[发明专利]基于风险偏好的金融风险量化方法、装置和存储介质

说明书

本发明公开了一种基于风险偏好的金融风险量化方法、装置和存储介质。在获取风险数据的基础上，通过引入指数风险函数和风险偏好值，以函数和变量的形式体现风险偏好，并将风险偏好函数代入预先设定好的风险量化函数中，实现了根据投资者不同的风险偏好，实时调整参数，从而得出更符合投资者实际的风险量化结果。

技术领域

本发明涉及数据处理领域，特别是一种基于风险偏好的金融风险量化方法、装置和存储介质。

背景技术

目前，风险量化模型是当前金融市场中的热门话题，如何根据投资人的风险偏好对金融风险进行量化，对于推荐金融产品有着重要的作用。现有的风险量化模型中，最常用的是VaR模型和ES模型，但是现有的模型中，风险偏好通常以常数形式体现，但是风险偏好通常会根据投资的分散程度和金额分配等因素发生变化，因此现有的方案的风险量化方法无法体现出风险偏好的影响。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于风险偏好的金融风险量化方法、装置和存储介质，通过可调整的风险偏好实现风险量化，提高风险量化的准确性。

本发明解决其问题所采用的技术方案是：第一方面，本发明提供了一种基于风险偏好的金融风险量化方法，包括以下步骤：

客户端获取原始风险数据，并按照时间顺序将所述原始风险数据进行排序和消除异方差处理，得出风险数据；

所述客户端读取指数风险函数和风险偏好值，将所述风险偏好值代入所述指数风险函数中，得出风险偏好函数；

所述客户端获取预先设定的风险量化函数，用所述风险偏好函数代入所述风险量化函数中，得出风险量化结果。

进一步，所述消除异方差处理具体包括以下步骤：

获取原始风险数据和在先原始风险数据，所述在先原始风险数据为按时间顺序排列在所述原始风险数据前一位的数据；

获取所述原始风险数据和在先原始风险数据的自然对数，所述风险数据为所述原始风险数据的自然对数减去在先原始风险数据的自然对数所得的差值。

进一步，获取风险数据后还包括：对所述风险数据进行单位根检验和自相关检验。

进一步，所述指数风险函数为其中，N为所述风险偏好值，N的取值范围为大于0且小于100。

进一步，所述风险量化函数为其中，δ(α)为指数风险函数，ES_α(X)为由GARCH模型所获取的残差序列。

第二方面，本发明提供了一种用于执行基于风险偏好的金融风险量化方法的装置，包括CPU单元，所述CPU单元用于执行以下步骤：

客户端获取原始风险数据，并按照时间顺序将所述原始风险数据进行排序和消除异方差处理，得出风险数据；

所述客户端读取指数风险函数和风险偏好值，将所述风险偏好值代入所述指数风险函数中，得出风险偏好函数；

所述客户端获取预先设定的风险量化函数，用所述风险偏好函数代入所述风险量化函数中，得出风险量化结果。

进一步，所述CPU单元还用于执行以下步骤：

获取原始风险数据和在先原始风险数据，所述在先原始风险数据为按时间顺序排列在所述原始风险数据前一位的数据；

获取所述原始风险数据和在先原始风险数据的自然对数，所述风险数据为所述原始风险数据的自然对数减去在先原始风险数据的自然对数所得的差值。

进一步，所述CPU单元还用于执行以下步骤：对所述风险数据进行单位根检验和自相关检验。