超额准备金

摘要： 存款准备金相关概念存款准备金和法定准备金率的含义存款准备金是指金融机构为保证客户提取存款和资金结算需要而准备的在中央银行的存款,在现代金融制度下,金融机构的准备金分为两部分,一部分以现金的形式保存在自己的业务库,另一部分则以存款形式存储于央行,后者即为存款准备金。存款准备金分为法定准备金和超额准备金两部分。法定准备金一般情况下是不准动用的,而超额准备金金融机构则可以自主动用,其保有金额也由金融机构自主决定。

摘要： M2恒等式是深入人心的公式,但在实践中不能简单套用来计算广义货币供应量(M2).贷款创造存款理论描述了货币创造的机制和约束因素.货币政策通过改变其中一些约束因素对银行创造货币的总量和结构予以调节.其中,利率是三大约束因素之一,且是央行重点关注的因素.在判断我国货币政策取向时,应主要观察相关价格指标.

摘要： 为应对通胀持续低迷压力,日本央行引入负利率。但负利率对经济和通胀的刺激作用较为有限,过剩的流动性持续以超额准备金形式滞留在银行体系,信贷并未如预期那般大量流入实体经济。负利率环境下,银行业盈利面临严重挑战,存贷款利差持续收窄。为应对挑战,日本银行业的海外业务及交易型业务收入占比呈上升趋势。为应对新冠疫情对经济金融的冲击,全球主要经济体加速进入宽松周期。美国、英国等经过连续两次大幅降息后,已降至零利率水平。欧洲、日本则在负利率的泥潭里越陷越深。日本一直是负利率政策的坚定实践者。

摘要： 中央银行能否通过流动性管理工具影响银行间市场利率在实证上一直存在争议,其原因可能是以往研究只关注了中央银行的公开市场操作而忽视了其他流动性冲击因素,从而导致遗漏变量问题.采用能够更全面地反映流动性水平的超储率数据进行计量检验,发现了显著的流动性效应,即超储率上升1个百分点,银行间市场利率平均下降45个基点.此外,常备借贷便利利率、货币政策基调、通货膨胀等变量对银行间市场利率也有显著影响.研究结论为中央银行有效调控银行间利率提供了实证支撑.

摘要： 美联储9月议息会议下调联邦基金利率符合市场预期.基于全球政治经济局势对经济前景的影响和放缓的通胀速度,本次美联储会议,FOMC委员投票决定将联邦基金利率下调25BP至目标区间1.75%-2.00%;将超额准备金率从2019年9月19日起下调30个BP至1.80%;将超额准备金余额的利率设定为低于利率走廊上限20个BP.

摘要： 就在不久前,几乎所有人都还认为名义利率不可能低于零。但今日欧元区和日本的政策利率已然为负;在瑞典和瑞士,最低控制利率已跌破-1%。价值上万亿美元的政府债券也在承受负利率的压力。此前我们认为名义利率的有效下限(effective lower bound,而非零利率下限,即ZLB)由现金贮存和转移现金的交易成本决定。虽然美联储官员估计纯贮存

摘要： 自2016年2月始,日本央行对银行超额准备金实施负利率．希望可以鼓励银行增加借贷．刺激消费者支出及通胀。然而这一有争议的政策并未真正刺激通胀或推动经济增长＋正面效果并不明显，日本经济增速也持续低迷。

摘要： 4月28日，日本央行宣布维持现有货币政策不变，继续以每年80万亿日元的速度扩大货币基础量，并对金融机构存放在央行的部分超额准备金维持-0．1％的利率（见图1）。该举动出乎市场意料。此前，市场预期日本央行将采取更加宽松的货币政策，包括将负利率延伸至借贷领域、购买更多的股票上市交易基金（ETF）或者进一步降低利率。

摘要： 基础货币作为我国货币政策操作目标的可控性一直受到质疑,流动性过剩进一步弱化了这一可控性.本文充分借鉴了国外关于操作目标选择的实践,对基础货币及其组成部分—金融机构准备金、超额准备金,从即时性、关联性、可测性、可控性四个方面进行了实证考察.结论表明,流动性过剩背景下,超额准备金更适合作为操作目标.文章进一步对操作目标体系中的流动性监测,通过构建先行指标体系和综合警情指数进行了延伸研究.

摘要： 本发明适用于软件领域，提供了一种准备金系统的数据显示方法及系统。所述方法包括：接收任务处理请求，所述任务处理请求携带需处理的任务信息以及预先为所述任务分配的执行码，所述任务与所述执行码一一对应；根据所述任务处理请求处理所述任务，得到对应的处理结果；显示所述处理结果以及所述执行码。通过上述方法简化了操作，提高了操作效率。

摘要： 本申请涉及一种拨备准备金确定方法、装置、设备、存储介质和程序产品，属于大数据技术领域。所述方法包括：获取各个目标账户的风险数据，所述风险数据包括定量数据和定性数据；将各个所述目标账户的风险数据输入至预设的风险预测模型中，得到所述风险预测模型输出的各个所述目标账户的违约概率信息，所述违约概率信息用于指示所述目标账户出现违约的概率；根据各个所述目标账户的违约概率信息确定拨备准备金。采用本方法能够提高确定拨备准备金的效率以及准确性。

摘要： 本发明公开了一种准备金数据统计分析方法及装置，该方法包括：根据银行业务系统中的历史准备金数据生成对公准备金计提明细表、个贷准备金计提明细表、卡准备金计提明细表；自对公准备金计提明细表、个贷准备金计提明细表、卡准备金计提明细表中提取多个准备金计提因素；获取公准备金计提明细表、个贷准备金计提明细表、卡准备金计提明细表在预设期限内多个准备金计提因素的变动数据；对变动数据进行统计分析，生成对公准备金计提明细表、个贷准备金计提明细表、卡准备金计提明细表的变动表。本发明可以准确地分析出准备金的变动情况。

摘要： 本说明书实施例提供一种健康险财务准备金输出方法、装置和电子设备；该方法包括：利用缓存框架OSCache存储用户通过前端页面动态可视化配置的准则、规则与元素；接收用户传入的准则代码；根据该准则代码，从OSCache中获取相应准则下的规则；根据所述规则，从所述OSCache中获取该规则所需元素的值；其中，元素为组成该规则中的判定条件与准备金计算公式的基本要素；若判定条件为真，则使用Java表达式分析器JEP利用准备金计算公式与元素的值进行计算，输出该规则下的准备金的值。本说明书提供的方法、装置和电子设备，可实现用户在前端页面对准备金计算规则的可视化、动态化配置，提高了准备金计算的灵活性与准确性。

摘要： 本发明实施例提供一种未决赔款准备金预测方法、装置、设备及存储介质，该方法包括：接收终端设备发送的理赔请求；响应于理赔请求，根据车险信息，确定初始赔付金额；根据所述车险信息，从预设损失预估因子数据表中查找与所述理赔对象相匹配的至少一个第一预设损失预估因子和与所述事故信息相匹配的至少一个第二预设损失预估因子；根据所述初始赔付金额、所述至少一个第一预设损失预估因子以及所述至少一个第二预设损失预估因子，确定所述理赔对象对应的未决赔款准备金预估赔付金额；通过所述终端设备向用户显示所述未决赔款准备金预估赔付金额。本实施例提供的方法能够及时有效地对未决赔款准备金进行预估，从而避免未决赔款准备金不足的问题。

摘要： 本申请公开了一种基于零知识证明的100％资产准备金证明方法及证明装置，利用了零知识证明，证明平台对所宣示资产的所有权的合法性。本技术基于零知识证明的100％资产准备金证明方法旨在提高资产所有人和资产管理平台之间的信任，让资产所有人的资产不被随意挪用，让资产管理平台能自证清白。基于该方法，资产管理平台可以向所有的平台用户证明，平台的准备金率不低于100％，证明平台拥有的数字资产大于所有用户资产的总额；所有用户都可以采用本技术流程进行资产验证，所有用户都能确认自己的资产数目在平台公布的储备资产数据中，没有任何用户提出资产数据被重复验证或者伪造。

摘要： 本发明提供的一种准备金考核金额预测方法及装置，通过获取存款科目下的历史余额信息；然后根据所述历史余额信息以及设定周期内每个存款科目下的平均余额信息确定准备期内的准备金考核金额，进而能够对准备金考核金额进行预测，大大节约人力物力。

摘要： 本发明提供一种准备金变化原因分析方法，包括：当检测到触发的准备金变化原因的分析指令时，根据所述分析指令的触发时间点从数据库中获取对应的保单汇总数据；对所述保单汇总数据进行分析，以获取变化保单数据；根据所述变化保单数据，生成预设维度组中各维度的变化原因分析图。本发明还提供一种准备金变化原因分析装置、设备及可读存储介质。本发明能够实现多维度的准备金变化原因分析，能够快速准确的得到准备金的变化趋势，以及变化原因，利于管理人员针对准备金的变化原因作为准确的决策。

摘要： 本发明实施例公开了一种未决赔款准备金预测方法、装置、计算机设备及存储介质。本发明应用在智能决策中的预测模型领域。所述方法包括：采用预设方式收集训练数据；将所述训练数据进行预处理得到多维度向量；构建未决赔款准备金预测模型，将所述多维度向量作为所述未决赔款准备金预测模型的输入进行训练输出未决赔款准备金预测值；根据训练后的未决赔款准备金预测模型对当前未决赔款准备金进行预测得到当前的未决赔款准备金预测值。通过实施本发明实施例的方法可实现预测未决赔款准备金，合理提存未决赔款准备金，提高资金使用效率。

摘要： 本方案涉及数据分析，提供一种基于数据变化因子分析准备金变化的方法，包括：获取存储当月保单信息的数据表，所述数据表包括保单标识、保单变化因子标识以及对应的保单变化因子；基于所述保单标识遍历数据表，以检测出目标理赔金额变化因子；查找与目标理赔金额变化因子对应的理赔金额计算公式，根据保单变化因子确定与理赔金额计算公式对应的入参值；将确定的入参值代入理赔金额计算公式，得到理赔金额值；计算得到的理赔金额值占预先确定的当月理赔准备金预设金额的占比，根据占比结果判断当月使用的准备金是否超出准备金预设金额。可以避免出现预算使用超支或执行率不高的现象，也可以为后续月份的理赔金额预算提供基础数据。