(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210937038.6 (22)申请日 2022.08.05 (71)申请人 中国建设银行股份有限公司 地址 100033 北京市西城区金融大街25号 (72)发明人 邹沛江　李超　程建　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 钱娜 (51)Int.Cl. G06Q 40/02(2012.01) (54)发明名称 一种银行风险偏好数据处 理方法及装置 (57)摘要 本发明提供一种银行风险偏好数据处理方 法及装置， 包括统计当前银行的贷款违约率； 将 贷款违约率和各个宏观经济指标输入到贷款损 失测算模型进行处理， 输出不良贷款额和不良贷 款率； 将不良贷款额、 不良贷款率输入到银行财 务报表模型中进行处理， 输出并基于银行财务报 表中各个核心科目的数值， 计算得到资本充足 率、 ROA和 ROE， 分别测算不同压力情景下指示银 行风险偏好的风险偏好指标值。 在本方案中， 利 用预先构建的贷款损失测算模型和预先构建的 银行财务报表模 型， 测算在不同宏观压力情景下 的用于指示银行风险偏好的风险偏好指标值， 避 免了专家根据历史经验主观设置风险偏好指标 值局限性， 从而使银行风险偏好指标数据的测算 具有前瞻性和科 学性。 权利要求书3页 说明书14页 附图5页 CN 115222521 A 2022.10.21 CN 115222521 A 1.一种银 行风险偏好数据处 理方法， 其特 征在于， 包括： 统计当前 银行历史时段内每一贷款敞口类型 下各个季度点的贷款违约率； 将各个季度点的所述贷款违约率和各个宏观经济指标输入到预先构建的贷款损失测 算模型进行处理， 输出所述银行 的不良贷款额和不良贷款率； 所述贷款损失测算模型包括 Wilson模型和不良贷款测算模型； 将所述不良贷款额、 所述不良贷款率、 银行历史数据和银行经营计划数据输入到预先 构建的银行财务报表模型中进 行处理， 输出预先构建的银行财务报表中各个核心科目的数 值； 基于相应的各个核心科目的数值和银行报表中相关的参数， 计算得到资本充足率、 ROA 和ROE； 基于所述不良贷款率、 所述资本充足率、 所述ROA和所述ROE， 分别测算基准情景、 轻度 压力情景、 中度压力情景和重度压力情景下的用于指示所述银行风险偏好的风险偏好指标 值。 2.根据权利要求1所述的方法， 其特征在于， 所述统计当前银行历史时段内每一贷款敞 口类型下各个季度点的贷款违约率， 包括： 统计当前 银行在历史时段内， 个人贷款各个季度点的金额违约率； 统计当前 银行在所述历史时段内， 对公贷款各个季度点的客户数违约率； 相应的， 将各个季度点的所述贷款违约 率和各个宏观经济指标输入到预先构建的贷款 损失测算模型进行处 理， 输出所述银行的不良贷款 额和不良贷款 率， 包括： 将所述各个季度点的客户数违约 率、 所述各个季度点的客户数违约 率和各个宏观经济 指标输入到预先构建的贷款损失测算模型进 行处理， 输出所述银行的不良贷款额和不良贷 款率。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述各个季度点的客户数违约率、 所述各个季度点的客户数违约率和各个宏观经济指标输入到预先构建的贷款损失测 算模 型进行处 理， 输出所述银行的不良贷款 额和不良贷款 率， 包括： 将所述各个季度点的金额违约率和各个宏观经济指标输入到所述Wilson模型进行预 测处理， 得到预测的金额违约率； 将所述各个季度点的客户数违约率和所述各个宏观经济指标输入到所述Wilson模型 进行预测处理， 得到预测的客户数违约率； 将所述预测的客户数违约率 转换为客户金额违约率； 将所述预测的金额违约率和所述客户金额违约率输入到所述不良贷款测算模型进行 测算处理， 得到银 行的不良贷款 额和不良贷款 率。 4.根据权利要求1所述的方法， 其特 征在于， 所述贷款损失测算模型的构建过程， 包括： 对由各个季度点的所述贷款违约率组成的序列和由各个宏观经济指标组成的序列进 行平稳性检验； 所述平稳性检验通过后， 基于由各个季度点的所述贷款违约 率组成的序列和由各个宏 观经济指标组成的序列， 构建所述 Wilson模型； 构建所述 不良贷款测算模型； 基于所述 Wilson模型和所述 不良贷款测算模型构建贷款损失测算模型。权　利　要　求　书 1/3 页 2 CN 115222521 A 25.根据权利要求1所述的方法， 其特 征在于， 所述银 行财务报表模型的构建过程， 包括： 构建资产负债表， 所述资产负债表中的核心科目包括总资产、 总负债、 净资产、 生息资 产平均余 额、 计息负债 平均余额和金融资产平均余 额； 构建具有测算所述资产负债 表中的核心科目功能的资产负债 表模型； 构建利润表， 所述利润表中的核心科目包括利息收入、 利息支出、 利息净收入、 营业收 入、 业务及管理费、 其他支出、 信用减值损失、 贷款减值损失、 金融投资减值损失、 其他减值 损失、 其他损失、 利 润总额和净利 润； 构建具有测算所述利 润表中的核心科目功能的利 润表模型； 基于所述资产负债 表模型和所述利 润表模型构建银 行财务报表模型。 6.一种银 行风险偏好数据处 理装置， 其特 征在于， 包括： 统计单元， 用于统计当前银行历史时段内每一贷款敞口类型下各个季度点的贷款违约 率； 第一处理单元， 用于将各个季度点的所述贷款违约 率和各个宏观经济指标输入到预先 构建的贷款损失测算模型进行处理， 输出所述银行 的不良贷款额和不良贷款率； 所述贷款 损失测算模型包括 Wilson模型和不良贷款测算模型； 第二处理单元， 用于将所述不良贷款额、 所述不良贷款率、 银行历史数据和银行经营计 划数据输入到预先构建的银行财务报表模型中进 行处理， 输出预先构建的银行财务报表中 各个核心科目的数值； 计算单元， 用于基于相应的各个核心科目的数值和银行报表中相关的参数， 计算得到 资本充足率、 ROA和ROE； 预测单元， 用于基于所述不良贷款率、 所述资本充足率、 所述ROA和所述ROE， 分别测算 基准情景、 轻度压力情景、 中度压力情景和重度压力情景下 的用于指示所述银行风险偏好 的风险偏好指标值。 7.根据权利要求6所述的装置， 其特 征在于， 所述统计单 元具体用于： 统计当前银行在历史时段内， 个人贷款各个季度点的金额违约率； 统计当前银行在所 述历史时段内， 对公贷款各个季度点的客户数违约率； 相应的， 所述第一处 理单元具体用于： 将所述各个季度点的客户数违约 率、 所述各个季度点的客户数违约 率和各个宏观经济 指标输入到预先构建的贷款损失测算模型进 行处理， 输出所述银行的不良贷款额和不良贷 款率。 8.根据权利要求7 所述的装置， 其特 征在于， 所述第一处 理单元包括： 预测子单元， 用于将所述各个季度点的金额违约率和各个宏观经济指标输入到所述 Wilson模型进行预测处理， 得到预测的金额违约率； 将所述各个季度点的客户数违约率和 所述各个宏观经济指标输入到所述 Wilson模型进行 预测处理， 得到预测的客户数违约率； 转换子单 元， 用于将所述预测的客户数违约率 转换为客户金额违约率； 计算子单元， 用于将所述预测的金额违约 率和所述客户金额违约 率输入到所述不良贷 款测算模型进行测算处 理， 得到银 行的不良贷款 额和不良贷款 率。 9.根据权利要求6所述的装置， 其特 征在于， 还 包括： 检验单元， 用于对由各个季度点的所述贷款违约 率组成的序列和由各个宏观经济指标权　利　要　求　书 2/3 页 3 CN 115222521 A 3