公开/公告号CN113159954A
专利类型发明专利
公开/公告日2021-07-23
原文格式PDF
申请/专利权人 中付(深圳)技术服务有限公司;
申请/专利号CN202110505727.5
发明设计人 汪月欢;
申请日2021-05-10
分类号G06Q40/04(20120101);G06Q10/06(20120101);
代理机构
代理人
地址 518000 广东省深圳市南山区粤海街道高新区社区科技南路18号深圳湾科技生态园12栋裙楼405
入库时间 2023-06-19 11:57:35
技术领域
本发明涉及信息技术领域,具体涉及一种基于时间序列的国际货币汇率风险管理方法。
背景技术
在外卡收单业务模式中,以外币计价的交易由于结算汇率与交易发生时使用的汇率不同,从而每笔交易都面临汇率变动所带来的风险。交易风险主要来源于两个因素,币种和时间,币种不同、时间不同,汇率变动的方向和幅度则不同。传统的交易风险控制方式是在管理系统中设置货币浮动汇率,人工参数化管理,这种控制方式存在调整不及时、调整幅度不精确的问题。
发明内容
本发明所要解决的技术问题是一种基于时间序列的国际货币汇率风险管理方法,通过获取当日离岸实时汇率、在岸实时汇率,即可使用模型判断出当日汇率波动是否在安全区间,解决现有技术中人工调整交易基础汇率加成值不便的问题。
本发明是通过以下技术方案来实现的:一种基于时间序列的国际货币汇率风险管理方法,具体包括以下几个步骤:
S1、获取历史汇率波动较大的交易记录以及历史汇率波动较小的交易记录;
S2、基于汇率波动较大的交易记录和汇率波动较小的交易记录两者提取特征因子;
S3、对特征变量进行回归分析,寻找各变量的内在联系;
S4、用特征变量间的联系建立汇率波动风险管理模型;
S5、根据汇率波动风险管理模型进行交易风险控制。
作为优选的技术方案,S1中,历史交易记录包括的信息有:发卡机构、交易币种、交易基础汇率、交易基础汇率加成值、交易时间、交易类型、在岸实时汇率、离岸实时汇率。
作为优选的技术方案,S1中,波动较大的定义范围是汇率波动绝对值大于等于0.6%,波动较小的定义范围是汇率波动绝对值小于0.6%。
作为优选的技术方案,S2中,提取的特征因子包括:
(1-1)分别提取历史汇率波动较大的交易记录和历史汇率波动较小的交易记录中的字段;
(1-2)从两者共有的字段中筛选出可以被用作特征因子的特征变量;以及将所述特征变量中的一个或多个取值设定为特征因子;
(1-3)特征变量包括:发卡机构、交易币种、交易基础汇率、交易基础汇率加成值、交易时间、交易时间内在岸汇率、交易时间内离岸汇率。
作为优选的技术方案,S3中,分析的步骤包括:
(2-1)计算交易汇率同交易日期当天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率相关性,并计算出相关系数;
(2-2)计算交易汇率同交易日期前一天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率的相关性,并计算出相关系数;
(2-3)计算交易汇率同交易日期后一天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率的相关性,并计算出相关系数;
(2-4)比较上述三种情况的计算结果,通过R-squared、残差平方和、T值和P值等统计量判定出误差最小相关性最强的情况;
(2-5)按照不同发卡机构、不同交易币种对数据分类后重复上述步骤,建立不同发卡机构不同交易币种的交易汇率同其他特征变量的相关性。
作为优选的技术方案,S4中,按照特征变量的相关性建立汇率波动风险模型,当确定日期和特征变量1、特征变量2后,模型可输出一个期望汇率,当一笔交易的交易基础汇率低于期望汇率/交易基础汇率加成值时,则该笔交易将会面临较大的汇率波动风险;
模型公式为:期望汇率=相关系数1*特征变量1+相关系数2*特征变量2+C,其中C为一个常数。
作为优选的技术方案,S5中,风险控制过程如下:
(3-1)产生一笔交易后,根据交易交易发卡机构和交易币种判定该笔交易适用的汇率波动风险管理模型;
(3-2)判定该笔交易即将要使用的基础汇率是否在模型给出的安全区间;
(3-3)如果在安全区间内,系统则使用该基础汇率完成交易;
(3-4)如果不在安全区间内,系统则对该笔交易调整交易基础汇率加成值,使得最终交易汇率在模型给出的安全区间内,从而完成交易。
本发明的有益效果是:本发明通过获取当日离岸实时汇率、在岸实时汇率,即可使用模型判断出当日汇率波动是否在安全区间,解决现有技术中人工调整交易基础汇率加成值不便的问题。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本发明的一种基于时间序列的国际货币汇率风险管理方法,具体包括以下几个步骤:获取历史汇率波动较大的交易记录以及历史汇率波动较小的交易记录;基于汇率波动较大的交易记录和汇率波动较小的交易记录两者提取特征因子;对特征变量进行回归分析,寻找各变量的内在联系;用特征变量间的联系建立汇率波动风险管理模型;根据汇率波动风险管理模型进行交易风险控制。
历史交易记录包括的信息有:发卡机构、交易币种、交易基础汇率、交易基础汇率加成值、交易时间、交易类型、在岸实时汇率、离岸实时汇率。
波动较大的定义范围是汇率波动绝对值大于等于0.6%,波动较小的定义范围是汇率波动绝对值小于0.6%。
提取的特征因子包括:分别提取历史汇率波动较大的交易记录和历史汇率波动较小的交易记录中的字段;从两者共有的字段中筛选出可以被用作特征因子的特征变量;以及将所述特征变量中的一个或多个取值设定为特征因子;特征变量包括:发卡机构、交易币种、交易基础汇率、交易基础汇率加成值、交易时间、交易时间内在岸汇率、交易时间内离岸汇率。
分析的步骤包括:计算交易汇率同交易日期当天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率相关性,并计算出相关系数;计算交易汇率同交易日期前一天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率的相关性,并计算出相关系数;计算交易汇率同交易日期后一天交易基础汇率加成值、交易时间内在岸汇率、交易时间内离岸汇率的相关性,并计算出相关系数;比较上述三种情况的计算结果,通过R-squared、残差平方和、T值和P值等统计量判定出误差最小相关性最强的情况;按照不同发卡机构、不同交易币种对数据分类后重复上述步骤,建立不同发卡机构不同交易币种的交易汇率同其他特征变量的相关性。
按照特征变量的相关性建立汇率波动风险模型,当确定日期和特征变量1、特征变量2后,模型可输出一个期望汇率,当一笔交易的交易基础汇率低于期望汇率/交易基础汇率加成值时,则该笔交易将会面临较大的汇率波动风险;模型公式为:期望汇率=相关系数1*特征变量1+相关系数2*特征变量2+C,其中C为一个常数。
风险控制过程如下:产生一笔交易后,根据交易交易发卡机构和交易币种判定该笔交易适用的汇率波动风险管理模型;判定该笔交易即将要使用的基础汇率是否在模型给出的安全区间;如果在安全区间内,系统则使用该基础汇率完成交易;如果不在安全区间内,系统则对该笔交易调整交易基础汇率加成值,使得最终交易汇率在模型给出的安全区间内,从而完成交易。
本发明的具体实施方式如下:
(1)产生一笔交易后,根据交易交易发卡机构和交易币种判定该笔交易适用的汇率波动风险管理模型;
(2)判定该笔交易即将要使用的基础汇率是否在模型给出的安全区间;
(3)如果在安全区间内,系统则使用该基础汇率完成交易;
(4)如果不在安全区间内,系统则对该笔交易调整交易基础汇率加成值,使得最终交易汇率在模型给出的安全区间内,从而完场交易。
本发明的有益效果是:本发明通过获取当日离岸实时汇率、在案实时汇率,即可使用模型判断出当日汇率波动是否在安全区间,解决现有技术中人工调整交易基础汇率加成值不便的问题。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何不经过创造性劳动想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书所限定的保护范围为准。
机译: 一种基于虚拟数据的低可变性时间序列数据的双学习的装置和方法
机译: 一种基于时间序列的序列数据库匹配子序列的方法
机译: 物联网物联网物联网物联网物联网物联网物联网物联网设备的信任指数提供设备,物联网设备的信任指数提供方法,物联网设备的信任信息管理设备,物联网设备的信任信息管理方法,基于物联网设备的协作系统信任指数一种基于信任指数的物联网设备协作方法