[发明专利]一种证券下行风险评估诊断的方法及系统

说明书

本发明公开了一种证券下行风险评估诊断的方法及系统，本发明提供的证券下行风险评估诊断的方法，包括根据目标变量与定量特征变量构建数据集；根据数据集选择动态显著特征，得到模型变量，建立动态打分模型，根据动态打分模型生成评分规则，得出最终模型评分值；根据最终模型评分值计算低风险概率值与最终概率分布值，得到标准安全分，根据标准安全分，得到诊断文本。本发明通过提供一种证券下行风险评估诊断的方法及系统，提高对证券下行风险及证券资产未来的可能损失进行的评估准确性。

技术领域

本发明涉及证券风险评估技术领域，尤其涉及一种证券下行风险评估诊断的方法及系统。

背景技术

目前对于评估证券下行风险的方法主要是基于时间序列预测的方法，该方法被称作在险价值估计法。

在险价值估计法主要是对评估证券的历史价格时间序列数据进行预测，获得未来一段时间的价格分布，从而计算获得在险价值估计法值。由于在险价值估计法是基于纯粹的证券价格时间序列预测模型，不能综合多维度信息和参考同类证劵价格数据变化做出更准确的全方位的判断，特别是对以日或月为单位的风险评估，误差会变得非常大。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种证券下行风险评估诊断的方法及系统。所述技术方案如下：

第一方面，提供了一种证券下行风险评估诊断的方法，所述方法包括：

根据目标变量与定量特征变量构建数据集；

根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值；

根据所述最终模型评分值计算低风险概率值与最终概率分布值，得到标准安全分，根据所述标准安全分，得到诊断文本。

可选的，根据目标变量与定量特征变量构建数据集，包括：

根据获取的特征描述，通过定量刻画，得到所述定量特征变量；

根据最大回撤以降序排名，得到所述目标变量；

根据所述定量特征变量与所述目标变量的时间顺序构建所述数据集；

根据已构建的所述数据集划分为训练集与测试集。

可选的，根据所述数据集选择动态显著特征，得到模型变量，根据所述模型变量建立动态打分模型，根据所述动态打分模型生成评分规则，根据所述评分规则得出最终模型评分值，包括：

选取所述训练集中的所述定量特征变量，输入数据训练模型，计算得出证据权重值与信息量值；

根据所述定量特征变量的取值进行分箱并对所述定量特征变量的进行筛选，输出模型变量；

根据所述模型变量计算出的相关系数，将所述模型变量进一步筛选，输出最终模型变量，得到对所述目标变量具有显著性关联的所述最终模型变量；

根据所述模型变量结合所述目标变量，构建回归模型，获得拟合方程；

根据所述拟合方程对所述训练集进行拟合，得到分箱属性参数与截距，通过调权公式更新变量属性系数，所述变量属性系数在所述回归模型中根据所述数据集的变化输出所述动态评分规则；

根据所述分箱属性参数与所述截距，通过证券原始分公式计算，输出所述最终模型评分。

可选的，根据所述最终模型评分值计算低风险概率值与最终概率分布值，得到标准安全分，根据所述标准安全分，得到诊断文本，包括：

根据评分卡赔率原理得出低风险概率值；