信用違約預(yù)測方法與裝置制造方法及圖紙

本發(fā)明專利技術(shù)是提供一種預(yù)測信用違約的方法，包含下列步驟：利用第一演算法篩選文件的多個特征詞，利用第二演算法產(chǎn)生多個經(jīng)篩選的該等特征詞的多個權(quán)重，利用該等權(quán)重以及第三演算法產(chǎn)生至少一個量化指標，從財務(wù)資料以及該等量化指標篩選多個變量，以及利用該等變量以及第四演算法產(chǎn)生預(yù)測信用違約指數(shù)。

【技術(shù)實現(xiàn)步驟摘要】

本專利技術(shù)是關(guān)于一種違約預(yù)測方法與裝置，尤指一種信用違約預(yù)測方法與裝置。
技術(shù)介紹
企業(yè)無預(yù)警倒閉事件層出不窮，企業(yè)財務(wù)危機不只是單一層面的問題，更嚴重還會危及整個社會體系的運作，因此，提升企業(yè)違約機率預(yù)測的準確度已成為財務(wù)風險管理領(lǐng)域的重要議題。信用風險(Credit Risk)是指因交易對手信用品質(zhì)發(fā)生變化，導致銀行持有部位價值的改變，更甚者發(fā)生違約(Default)，即交易對手無意愿或無法履行契約。而信用評分(Credit Scoring)為提供風險排序的相關(guān)信息，信用評等等級良好的企業(yè)，僅是反映其償債能力較強、無法履行債務(wù)機率較低，故能有效區(qū)分出各公司的信用風險，除協(xié)助市場專業(yè)人士作融資或授信等財務(wù)決策，或使債務(wù)發(fā)行人及投資人都能更清楚掌握企業(yè)的債信狀況，也能及時偵測出財務(wù)危機公司。關(guān)于本領(lǐng)域的現(xiàn)有技術(shù)，中國臺灣新型專利M377655揭露一種具有智能型企業(yè)營運風險評估系統(tǒng)的計算機，中國專利公開說明書CN1928905揭露一種企業(yè)危機預(yù)警系統(tǒng)主要通過對企業(yè)各種經(jīng)營管理信息的比較、分析和評價，判別企業(yè)目前的經(jīng)營狀態(tài)是否進入危機，以及預(yù)測企業(yè)的未來是否會發(fā)生危機。以上兩篇雖皆以評估企業(yè)營運風險，但其并未使用與企業(yè)攸關(guān)的公開報導，以預(yù)測企業(yè)信用指標。另外，中國臺灣專利1252987揭露一種可從大量信息之中自動抽出應(yīng)注意信息的技術(shù)，其信息來自于個人Web頁和布告欄的發(fā)言的個人意見。因此，1252987其主要分析的目的為個人意見的公開內(nèi)容，藉此指定關(guān)于該對象的個人評價(好評價/壞評價)，而非評估企業(yè)營運風險。過去財務(wù)危機預(yù)測的相關(guān)研究，大多采用財務(wù)報表等量化信息進行研究，然而企業(yè)危機事件的征兆往往隱藏在事件發(fā)生前的公開信息中。然而，投資人普遍認為公開信息為純噪聲的觀念，不具有內(nèi)涵價值。職是之故，專利技術(shù)人鑒于現(xiàn)有技術(shù)的缺失，乃經(jīng)悉心試驗與研究，并一本鍥而不舍的精神，專利技術(shù)出本專利技術(shù)“信用違約預(yù)測方法與裝置”，以下為本專利技術(shù)的簡要說明。
技術(shù)實現(xiàn)思路
本專利技術(shù)納入新聞信息內(nèi)涵做為提升企業(yè)信用評等的預(yù)測能力，并證實已公開的新聞信息內(nèi)涵可增進企業(yè)信用風險指標的預(yù)測能力本專利技術(shù)的一個面向是提供一種預(yù)測信用違約的方法，包含下列步驟:利用第一演算法篩選文件的多個特征詞(或特征字)；利用第二演算法產(chǎn)生多個經(jīng)篩選的該等特征詞(或特征字)的多個權(quán)重；利用該等權(quán)重以及第三演算法產(chǎn)生至少一個量化指標；從財務(wù)資料以及該量化指標篩選多個變量；以及利用該等變量以及第四演算法產(chǎn)生預(yù)測信用違約指數(shù)。本專利技術(shù)的另一個面向是提供一種預(yù)測信用違約的裝置，包含:計算單元，用以篩選文件的多個特征詞(或特征字)，產(chǎn)生該等特征詞(或特征字)的多個權(quán)重，產(chǎn)生至少一個量化指標，篩選財務(wù)資料以及該量化指標的多個變量，以及產(chǎn)生預(yù)測信用違約指數(shù)；輸出單元，輸出由該計算單元所得的該等特征詞(或特征字)與權(quán)重表；以及儲存單元，儲存由該輸出單元而來的該等特征詞(或特征字)與該權(quán)重表，其中該等特征詞(或特征字)與該權(quán)重表是由多個演算法篩選而來。本專利技術(shù)的又一個面向是提供一種預(yù)測信用違約的方法，包含下列步驟:提供財務(wù)資料；提供至少一個量化指標；篩選財務(wù)資料以及該量化指標的多個變量；以及利用該等變量產(chǎn)生預(yù)測信用違約指數(shù)。本專利技術(shù)的再一個面向是提供一種產(chǎn)生量化指標的方法，包含下列步驟:為特定目的而取得的一個文件提供多個特征字；為該等特征字分別賦予多個權(quán)重；以及以該等權(quán)重為基礎(chǔ)，為所述文件產(chǎn)生至少一個量化指標。為了易于說明，本專利技術(shù)得通過下述實施例及附圖而得到充分了解，并使得熟習本領(lǐng)域的技術(shù)人員可以據(jù)以完成之，然本專利技術(shù)的實施型態(tài)并不限制于下列實施例中。附圖說明圖1:本專利技術(shù)文本量化指標試算的流程圖。圖2:本專利技術(shù)信用違約預(yù)測的流程圖。圖3:本專利技術(shù)預(yù)測信用違約的裝置。主要元件符號說明11、12、121、122、131、132、14、15、16、21、22、23、24、25 步驟3預(yù)測信用違約的裝置31計算單元32輸出單元33儲存單元331多個特征詞332權(quán)重表具體實施例方式圖1為文本量化指標試算的流程圖。首先先進行文本搜集(步驟11)，并進行前處理(步驟12)，前處理包含結(jié)構(gòu)化處理(步驟121)以及斷詞(步驟122)。接著利用演算法進行特征詞的篩選(步驟131)或者直接由專家篩選分類特征詞(步驟132)。由演算法或者專家篩選出的特征詞接著利用演算法進行特征詞權(quán)重計算(步驟14)，然后匯整不同演算法篩選過的分類特征詞與權(quán)重列表(步驟15)，最后利用演算法進行文本量化指標計算(步驟16)。圖2為信用違約預(yù)測的流程圖。首先搜集文本與建構(gòu)量化指標(步驟21)以及搜集其他量化信息(步驟22)，該等量化信息可包括但并不限于如財務(wù)比率、公司治理、總體經(jīng)濟或其它。之后篩選納入模型分析的變量(步驟23)，篩選方式可利用經(jīng)驗法則自行篩選或者利用統(tǒng)計方法篩選。接著利用二元羅吉斯回歸或者穩(wěn)健羅吉斯回歸公式進行信用違約預(yù)測(步驟24)，最后進行模型績效評估(步驟25)。圖3為預(yù)測信用違約的裝置3，裝置3包含計算單元31、輸出單元32及儲存單元33。計算單元31用以篩選文件的多個特征詞，產(chǎn)生該等特征詞的多個權(quán)重，產(chǎn)生多個量化指標，篩選財務(wù)資料以及該等量化指標的多個變量，以及產(chǎn)生預(yù)測信用違約指數(shù)。輸出單元32輸出由計算單元所得的該等特征詞與權(quán)重表。而儲存單元33儲存由輸出單元而來的該等特征詞331與權(quán)重表332，其中該等特征詞與權(quán)重表是由多個演算法篩選而來。以下開始介紹圖1與圖2的詳細步驟及相關(guān)的演算法。一、用演算法進行特征詞篩選:用演算法進行特征詞篩選:特征詞篩選可應(yīng)用無母數(shù)的卡方獨立性檢驗進行，在此是指某一詞匯t對某一類別i的獨立性(正交性)缺乏程度，獨立性缺乏程度愈高，表示此詞匯t對此類別i相當重要。特征詞的計算方面經(jīng)由卡方測試所挑選出的語詞比直接計算頻率的效果更好，故為提高分類詞匯的鑒別度，可利用卡方獨立性檢驗以過濾不具代表性的詞匯，再經(jīng)由過濾后所剩下的詞匯，篩選出具代表性的分類特征詞。卡方獨立性檢驗統(tǒng)計量如下:本文檔來自技高網(wǎng)...

【技術(shù)保護點】
一種預(yù)測信用違約的方法，包含下列步驟：利用第一演算法篩選文件的多個特征詞；利用第二演算法產(chǎn)生多個經(jīng)篩選的該等特征詞的多個權(quán)重；利用該等權(quán)重以及第三演算法產(chǎn)生至少一個量化指標；從財務(wù)資料以及所述量化指標篩選多個變量；以及利用該等變量以及第四演算法產(chǎn)生預(yù)測信用違約指數(shù)。

【技術(shù)特征摘要】
2011.10.31 TW 1001396541.種預(yù)測信用違約的方法，包含下列步驟: 利用第一演算法篩選文件的多個特征詞； 利用第二演算法產(chǎn)生多個經(jīng)篩選的該等特征詞的多個權(quán)重； 利用該等權(quán)重以及第三演算法產(chǎn)生至少一個量化指標； 從財務(wù)資料以及所述量化指標篩選多個變量；以及 利用該等變量以及第四演算法產(chǎn)生預(yù)測信用違約指數(shù)。2.權(quán)利要求1所述的方法，其中所述第一演算法是使用如下公式:3.權(quán)利要求1所述的方法，其中所述第二演算法是使用如下公式:4.權(quán)利要求1所述的方法，其中所述量化指標是選自公開信息揭露程度(Media)，財務(wù)危機發(fā)生率強度指標(I7DC)以及凈樂觀程度(NSR)，其中:5.權(quán)利要求1所述的方法，其中所述第四演算法是選自二元羅吉斯回歸公式以及穩(wěn)健羅吉斯回歸公式。6.種預(yù)測信用違約的裝置，包含: 計算單元，用以篩選文件的多個特征詞，產(chǎn)生該等...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：盧陽正，陳振南，魏裕珍，
申請(專利權(quán))人：銘傳大學，
類型：發(fā)明
國別省市：