[发明专利]一种金融数据计算方法与装置

说明书

技术领域

本发明涉及资本计算领域，特别是涉及一种金融数据计算方法和装置。

背景技术

经济资本是在一定的置信度水平、一定时间内，为了弥补银行的非预期损失所需要的资本，是银行为承担风险而需要的资本量，能够完全反映银行自身的风险特征。

经济资本计算是以评级器装置的输出结果(PD/LGD/EAD等参数)为基础，结合基于外部数据的资产相关性的度量结果，自下而上地度量信用风险损失分布，进一步计算整个资产组合所需的信用风险经济资本。经济资本计算基于违约模式模型，通过蒙特卡洛模拟来计算此贷款组合的经济资本和预期损失，通过经济资本分配分解到每一笔债项，根据各个维度汇总，计算出各个维度所需经济资本。

蒙特卡洛模拟方法是一种以概率统计理论为指导的一类非常重要的数值计算方法，进行一次计算的步骤较为繁琐，在进行经济资本的计算时数据量通常很大，利用蒙特卡洛模拟方法直接进行大数据量的计算非常耗时。

发明内容

有鉴于此，本发明的主要目的在于提供一种金融数据计算方法和装置，可以快速准确地对金融数据进行计算。

为实现上述目的，本发明提供了一种金融数据计算方法，包括：

获取金融数据；

验证所述金融数据是否符合预设数据规则；

当所述金融数据符合所述预设数据规则时，则利用多个java并行处理框架JPPF节点，并行处理对所述数据的蒙特卡洛计算过程。

优选地，所述获取金融数据包括：

通过数据抽取、转换、装载ETL方式抽取评级器装置的输出结果数据，得到所述金融数据。

优选地，利用多个java并行处理框架JPPF节点，并行处理对所述数据的蒙特卡洛计算过程前还包括：

判断是否修改默认的金融计算的参数，如果是，则更改默认的金融计算的参数，如果否，则将默认的金融计算的参数确定为目标参数。

优选地，所述蒙特卡洛计算过程包括：

确定循环次数N和模拟次数K，计算违约阈值，进行K次模拟，根据K次模拟结果得到全部债项损失，根据全部债项损失计算预期损失，根据全部债项损失计算统计量置信区间的分位数，分位数减去预期损失得到结果；

所述模拟包括：

进行资产相关性的柴可夫斯基分解，生成预设定数值个标准正态分步随机数，产生资产相关的随机数序列，进行N次循环计算，计算全部债项损失；

所述循环计算包括：

生成一个标准正态分步随机数，计算资产收益率，根据资产收益率和违约阈值确定债项损失。

优选地，利用多个java并行处理框架JPPF节点，并行处理对所述数据的蒙特卡洛计算过程后还包括进行重要性抽样模拟。

优选地，根据所述参数进行重要性抽样模拟后还包括将计算得出的金融数据进行分配。

优选地，将计算得出的金融数据进行分配后还包括对计算结果进行展示。

本发明还提供了一种金融数据计算装置，包括：

数据获取单元，用于获取金融数据；

验证单元，用于验证所述金融数据是否符合预设数据规则；

处理单元，用于当所述金融数据符合所述预设数据规则时,则利用多个java并行处理框架JPPF节点，并行处理对所述数据的蒙特卡洛计算过程。

优选地，所述金融数据计算装置还包括参数配置单元，用于配置进行金融数据计算的参数。

优选地，所述金融数据计算装置还包括结果展示单元，用于对计算结果进行展示。

应用本发明提供的金融数据计算方法和装置，利用多个java并行处理框架JPPF节点，并行处理对所述数据的蒙特卡洛计算过程，节省了大数据量时次数繁多的蒙特卡洛计算时间，可以快速准确地计算大量金融数据。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明一种金融数据计算方法的流程图；

图2为本发明一种金融数据计算方法的又一流程图；

图3为本发明一种金融数据计算方法的又一流程图；

图4为本发明一具体实施例的流程图；

图5为本发明一种金融数据计算方法具体实施例的原理框图；

图6为本发明一种金融数据计算方法具体实施例经济资本计量组件交互图；