[发明专利]利用大数据量化分析外汇投资风险的系统及方法

说明书

技术领域

本发明属于大数据应用技术领域，具体涉及一种利用大数据量化分析外汇投资风险的系统及方法。

背景技术

金融风险管理是各类金融机构所从事的全部业务和管理活动中最核心的内容，它和时间价值、资产定价被并称为是现代金融理论的三大支柱。金融风险管理分为识别风险、测量风险、处理风险以及风险管理的评估和调整四个步骤。其中，金融风险的测量是金融市场风险管理的核心环节。风险测量的质量，很大程度上决定了金融市场风险管理的有效性；合理风险测度指标的选取，是提高风险测量质量的有效保障。因此以金融理论和数理统计理论把一种资产组合的各种市场风险结合起来用一个单一的指标(VaR值)来衡量，构建大数据外汇投资VaR风险模型应运而生。

传统的外汇风险测算是以方差和风险因子等为主要度量指标的波动性方法，此方法对资产组合未来收益率概率分布的准确估计比较困难，普遍使用的正太分布常常偏离实际；波动性方法仅仅描述了资产组合未来收益的波动程度，并不能说明资产组合价值变化的方向；波动性方法不能给出资产组合价值变化的具体数值。

VaR的英文全称为Value at Risk，它是指资产价值中暴露于风险中的部分，可称为风险价值。是指在正常的市场波动条件下和给定的交割期内，某一外汇资金在未来特定一段持有期内的最大可能损失值。量化了一种外汇持有交割对未来市场波动的风险暴露程度，通常适用于金融环境比较平稳时期。将外汇投资风险定量化。

基于大数据的外汇投资风险模型的困难点在于确定不同交割时间不同外汇在市场正常动态波动下的负面风险，无法确定每笔外汇交易最佳交割时间。

发明内容

本发明所要解决的技术问题是：提出一种利用大数据量化分析外汇投资风险的系统及方法，以评估不同交割时间不同外汇在市场正常动态波动下的风险最大损失值，供企业进行直观参考。

本发明解决上述技术问题采用的技术方案是：

利用大数据量化分析外汇投资风险的系统，包括：数据采集模块、数据存储模块、数据处理模块、大数据外汇投资VaR风险模型算法模块、模型结果输出展示模块；

所述数据采集模块，是将最底层外汇业务系统数据、第三方网站数据及部分手工数据，通过不同的方式引入数据库存储；

所述数据存储模块，是对采集的原始数据以及进行过数据处理的数据进行关联存储，并支持增量存储；

所述数据处理模块，是对外汇业务数据按照模型提出的数据要求进行ETL处理；

所述大数据外汇投资VaR风险模型算法模块，用于根据已处理数据进行模型建立，通过不断优化和机器学习，最终输出大数据外汇投资VaR风险模型用以风险定量化测量；

所述模型结果输出展示模块，用于将外汇投资风险定量化模型的测量结果以图形可视化方式展示。

作为进一步优化，所述外汇投资风险定量化模型的测量结果包括：计算不同交割期不同外汇的最大损失值，并建议每笔外汇交易最佳交割时间。

此外，本发明还提出了一种利用大数据量化分析外汇投资风险的方法，其包括以下步骤：

a.将最底层外汇业务系统数据、第三方网站数据及部分手工数据，通过不同的方式引入数据库存储；

b.外汇业务数据按照模型提出的数据要求进行ETL处理；

c.对采集的原始数据以及进行过数据处理的数据进行关联存储；

d.根据已处理数据进行模型建立，通过不断优化和机器学习，最终输出大数据外汇投资VaR风险模型用以风险定量化测量；

e.将外汇投资风险定量化模型的测量结果以图形可视化方式展示。

作为进一步优化，步骤a具体包括：

准备数据接口接入系统内部用户信息、账户信息、订单信息、采购信息及外部国家外汇局数据，然后存入数据库mysql；

爬虫获取外汇市场行业及金融政策动态数据，以及额外节假日数据存入数据库mysql；

将第三方数据excel通过java程序形式导入数据库mysql中。

作为进一步优化，步骤b中，所述ETL处理包括：对模型所需数据进行预处理以适用于模型使用，具体包括数据标准化处理以及数据缺失值的处理。

作为进一步优化，步骤c中，所述采集的原始数据包括结构化和非结构化的数据。

作为进一步优化，步骤d具体包括：

d1、指标体系建立：根据影响大数据外汇投资VaR风险模型的因素，使用指标体系建立的特征选择流程进行指标特征的筛选和组合，输出适用于大数据外汇投资VaR风险模型的指标特征体系；