1-21对本发明作进一步详细说明，但不作为对本发明的限定。

如图1-4所示，本发明为一种基于规则引擎的ifrs9减值计量设计方法，包括以下步骤：

s1、在数据模型页面定义所有功能节点所操作的数据集合，各个数据集合中包含各种类型的变量，包括布尔型、日期型、整型、字符型、枚举型，以及列表型数据，如图6所示；

s2、由业务流完成阶段判断，业务流一般只包括一个决策树节点，在业务复杂时，也可能还包括分支节点和其他决策树；

ifrs9减值计量中的债项风险计量，通常首先需要判断出该债项的所属风险阶段，按风险等级增高排列为阶段一、二、三，阶段判断中的方法一般为根据该笔债项的逾期天数、五级分类、行业类别、内部外部评级、评级变化等等属性综合判断该债项的阶段，属性的选择比较灵活，因此阶段判断逻辑由规则流的决策树实现，基于阶段判断的规则流，新建一个决策树（如图7所示），在根节点新增一个分支（如图8所示），在分支条件中选择该笔债项的属性进行比较大小、判断是否在集合中等操作（如图9所示），在条件后新增一个结果，如果满足前面的条件，就落入这个结果中（如图10、11所示），总的流程如图12所示；

s3、在模型管理的业务流页面定义ifrs9减值计量的规则流，规则流包括开始节点、子流程、决策树、规则集、分支、算法节点、结束节点，如图5所示；

ifrs9减值计量中的风险概率pd计量通常会由于银行内部数据积累问题分为二阶段来实现，分别为内评法和外评法，两种方法所需的数据不同，但方法基本一致，先定义个变量作为分支的判断条件，先按已有数据的方法走，待另一套数据积累成熟后在无缝切换至另一种方法，具体某个pd计量方法一般涉及到前瞻性调整、累计概率的计算、边际概率的计算，因为要把所有债项可能用到的pd都提前计算出来，这涉及到大量的数据运算，而且每个节点都选择了缓存模式，这样每个条线都只需运行一次pd的计量，结果可以缓存起来供该条线的所有债项使用，因此以规则流的子流程方式嵌入总的计量流程，并通过规则流的分支、算法节点实现，pd计量通常会涉及到多情景，多期次的pd计量，设计到的计算数量比较大，用单独的算法节点实现它，将大量的计算包含在一个节点内，以此提高计量速度，事先定义一组pd的计量算法，并以算法包的方式导入计量引擎（如图13所示），新增一个规则流（如图14所示），在规则流内新建一个算法节点，在配置pd计量流程中在算法节点中直接选择对应的算法，选择是否缓存该节点的返回值（如图15、16所示），在算法参数映射界面映射正确的入参和出参，以匹配数据模型中的数据集合和算法包里的java入参和出参（如图17所示），依次选择新建算法或分支流，从而组成计量pd方法的子流程，流程如图18所示。

ifrs9减值计量中的风险暴露敞口ead计量通过规则流的规则集、算法节点、分支实现，ead通常有两种计量方式，当期法计算只需要计算一个总的ead，用一个规则集就可以实现计量，各期法由于需要计算各个期次的ead，涉及到很多循环，和风险概率pd计量中的原因一样，可以用算法来实现，以提高性能，通常一笔债项的风险暴露敞口的计量与该笔债项的所在阶段高度相关，比如阶段一的债项，ead通常等于剩余资金及应收应计利息，阶段二且无现金流信息，ead等于剩余本金及应收应计利息，阶段二且有现金流，ead需按年计量，根据现金流统计，等于各自年份的剩余还款额，阶段三则ead等于剩余本金及应收应计利息，根据该业务考虑，适合用分支条件、规则集和算法节点组合实现此算法，阶段一、三及无现金流的阶段二，适合用规则集直接实现，阶段二且有现金流的因为需要循环计算各年份的ead，适合用算法节点来实现，因此在总的ecl流程中，在ead计算部分，新增分支，配置分支的条件（如图19所示），新增规则集节点并配置选择对应的规则集（如图20所示），新增算法节点并选择对应的算法（如图15、16所示），总的流程如图21所示；

s4、数据集合以json格式作为输入按照顺序、条件在经过业务流的各节点的同时被加工处理，之后的数据集合为结果集合，以json格式返回给调用方。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。