[发明专利]一种证券化产品智能筛选的方法

说明书

本发明提出了一种证券化产品智能筛选的方法，包括以下步骤：S1、备选池处理：根据实际需求确定是否需要对备选池做前端处理；S2、建立模型：首先确定决策变量，然后对决策变量进行取值限定，并设定目标函数，最后建立约束条件；S3、采用分支‑切割法求解模型，筛选出最优的基础资产池。本方案基于混合整数规划的模型思想，结合实际运用场景，考虑资产池的各类风险因素，比如规模类，加权平均类，集中度类等，灵活且个性化地逆向筛选出满足要求的基础资产池。

技术领域

本发明涉及证券化产品筛选的技术领域，尤其涉及一种证券化产品智能筛选的方法。

背景技术

目前，随着网络技术的发展和普及，与互联网技术相结合的新兴产业也呈现出快速发展的态势，尤其是近年出现的互联网金融发展更是迅速。与此相伴的各种互联网金融平台和互联网金融系统也应运而生，蓬勃发展。像众筹金融平台、电商小贷互联网金融平台、供应链金融互联网金融平台等。现有的互联网金融平台做的面宽不够专业，而且涉及的金融业务其实是将线下的传统业务如借贷，股权投资搬到互联网上，只是一个销售渠道的延伸，并没有从实质上改变金融的线下属性，也很少突破我国传统金融业务的范畴，没有体现计算机网络作为智能化的载体可以将金融业务、金融产品做成标准化、流水线式的产品。现有的平台中并没有实现智能化的筛选证券化的产品的功能。

正向筛选是指能够正向的、直观的判断一笔资产是否应该入选，一般通过常识或是简单的数字比较即可完成，无需进行数学建模。比如：属于安徽省的资产，借款人年龄在25～45之间的资产等。正向筛选通常不会涉及整个资产池的一些指标。

但是在证券化领域，要衡量和规避风险，除了这些简单的正向筛选条件外，通常还需要考虑整个资产池的一些风险，比如加权平均类、集中度类等的风险。对于这些筛选条件，无法正向的去判断某笔资产是否应该入池或出池，而是在整个资产池应该满足加权平均、集中度等风险指标要求的基础上，反推出哪些资产应该同时入选。此时只能通过数学建模处理，相对正向筛选而言会复杂很多。

发明内容

为了解决正向筛选无法满足目前实际业务中筛选基础资产的需求，为此，本发明提出了一种证券化产品智能筛选的方法，具体方案如下：

一种证券化产品智能筛选的方法，包括以下步骤：S1、备选池处理：根据实际需求确定是否需要对备选池做前端处理；S2、建立模型：首先确定决策变量，然后对决策变量进行取值限定，并设定目标函数，最后建立约束条件；S3、采用分支-切割法求解模型，筛选出最优的基础资产池。

本发明的有益效果在于：本方案基于混合整数规划的模型思想，结合实际运用场景，考虑资产池的各类风险因素，比如规模类，加权平均类，集中度类等，灵活且个性化地逆向筛选出满足要求的基础资产池。

附图说明

图1为本发明提出的一种证券化产品智能筛选的方法的流程图。

图2为本发明采用分支-切割法求解模型的流程图。

具体实施方式

参照图1，本发明提出一种证券化产品智能筛选的方法，包括以下步骤：

S1、备选池处理：根据实际需求确定是否需要对备选池做前端处理；

S2、建立模型：首先确定决策变量，然后对决策变量进行取值限定，并设定目标函数，最后建立约束条件；

S3、采用分支-切割法求解模型，筛选出最优的基础资产池。分支-切割法是用于解决混合整数线性问题的组合优化方法。该方法在分支定界法的基础上，使用切割平面以收紧线性规划松弛。

以下分别对各步骤进行详细描述：

步骤S1做前端处理的具体方法如下：