、保持数据原有统计属性分布的算法；
[0121 ] B、快速追踪统计目标的算法；
[0122] 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的算法。
[0123] 所述保持数据原有统计属性分布的算法如下：
[0124] A、确定资产池中两个统计属性W如下目标化条件为例，一个RM B S (ResidentialMo;rtgage Backed Asset Pool)资产池需要满足如下统计条件
[0。引加权平均期长(Weighted Average Seasoning) =39个月
[0126] 加权平均贷款与资产抵押比率（Wei曲ted Average Loan to Valuation Ratio (LTV/LVR))=65%
[0127] 原始加权平均期长统计属性按贷款额度分布如图I。
[0128] B、定义原始期长公式为：
[0133] 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：
「I r V C - /? 祝 > …佑,爲i，\ 0138 -府加…依1，點,〉
[0139] 贷款与资产抵押比率统计属性按贷款额度分布如图2。
[0140] 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；
[0141] (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：
[0144] 分布图如图3。
[0145] (2)定义方程如下：
[0148] (3)定义新的贷款统计属性，公式如下：
[0150] (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：
[0152] (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：
[0153] Select distinct loan.BucketingAveragePosibiIityRunningTotal Order By NEWIDO
[0154] 分布图如图4及图5。
[0155] (7)新的统计属性也是贷款的一个主键，简化(5)中的公式如下：
[0156] Select loan.*0rder By NEWIDO。
[0157] 所述快速追踪统计目标的算法如下：
[0158] A、定义原加权平均贷款期长公式如下：
[0160] B、定义原加权平均贷款对资产抵押比值公式如下：
[0162] Population Current Weighted Average SeaSoning = Scurrent
[0163] Population Qirrent Weighted Average LTV = Lcurrent
[0164] Current Weighted Average Seasoning Target = Starget
[0173] C、在二维坐标系统中定义如下矢量：
[0174] d = y(c〇s6 + I X S虹 0)
[0175] 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，
[0177] 那么算法实习将会W图6的轨迹满足目标的要求。
[0178] 实现了既达到了目标要求，又保证了原有分布，其分布图见图7与图8。
[0179] 聚类统计分布属性和W上所提到的在整个资产池基础上的统计属性不同，而是在 聚类的基础上，W分割的形式来了解资产池的属性。
[0180] W下是一些典型的市场，监管或投资人的要求：
[0181] 投资人会对自住型住宅或投资行住宅的分布比率剔除要求；
[0182] 因为有些区域可能有灾害发生，投资人可能对某个区域内的资产总额有要求；
[0183] 考虑到现金流的问题，投资人可能会对某些现金流属性的资产提出要求。
[0184] 例如，投资人会提出W下要求：
[0186] A、对资产池原统计属性进行如下定义：
[019引B、对目标统计属性的定义如下，并求得最大的Starget:
[0222] C、用剩余调整完成计算。
[0223] WP(A*)为例，
【主权项】
1. 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算法包括： A、 保持数据原有统计属性分布的算法； B、 快速追踪统计目标的算法； 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的算法。2. 根据权利要求1所述的一种基于资产证券化的资产池目标化算法，其特征在于:所述 保持数据原有统计属性分布的算法如下： 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； B、 定义原始期长公式为：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：D、 将资产池中的二维统计分布属性，转换成为一维的以长度为度量的分布属性； (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：(2) 定义方程如下：(3) 定义新的贷款统计属性，公式如下：(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：(5) 以一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： Select distinct loan.BucketingAveragePosibiIityRunningTotal Order By NEWID() (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： Select loan.*0rder By NEWID( )〇3.根据权利要求1所述的一种基于资产证券化的资产池目标化算法，其特征在于:所述 快速追踪统计目标的算法如下： A、 定义原加权平均贷款期长公式如下：B、 定义原加权平均贷款对资产抵押比值公式如下：C、 在二维坐标系统中定义如下矢量：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，并对以下条件 进行衡量，直到目标条件满足为止，达到了目标要求，又保证了原有分布。4.根据权利要求1所述的一种基于资产证券化的资产池目标化算法，其特征在于: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： A、 对资产池原统计属性进行如下定义：B、 对目标统计属性的定义如下，并求得最大的Starge3t:C、用剩余调整完成计算。
【专利摘要】本发明公开了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。本发明可以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。
【IPC分类】G06Q40/02, G06Q40/06
【公开号】CN105528730
【申请号】CN201510922624
【发明人】杜衡
【申请人】杜衡
【公开日】2016年4月27日
【申请日】2015年12月15日