[发明专利]基于信息自循环的金融建模优化方法

说明书

技术领域

本发明涉及一种金融建模优化方法，尤其涉及一种基于信息自循环的金融建模优化方法。

背景技术

在我国，信贷业务收入占银行收入80％以上，成为银行企业收入和利润的主要来源。信贷属于高风险业务，由不良贷款产生的风险成本接近甚至超过了资金成本率，降低不良贷款率已成为金融企业提高效益和政府监管当局防范金融风险的焦点。此次世界金融危机暴露出来的问题显示，国际金融监管体系并没有错，错在某些国家放松了监管力度，我国从本世纪初开始引进国际先进的银行监管体系，并加大了推广力度，使得中国在此次金融危机中避免了大的损失。如何保证监管体系更有效，而且长期有效，需要不断完善风险评价模型，如何快速和低成本的完善模型，仍然是目前存在的一大难题。

发明内容

本发明的目的就是为了解决现有技术中存在的上述问题，提供一种基于信息自循环的金融建模优化方法。

本发明的目的通过以下技术方案来实现：

基于信息自循环的金融建模优化方法，其包括以下步骤：

步骤①，建立风险度量初始模型作为初始模型；

步骤②，根据模型所需资料采集客户信息；

步骤③，应用模型和客户信息对每个客户进行风险度量；

步骤④，根据每个客户度量的风险值将客户分组；

步骤⑤，统计每组客户的违约率；

步骤⑥，对照每组客户的违约率与每组客户定义的违约概率，判断模型与度量结果是否吻合，如果不吻合，则重复步骤③～⑥并修正风险度量模型，直到用该模型度量的结果与定义相符为止。

上述的基于信息自循环的金融建模优化方法，其中：步骤①所述建立风险度量初始模型的内容包括，客户信用评级模型、贷款分类指标边界值、贷款偿还能力评价指标边界值，最大授信额度边界值计算模型。

进一步地，上述的基于信息自循环的金融建模优化方法，其中：步骤④所述的客户分组，是将风险度量指标取值分为若干区间，每个区间为一个分组，统计每组的客户数量以及每个组的贷款违约客户数量。

更进一步地，上述的基于信息自循环的金融建模优化方法，其中：步骤⑤所述的违约率＝违约客户数量/客户数量。

再进一步地，上述的基于信息自循环的金融建模优化方法，其中：步骤⑥所述的修正风险度量模型包括——

信用评级评价模型修正：将客户分组中的每组客户的违约率与信用等级标准定义的违约概率比较，如果不符合，则需要修正该组合的对应等级，令每个组合都存在与信用等级标准的一一对应关系；

贷款分类评价模型修正：对于流动资金贷款，用现金比率、流动比率、速动比率、总投资收益率作为评价指标；对于固定资产贷款，用经营收益实际偿债备付率、经营收益潜在偿债备付率、总投资收益率作为主要评价指标；划分不良贷款的标志是还款违约，通过统计这些指标或是计算指标排列组合的违约率，得到这些指标或是组合在不同概率下的边界值。

本发明技术方案的突出的实质性特点和显著的进步主要体现在：采用本发明后，将其结合软件应用到银行信贷管理系统后，能够以最严谨的思路、最短的时间、最便捷的运算和最低的成本来实现风险管理模型优化。本发明以极低廉的成本解决了银行风险管理模型优化问题，同时解决了风险管理软件系统维护升级的一大难题，能够准确有效的避免传统方法在项目评估技术上遇到的困难。

附图说明

本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行图示和解释。这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。这些附图当中，

图1是基于信息自循环的金融建模优化方法应用于银行信贷管理系统软件的模块构造示意图；

图2是模型优化模块的结构示意图。

具体实施方式

基于信息自循环的金融建模优化方法，其特别之处在于包括以下步骤：步骤①，建立风险度量初始模型作为初始模型。步骤②，根据模型所需资料采集客户信息。步骤③，应用模型和客户信息对每个客户进行风险度量。步骤④，根据每个客户度量的风险值将客户分组。步骤⑤，统计每组客户的违约率。步骤⑥，对照每组客户的违约率与每组客户定义的违约概率，判断模型与度量结果是否吻合，如果不吻合，则重复步骤③～⑥并修正风险度量模型，直到用该模型度量的结果与定义相符为止。