短期债券

摘要： 2022年2月28日,美国及其盟国宣布冻结俄罗斯中央银行的3000亿美元外汇储备。外汇储备的“武器化”,迫使我们不得不重新审视外汇储备和海外资产的安全性问题。黄金储备和布雷顿森林体系流动性(liquidity)通常是指容易变现的资产,如货币、黄金和短期债券等;有时也指变现的容易程度。在国际金融中,特别是讨论“特里芬两难”时所使用的“国际流动性”(international liquidity)一词的内涵虽然同“流动性”有重叠,但两者并不是同一概念。

摘要： 事件根据研究机构近日发布的报告称,2021年房企到期债务规模(不含2021年将发行的超短期债券)预计将超过1.2万亿元,同比增长36%,并历史性地突破万亿大关。今年1月份,房企境内外拟发债规模已超过1500亿元,逼近去年的最高点。

摘要： 票据贴现，即资金的需求者凭借自己手中未到期的商业票据、银行承兑票据或短期债券，向银行或其他融资公司要求变成现款，后两者则按票面金额扣除贴现日至到期日的利息后付给现款，待票据到期时再向出票人收款的行为。

摘要： 澳门金融管理局6月26日发布的统计显示,到2107年12月31日,澳门居民持有的境外证券投资,以当天市场价值计算为6629亿元（澳门元,下同）,与2017年6月30日及上年同期比较,分别录得13.8%和36.8%的升幅.在各类证券投资中,股权证券、长期债券及短期债券的市值分别为2404亿元、3933亿元及292亿元,较2016年底分别上升30.8%、37.6%及95.4%.

摘要： 2015年12月18日．中国证监会与中国人民银行联合发布《货币市场基金监督管理办法》，自2016年2月1日起施行。货币市场基金是主要投资于短期债券、银行存款等货币市场工具的证券投资基金，具有资本安全性高、流动性好、投资成本低等特点，本质上属现金管理工具。

摘要： 市场流动性与融资流动性互相作用,会形成所谓的流动性螺旋,即资产的市场流动性下降导致投资人通过抵押贷款获得资金的能力下降,进而影响投资人参与市场交易提供资产流动性的能力,使得资产的流动性进一步恶化。流动性的重要性在金融市场,资产的流动性是指该资产在一定时间期限内以较合理的价格变现的能力。当资产的持有者需要卖出资产获得现金时,由于资产的流动性限制,他们可以选择在较短的时间以较高的折价

摘要： 正【搜狐IT】互联网理财产品跟银行理财产品,说到底只是名词前面的定语不同。同样属性的两者跨界趋同,是眼下正在发生的现实。然而,它们中间还是隔了一公里,最难打破的一公里。以前互联网理财产品其实并无太多包装,像余额宝,轻轻松松借助当时还未引起银行强烈反击的协议存款利率和天然的用户入口,将自身推向一个标杆性的高峰。可最好的时候无疑已经过去——货币市场流动性的宽松让余额宝们的收益率逐渐回流到常态,监管层似乎也即将要求余额宝们缴纳未知比例的存款准备金。高收益率这张牌,显然已经打完了。

摘要： 依托浮息债券来规避利率风险,要求培育一个能够准确反映市场资金供求的利率作为基准。本文就1年期定期储蓄存款利率、3个月期及1年期Shibor、银行间7天回购移动平均利率和1年期银行间固定利率国债到期收益率共5个利率品种的基准性进行了分析。研究发现,在收益率曲线的短端,3个月期Shibor具有较强的基准地位,所以调息周期小于1年的浮息债券,可以选择与之期限相匹配的Shibor作为基准;在收益率曲线的长端,1年期银行间固定利率国债到期收益率具有较强的基准地位,因此调息周期为1年及1年以上的浮息债券可以选择该利率作为其基准。当然,这些利率的基准地位还不够牢固,仍需要制度上的保障。

摘要： 有人断言,未来是债券的"黄金十年",国债期货的推出和应用,既是顺应这一趋势,也是面临同质化竞争的期货公司为数不多的选择之一三月下旬,财政部发布通知,开展国债预发行试点。相隔一个周末,3月25日,首只债券ETF—国泰国债ETF在上交所上市交易。从2012年2月仿真交易推出到

摘要： 近日，我接到通知，说乡下久置不用的老房子因旧村改造规划要拆迂，于是我匆匆赶回去收拾东西，无意中竟在墙上挂的老相框后面发现了三张“交通部烟潍路发还地价短期债券”。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 智能合约(800)具有债券发行部(832)和债券回收部(833)。债券发行部(832)判定是否能够以交易所的存款钱包的存款额支付应该从作为买方的交易所向作为卖方的用户支付的支付额，在不能支付的情况下，向用户发行与支付额的至少一部分的金额相当的债券，将债券的金额存储于用户的债券钱包，将用户登记于债权人列表。债券回收部(833)在存在针对交易所的存款钱包的入款的情况下，以入款为契机选择债权人列表中登记的债权人，对入款额和向债权人发行的债券的金额进行比较。债券回收部(833)在能够通过入款额返还债券的金额的至少一部分的情况下，通过入款额向债权人返还债券的金额的至少一部分。

摘要： 本申请公开了一种债券发行联盟链中主体权限管理方法以及债券发行联盟链，该方法包括：预先保存有各主体的身份数据，在目标主体调用智能合约时，通过其发送的智能合约调用请求，查询到目标主体的机构信息以及招标书序号，进而查询到目标主体的身份数据，从中提取到目标主体的主体角色。根据主体角色与权限的映射关系，可以确定目标主体是否有调用该智能合约的权限，在确定有权限时执行该智能合约。另外，通过基于密文策略的属性加密的算法保护业务数据，保证不同的业务数据只对相应的主体角色公开。通过上述方式，可以为不同主体分配不同的调用智能合约的权限和数据访问权限，从而实现主体操作债券发行联盟链权限的管理。

摘要： 本发明提供一种债券风险检测模型训练方法和债券风险检测方法，该方法涉及金融风险防范技术领域，包括：步骤A：接收中心节点发送的至少一棵初始随机树及各初始随机树对应的至少一个数据特征摘要；步骤B：针对每棵初始随机树，确定初始随机树的至少一个数据特征摘要对应的第一数据特征，将第一数据特征发送至中心节点；步骤C：接收中心节点发送的至少一棵更新后的随机树，并将更新后的随机树作为新的初始随机树，重复执行步骤B‑步骤C，直至满足第一停止准则；步骤D：接收中心节点发送的债券风险检测模型，债券风险检测模型为多棵随机树组成的随机森林模型。实现数据特征摘要的共享，各分布式节点共同完成模型训练，提升了模型检测的准确率。

摘要： 本申请提供了一种债券估值方法、债券估值模型训练方法及装置，涉及云计算领域，包括：基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，确定待估值债券的稀疏特征；将稀疏特征输入债券估值模型，基于债券估值模型的输出值，得到待估值债券的未来成交价格估值；将未来成交价格估值通过债券价格展示页面进行展示。本实施例中，利用待估值债券的历史成交价格和同类型债券的历史成交价格训练债券估值模型，利用债券估值模型对债券进行估值，基于待估值债券的历史价格和待估值债券的同类型债券的实时成交价格，进行债券估值，可以实现实时估值，估值结果更加准确。

摘要： 本发明提供一种基于债券估值数据与集成机器学习的债券违约预测方法，包括以下步骤：(1)获取债券估值数据和基本资料数据；(2)特征工程，清洗数据；(3)K折交叉验证选择最优模型参数；(4)训练模型；(5)使用训练好的模型进行违约预测；(6)集成模型，得到风险评分。其通过使用结构化的债券估值数据进行违约预测，降低使用非结构化数据的处理复杂度，增强所用数据与债券的相关性；通过运用K折交叉验证选择最优的模型参数，避免人为选参造成的模型效果差的问题；通过集成多个不同特点的模型的预测结果，降低只用个别模型预测产生错误的概率；通过给出不同模型预测的违约概率和集成的风险评分，辅助投资者进行投资决策。

摘要： 本发明实施例公开了一种债券报价系统及债券报价方法，该系统包括：报价模板生成模块、报价模板下载模块、报价文件上传模块以及报价信息校验模块，其中，所述报价模板生成模块用于当接收到触发指令时，生成报价模板，所述报价模板保留相对于当日，上一日的报价信息；所述报价模板下载模块用于当接收到下载指令时，对所述报价模板进行下载，交易员基于下载的报价模板进行报价信息填写，生成报价文件；所述报价文件上传模块用于当接收到上传指令时，对交易员选定的目标报价文件进行上传；所述报价信息校验模块用于对所述目标报价文件中的报价信息的合法性进行校验。通过本发明实施例的技术方案，提高了报价信息的准确度，以及报价效率。

摘要： 一种用于计算政府债券波动率指数的计算机系统，其包含被配置为存储至少一个程序的存储器；以及通信地耦合到存储器的至少一个处理器，其中所述至少一个程序在被所述至少一个处理器执行时使所述至少一个处理器：接收关于政府债券衍生的期权的数据；使用关于政府债券衍生的期权的数据来计算政府债券波动率指数；以及传送关于政府债券波动率指数的数据。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。