[发明专利]一种基于基金持仓变化的债券违约预警方法

说明书

本发明公开了一种基于基金持仓变化的债券违约预警方法，涉及金融数据信息处理技术领域。相比于传统的以专家打分卡为基础的信用评级方法，基于金融策略算法模型在基金持仓债券变化进行违约预警识别上的应用技术，可以比外部评级更早发出债券违约预警提示，通过监测基金持仓的抛售行为变化，发出红色预警信号和橙色预警信号，从而可以帮助债券投资者更早发现高风险的债券，及时进行抛售处理，避免违约损失。此外基于基金持仓变化原始数据库，通过基金抛售或买进的企业的行业分布，我们还可以据此发现基金的风险偏好变化，从而有利于产业债行业投资策略的调整和城投债区域风险偏好的更替。

技术领域

本发明涉及金融数据信息处理技术领域，具体为一种基于基金持仓变化的债券违约预警方法。

背景技术

尽管债券市场有外部评级参考、有内部评级决策，但是传统的信用评级方法只能解决排序的问题，不能解决风险预警的问题。中外信用评级机构都在信用等级调整滞后上受到质疑，这本质上是源于信用评级方法的问题。很多企业在发债首次评级时都是不错的企业，但随着内外部经营环境的变化，企业的信用风险也会发生变化，有些企业会逐步走向债务违约。

进入大数据时代，信息壁垒越来越低，信息传播速度越来越快。对于机构投资者而言，以往通过资讯优势赚信息不对称价差的时代将不再。在股票投资的智能投顾和智能投研方面，2013年底就开始起步，希望通过人工智能、机器学习来使得投资更趋智能化，但是其和债券违约风险监测的逻辑截然不同。智能投顾和智能投研研究的是股票的涨跌，跟踪的是股票的量价变化和基本面数据，某种意义上也是一种投资者买卖行为的监测，只是股票交易频率远高于债券交易。

使用金融策略算法模型，在股票投资领域，通过基金股票持仓变化进行跟踪，制定金融投资策略，作为量化投资的一个因子，已经在业界有所运用。但是在对基金的债券持仓数据进行分析研究，并通过算法模型来构建监测方法尚未有先例。

这是因为不同基金的风格差异会导致不同的投资策略，利率债、信用债、金融债、转债混杂其中。基金持仓变动原因各异，要找出其中是因为债券违约风险而进行的减仓有一定难度，预警规则梳理是难点，预警规则模糊粗放会导致预警名单的不精准和无法应用。

发明内容

针对现有技术的不足，本发明提供了一种基于基金持仓变化的债券违约预警方法。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于基金持仓变化的债券违约预警方法步骤如下：

第一步：获取数据并进行预处理，包括读取企业债券明细，以及相关债券代码的基本信息，并读取债券到期日信息，并将数据合并，将债券代码进行格式标准化，统一为字符串格式，根据发行人中文名称，运用正则匹配技术，来判断相关债券的性质，区分利率债以及信用债，运用正则匹配技术，通过对债券简称的处理，判断债券的性质为转债还是非转债，同时判断是否是EB债，为后面筛选数据做准备，并且根据企业改名词典修改已改名公司名称，将处理好的数据进行保存；

第二步：读取数据后，构建时间列表，为后面遍历时间以及创建相邻季度的持仓差以及抛售比例做准备，标准化处理持仓数量，并且对于数据增加一个“判断时间”特征，用来判断该债券下季度是否到期，对数据进行剔除 EB债、转债，保留信用债类型，并且对于持仓数量为“0”的进行剔除，随后遍历各个时间点，创建发行人、时间与持有数量、到期数量以及持仓基金公司的相关字典，这样是将所有的数据按照二维字典格式进行存储，后续通过匹配各个时间点的持仓数以及映射发行人名称各个时间点的持仓数量，从而计算发行人在各个时间点的持仓差，剔除其中到期的债券数量，保留最终基金公司抛售的真实数量，并根据相关抛售的真实数量计算真实的抛售比例，然后拼接各个时间点的基金情况，获得各个时间点的评级情况，生成最终表；

第三步：寻找债券市场中的投资者，跟随信用债投研能力强的公募基金持仓的变动来找出其中是因为债券违约风险而进行的减仓行为，统计基金管理公司信用债和利率债分布情况，用平均市值法可以提前发现违约企业，并进行抛售或减仓；