预测债券流动性风险的方法、装置、计算机设备和介质

技术领域

本申请涉及数据处理技术领域，尤其涉及一种预测债券流动性风险的方法、装置、计算机设备和介质。

背景技术

债券是一种金融契约，是政府、金融机构、工商企业等直接向社会借债筹借资金时，向投资者发行，同时承诺按一定利率支付利息并按约定条件偿还本金的债权债务凭证。债券流动性风险是指资产短期内以合理的价格交易变现的能力风险。

我国债券市场截至2019年底债券存量已达97万亿元，占当年GDP的98％。于债券的发行方，债券市场的发展拓宽了直接融资的渠道，于债券的购买者，债券提供了固定收益的投资标的。但是国内债券市场存在交易活跃度低的问题，债券市场目前以银行间市场的场外交易、经纪商询价交易为主要交易方式，债券做市商仍处于起步发展阶段，整体而言债券市场仍是一个低流动性的市场。

流动性风险是债券的重要定价因素，流动性溢价在我国的债券市场上有着明显的体现。如作为利率债的重要投资标的，十年国开债常会出现新老券活跃度不一的情况，新发行的十年期国开券会逐渐取代旧的活跃券，完成活跃券换券的过程，同时体现的还有活跃券与非活跃券的定价差异，这种定价差异正是来自于不同债券的流动性差异。在2020年初国外金融市场流动性枯竭的背景下，不同债券的利差出现不同幅度的走阔，债券的特质流动性风险在此时放大。作为债券投资者，合理评估并管理投资组合的流动性风险的重要程度有时甚至高于信用风险的管理。对于一二级市场的债券定价交易，准确评估债券流动性风险也可以助力更合理的定价。

流动性风险的准确度量虽意义重大，但在实践中寻求合适的度量方法困难重重。在广义的资产流动性概念里，流动性指将资产以合理价格快速变现的能力，因而具有多种维度。在关于资产流动性度量的研究里，大多使用低频或高频的交易信息进行流动性代理指标的构造，这些度量在股票市场上也取得了良好的效果。

具体地，在一种相关技术中，从即时性、市场宽度、市场深度等维度，挑选出债券的成交量、成交天数、成交笔数、换手率、报价价差、报价天数、债券存续规模、债券发行期限、债券存续期、中债市场隐含评级等30多个评价流动性的指标。然后，参考Fleming(2001)的方法，选出指标间相关性较好的指标，如成交量、成交天数、报价价差、中债市场隐含评级、债券存续规模等指标，作为中债LQI模型因子，最后，利用主成分分析法，根据利率债和信用债不同特点，分别构建中债LQI利率债模型和中债LQI信用债模型。其中，利率债模型中指标包括换手率、成交天数、报价价差、报价次数、债券存续规模、债券发行期限、债券存续期；信用债模型中指标包括换手率、成交天数、报价价差、报价次数、债券存续规模、债券发行期限、债券存续期、债券隐含评级、债券特征。

在另一种相关技术中，采用最近30个交易日成交和报价行情计算得出，其中经纪商成交权重最大。根据品种分成信用债、利率债、信用发行主体、NCD债券、NCD发行主体。在同品种的债券范围内，对各个流动性参数进行比较。满分100分，流动性分数越高，代表标的流动性越高。其中经纪商成交笔数的权重最大。

发明人对上述相关技术研究发现，上述预测债券流动性风险的方法对无市场或无交易的债券，无法计算其流动性；对于成交笔数少、报价少的债券，交易数据存在观测误差，例如，同样是30天成交笔数为3笔的两支债券，其真正的流动性差距可能很大。例如2020年2季度万华化学主体下只有3笔成交，只使用交易数据会大幅低估其真实的流动性。也就是说，在缺乏交易的低流动性市场如债券场外交易市场，现有技术中确定流动性风险效果较差。具体而言，在国内债券市场上，相较于国债、金融债，信用债交易活跃度很低，约1/2的债券在一个季度里零成交，故难以使用相关指标对信用债进行流动性度量。

综上所述，如何对无交易或交易活跃度低的债券进行流动性风险的预测，成为本领域亟需解决的技术问题。

发明内容

本申请的目的是提供一种预测债券流动性风险的方法、装置、计算机设备和介质，用于解决现有技术中的上述技术问题。

一方面，为实现上述目的，本申请提供了一种预测债券流动性风险的方法。

该预测债券流动性风险的方法包括：获取待预测债券的发债主体的特征指标，以得到第一特征指标；获取多个备选债券；获取所述备选债券的发债主体的所述特征指标，以得到第二特征指标；根据所述第二特征指标和所述第一特征指标的相似性，在所述备选债券中确定与所述待预测债券相似的多个目标债券，其中，所述第二特征指标和所述第一特征指标的相似性越高，对应的所述备选债券被确定为所述目标债券的概率越高；以及根据计算所述目标债券的流动性风险的交易数据计算所述待预测债券的流动性风险。

进一步地，根据所述第二特征指标和所述第一特征指标的相似性，在所述备选债券中确定与所述待预测债券相似的多个目标债券的步骤包括：计算所述第二特征指标和所述第一特征指标的相似性距离；根据所述相似性距离在所述备选债券中确定所述目标债券。

进一步地，根据计算所述目标债券的流动性风险的交易数据计算所述待预测债券的流动性风险的步骤包括：根据所述目标债券对应的相似性距离计算所述目标债券对应的权重；根据所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据；以及根据所述预测交易数据计算所述待预测债券的流动性风险。

进一步地，采用以下公式根据所述目标债券对应的相似性距离计算所述目标债券对应的权重：

进一步地，根据所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据的步骤包括：根据所述待预测债券对应的权重和交易数据，以及所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据，其中，所述待预测债券对应的权重为1。

进一步地，计算所述第二特征指标和所述第一特征指标的相似性距离的步骤包括：对所述第一特征指标和所述第二特征指标分别进行预处理；将预处理后的所述第一特征指标进行降维处理，得到第一三维指标，将预处理后的所述第二特征指标进行降维处理，得到第二三维指标；以及根据所述第一三维指标和所述第二三维指标计算欧氏距离，以得到所述相似性距离。

进一步地，所述特征指标包括：债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级和外部评级；所述交易数据包括季度内的成交笔数。

另一方面，为实现上述目的，本申请提供了一种预测债券流动性风险的装置。

该预测债券流动性风险的装置包括：第一获取模块，用于获取待预测债券的发债主体的特征指标，以得到第一特征指标；第二获取模块，用于获取多个备选债券；第三获取模块，用于获取所述备选债券的发债主体的特征指标，以得到第二特征指标；确定模块，用于根据所述第二特征指标和所述第一特征指标的相似性，在所述备选债券中确定与所述待预测债券相似的多个目标债券，其中，所述第二特征指标和所述第一特征指标的相似性越高，对应的所述备选债券被确定为所述目标债券的概率越高；以及计算模块，用于根据计算所述目标债券的流动性风险的交易数据计算所述待预测债券的流动性风险。

进一步地，所述确定模块包括：第一计算单元，用于计算所述第二特征指标和所述第一特征指标的相似性距离；确定单元，用于根据所述相似性距离在所述备选债券中确定所述目标债券。

进一步地，所述计算模块包括：第二计算单元，用于根据所述目标债券对应的相似性距离计算所述目标债券对应的权重；第三计算单元，用于根据所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据；以及第四计算单元，用于根据所述预测交易数据计算所述待预测债券的流动性风险。

进一步地，所述第二计算单元还用于采用以下公式根据所述目标债券对应的相似性距离计算所述目标债券对应的权重：

进一步地，所述第三计算单元在根据所述目标债券对应的权重和交易数据进行加权平均时，具体执行的步骤包括：根据所述待预测债券对应的权重和交易数据，以及所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据，其中，所述待预测债券对应的权重为1。

进一步地，所述第一计算单元在计算所述第二特征指标和所述第一特征指标的相似性距离时，具体执行的步骤包括：对所述第一特征指标和所述第二特征指标分别进行预处理；将预处理后的所述第一特征指标进行降维处理，得到第一三维指标，将预处理后的所述第二特征指标进行降维处理，得到第二三维指标；以及根据所述第一三维指标和所述第二三维指标计算欧氏距离，以得到所述相似性距离。

进一步地，所述特征指标包括：债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级和外部评级；所述交易数据包括季度内的成交笔数。

为实现上述目的，本申请还提供一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。

为实现上述目的，本申请还提供计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

在本申请提供的预测债券流动性风险的方法、装置、计算机设备和介质中，对于无交易或交易活跃度低的债券，在确定其流动性风险时，获取待预测债券的发债主体的特征指标，以得到第一特征指标，获取多个备选债券，获取备选债券的发债主体的特征指标，以得到第二特征指标，根据第二特征指标和第一特征指标的相似性，在备选债券中确定与待预测债券相似的多个目标债券，其中，第二特征指标和第一特征指标的相似性越高，对应的备选债券被确定为目标债券的概率越高，根据计算目标债券的流动性风险的交易数据计算待预测债券的流动性风险，通过本申请，能够实现对无交易或交易活跃度低的债券流动性风险的确定。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本申请实施例一提供的预测债券流动性风险的方法的流程图；

图2为本申请实施例二提供的预测债券流动性风险的装置的框图；

图3为本申请实施例三提供的计算机设备的硬件结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为了解决现有技术中无法对无交易或交易活跃度低的债券进行流动性风险评价的问题，发明人对债券进行了如下研究：债券的交易与发债主体相关，而发债主体特征信息的差异体现发债主体的差异，债券的流动性风险根据债券的交易来确定，因此，债券的流动性风险与发债主体的特征信息相关。为了进一步验证上述理论，发明人选取某年某季度交易活跃度高的多个债券作为研究样本。具体地，选取这些债券的成交信息和发债主体的各类特征信息作为原始数据。以发债主体的各类特征信息对这些债券进行聚类，得到所有债券的聚类结果。针对每个债券，根据其成交信息计算流动性风险，并按照计算得到的流动性风险对所有债券进行4档流动性分组，绘制分组后债券的空间图。将聚类结果与此空间图比对，可以发现流动性分组体现出的聚集性与聚类结果的聚集性一致，并且流动性风险越接近，聚类距离越小，从而可以得到如果发债主体的特征信息相似，则债券的流动性风险也相似。

基于此，本申请提出了一种预测债券流动性风险的方法、装置、计算机设备和介质，在本申请中，对于交易活跃度低的债券，可依据相似发债主体对应债券的流动性风险预测其流动性风险，具体地，在本申请的预测债券流动性风险的方法中，获取待预测债券的发债主体的特征指标，获取多个备选债券，并获取这些备选债券的发债主体的特征指标，根据待预测债券的发债主体的特征指标和备选债券的发债主体的特征指标的相似性，在备选债券中确定与待预测债券相似的多个目标债券，其中，该相似性越高，对应的备选债券被确定为目标债券的概率越高，以根据发债主体的特征指标的相似性确定出与待预测债券相似的目标债券，最后根据计算目标债券的流动性风险的交易数据计算待预测债券的流动性风险，实现了对交易活跃度低的债券的流动性风险的度量。

关于本申请提供的预测债券流动性风险的方法、装置、计算机设备和介质的具体实施例，将在下文中详细描述。

实施例一

本申请实施例提供了一种预测债券流动性风险的方法，通过该方法，能够对无交易或交易活跃度低的债券进行流动性风险的预测，具体地，图1为本申请实施例一提供的预测债券流动性风险的方法的流程图，如图1所示，该实施例提供的预测债券流动性风险的方法包括如下的步骤S101至步骤S105。

步骤S101：获取待预测债券的发债主体的特征指标，以得到第一特征指标。

对于无交易或交易活跃度低的待预测债券，首先获取其发债主体的特征指标，具体可包括债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级和外部评级等指标，定义为第一特征指标。

步骤S102：获取多个备选债券。

可选地，在该步骤S102中，获取与待预测债券在同一预测目标时间段内(例如同一个季度，同一个月等时间段)的债券作为备选债券。

步骤S103：获取备选债券的发债主体的特征指标，以得到第二特征指标。

在该步骤S103中，对于各备选债券，获取其发债主体的特征指标，此特征指标与步骤S101中的特征指标种类相同，定义为第二特征指标。

步骤S104：根据第二特征指标和第一特征指标的相似性，在备选债券中确定与待预测债券相似的多个目标债券。

其中，第二特征指标和第一特征指标的相似性越高，对应的备选债券被确定为目标债券的概率越高。

具体地，对于每个备选债券，确定其第二特征指标与第一特征指标的相似性，作为每个备选债券与待预测债券的相似性，该相似性越高，表明对应的备选债券与待预测债券越相似，根据该相似性，可在备选债券中选择与待预测债券最相似的多个目标债券，例如，选择相似性高的前50个备选债券作为目标债券。

可选地，在一种实施例中，通过相似性距离度量相似性，提升度量备选债券和待预测债券相似的准确性。该实施例中步骤S104包括如下的步骤：

步骤S1041：计算第二特征指标和第一特征指标的相似性距离。

针对每个备选债券，计算其第二特征指标与第一特征指标的相似性距离作为备选债券与待预测债券的相似性度量，具体可以为欧式距离、马氏距离、余弦距离等，得到每个备选债券对应的一个相似性距离值。

步骤S1042：根据相似性距离在备选债券中确定目标债券。

对于相似性距离越小，相似性越高的情况，可选择对应相似性距离较小的多个备选债券作为目标债券；对于相似性距离越大，相似性越高的情况，可选择对应相似性距离较大的多个备选债券作为目标债券。

进一步可选地，在一种实施例中，为了进一步提升目标债券确定的准确性，同时减少计算的复杂度，在上述步骤S1041中，计算第二特征指标和第一特征指标的相似性距离时，首先对第一特征指标和第二特征指标分别进行预处理，具体例如对总资产、债券余额等进行了对数化处理、归一化处理等，目的是确保欧氏距离度量时每个特征的权重不因量纲有太大的偏离。然后将预处理后的第一特征指标进行降维处理，定义为第一三维指标，将预处理后的第二特征指标进行降维处理，定义为第二三维指标，具体例如对债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级和外部评级共10个类别的第一特征指标和第二特征指标，分别使用tsne算法降维到三维空间，得到降维后三维空间内的指标，依次定义为第一三维指标和第二三维指标。最后根据第一三维指标和第二三维指标计算欧氏距离，以得到相似性距离。

步骤S105：根据计算目标债券的流动性风险的交易数据计算待预测债券的流动性风险。

其中，交易数据包括季度内的成交量、成交天数、成交笔数、换手率、报价价差、报价天数、债券存续规模、债券发行期限、债券存续期、中债市场隐含评级等，根据该交易数据可计算债券的流动性风险。

可选地，在该步骤中，可根据计算目标债券的流动性风险的交易数据进行计算，计算得到待预测债券对应的交易数据，例如计算各目标债券的同一种交易数据的均值；然后再根据待预测债券对应的交易数据计算待预测债券的流动性风险，具体计算方法依据交易数据类别的不同，可采用现有技术中相应的计算方法，该处不再赘述。

或者，可选地，可根据目标债券的交易数据计算目标债券的流动性风险，具体计算方法依据交易数据类别的不同，可采用现有技术中相应的计算方法，该处不再赘述；然后再根据计算得到的每种目标债券的流动性风险计算待预测债券的流动风险，例如计算各目标债券流动性风险度量值的均值，作为待预测债券的流动风险。

可选地，在一种实施例中，为了提升待预测债券流动性风险计算的准确性，该步骤S105包括如下的步骤：

步骤S1051：根据目标债券对应的相似性距离计算目标债券对应的权重。

具体地，相似性距离表征的目标债券与待预测债券的相似性越大，根据目标债券对应的相似性近距离计算出的目标债券对应的权重越大。

步骤S1052：根据目标债券对应的权重和交易数据进行加权平均，以得到待预测债券的预测交易数据。

具体地，交易数据可以为成交笔数，对于每种目标债券，计算其对应的权重和成交笔数的乘积，然后再将所有目标债券的对应的乘积加和除以目标债券的种类，即可得到待预测债券的预测交易数据。

步骤S1053：根据预测交易数据计算待预测债券的流动性风险。

可选地，在一种实施例中，在步骤S1052在中，采用以下公式根据所述目标债券对应的相似性距离计算目标债券对应的权重：

进一步可选地，在一种实施例中，在步骤S1052中，得到待预测债券的预测交易数据时，除了根据待预测债券对应的权重和交易数据，以及目标债券对应的权重和交易数据进行共同加权平均，其中，待预测债券对应的权重为1。在参考目标债券交易数据的同时，将待预测债券自身的交易数据也作为影响因素，相当于通过相似债券的交易数据对待预测债券的交易数据进行修正，以进一步提升待确定正确流程性风险度量的准确性。同时，对于某些待预测债券的发债主体本身处在比较稀疏的空间部分，邻近的多个主体与其距离也很远，使用上述权重计算方法得到的加权权重对应的接近于0时，自身的权重为1，等价于将自身的交易信息作为较大的比重，同样可实现流动性风险的预测。同时，采用该实施例提供的预测债券流动性风险的方法，除了可预测无交易或交易活跃度低的债券的流动性风险，还可对交易活跃度高的债券的流动性风险进行修正，进一步提升债券流动性风险度量的准确性。

针对上述实施例一，进行如下的实验验证。

选取了2020年二季度所有的发债主体作为实验样本。具体地，选取2020年二季度的发债主体债券的成交信息和主体各类特征信息，包括上季成交笔数、债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级、外部评级共10个指标作为计算原始数据。

对所有特征进行数预处理，目的是确保欧氏距离度量时每个特征的权重不因量纲有太大的偏离。并将预处理后的10个指标构成的特征空间使用tsne算法降维到三维空间。

然后根据上述降维后三维空间的指标向量，计算每个债券发债主体之间的相似距离。对于任一个债券A，根据相似距离选择40家相似债券，并针对每家相似债券，采用上述公式

对每个债券计算其流动性风险后进行排序，进行一个4档的流动性分组；对每个债券的发债主体按照其特征信息进行聚类。将流动性分组与聚类结果进行比较，结果显示，流动性分组与聚类结果基本一致，可以说明，采用本申请提供的预测债券流动性风险的方法准确性较好。

综上，在本申请提供的预测债券流动性风险的方法中，对于无交易或交易活跃度低的债券，在确定其流动性风险时，获取待预测债券的发债主体的特征指标，以得到第一特征指标，获取多个备选债券，获取备选债券的发债主体的特征指标，以得到第二特征指标，根据第二特征指标和第一特征指标的相似性，在备选债券中确定与待预测债券相似的多个目标债券，其中，第二特征指标和第一特征指标的相似性越高，对应的备选债券被确定为目标债券的概率越高，根据计算目标债券的流动性风险的交易数据计算待预测债券的流动性风险，能够实现对无交易或交易活跃度低的债券流动性风险的确定。

实施例二

对应于上述实施例一，本申请实施例二提供了一种预测债券流动性风险的装置，相应地技术特征细节和对应的技术效果可参考上述实施例一，在该实施例中不再赘述。图2为本申请实施例二提供的预测债券流动性风险的装置的框图，如图2所示，该装置包括：第一获取模块201、第二获取模块202、第三获取模块203、确定模块204和计算模块205。

第一获取模块201用于获取待预测债券的发债主体的特征指标，以得到第一特征指标；第二获取模块202用于获取多个备选债券；第三获取模块203用于获取所述备选债券的发债主体的特征指标，以得到第二特征指标；确定模块204用于根据所述第二特征指标和所述第一特征指标的相似性，在所述备选债券中确定与所述待预测债券相似的多个目标债券，其中，所述第二特征指标和所述第一特征指标的相似性越高，对应的所述备选债券被确定为所述目标债券的概率越高；以及计算模块205用于根据计算所述目标债券的流动性风险的交易数据计算所述待预测债券的流动性风险。

可选地，在一种实施例中，所述确定模块包括：第一计算单元，用于计算所述第二特征指标和所述第一特征指标的相似性距离；确定单元，用于根据所述相似性距离在所述备选债券中确定所述目标债券。

可选地，在一种实施例中，所述计算模块包括：第二计算单元，用于根据所述目标债券对应的相似性距离计算所述目标债券对应的权重；第三计算单元，用于根据所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据；以及第四计算单元，用于根据所述预测交易数据计算所述待预测债券的流动性风险。

可选地，在一种实施例中，所述第二计算单元还用于采用以下公式根据所述目标债券对应的相似性距离计算所述目标债券对应的权重：

可选地，在一种实施例中，所述第三计算单元在根据所述目标债券对应的权重和交易数据进行加权平均时，具体执行的步骤包括：根据所述待预测债券对应的权重和交易数据，以及所述目标债券对应的权重和交易数据进行加权平均，以得到所述待预测债券的预测交易数据，其中，所述待预测债券对应的权重为1。

可选地，在一种实施例中，所述第一计算单元在计算所述第二特征指标和所述第一特征指标的相似性距离时，具体执行的步骤包括：对所述第一特征指标和所述第二特征指标分别进行预处理；将预处理后的所述第一特征指标进行降维处理，得到第一三维指标，将预处理后的所述第二特征指标进行降维处理，得到第二三维指标；以及根据所述第一三维指标和所述第二三维指标计算欧氏距离，以得到所述相似性距离。

可选地，在一种实施例中，所述特征指标包括：债券存量、新发只数、额度、私募债占比、公募基金持仓、企业性质、总资产、债券的隐含评级和外部评级；所述交易数据包括季度内的成交笔数。

实施例三

本实施例三还提供一种计算机设备，如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等。如图3所示，本实施例的计算机设备01至少包括但不限于：可通过系统总线相互通信连接的存储器012、处理器011，如图3所示。需要指出的是，图3仅示出了具有组件存储器012和处理器011的计算机设备01，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。

本实施例中，存储器012(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器012可以是计算机设备01的内部存储单元，例如该计算机设备01的硬盘或内存。在另一些实施例中，存储器012也可以是计算机设备01的外部存储设备，例如该计算机设备01上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。当然，存储器012还可以既包括计算机设备01的内部存储单元也包括其外部存储设备。本实施例中，存储器012通常用于存储安装于计算机设备01的操作系统和各类应用软件，例如实施例二的预测债券流动性风险的装置的程序代码等。此外，存储器012还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器011在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器011通常用于控制计算机设备01的总体操作。本实施例中，处理器011用于运行存储器012中存储的程序代码或者处理数据，例如预测债券流动性风险的方法等。

实施例四

本实施例四还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于存储预测债券流动性风险的装置、，被处理器执行时实现实施例一的预测债券流动性风险的方法。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。