中国银行业系统性风险预警研究——基于SVM模型的建模分析

发布时间：2021-01-31 11:37

　　采用支持向量机和核主成分分析法构建中国银行业系统性风险预警模型,将预警结果与BP神经网络模型和Logit回归模型的预警结果进行对比,并基于2008年1月～2017年9月的数据,采用SVM预警模型预测2009年1月～2018年9月中国银行业系统性风险水平。研究结果显示:与BP神经网络和Logit回归模型相比,SVM模型具有较高的预警正确率;在不同的阶段中国银行业系统性风险水平呈现出不同的变动趋势。建议中国政府部门和银行业警惕资本市场泡沫增长等隐性风险,不断完善银行业内部系统的风险防控机制,持续强化银行业宏观审慎监管。 

【文章来源】：国际商务(对外经济贸易大学学报). 2019,(04)北大核心CSSCI

【文章页数】：14 页

【部分图文】：

遗传算法的优化轨迹

【参考文献】：
期刊论文
[1]深度学习的金融实证应用:动态、贡献与展望[J]. 苏治,卢曼,李德轩.  金融研究. 2017(05)
[2]金融安全预警系统的建模与实证研究:基于中国数据的检验[J]. 肖斌卿,颜建晔,杨旸,张璞.  国际商务(对外经济贸易大学学报). 2015(06)
[3]我国银行业系统性风险预警研究[J]. 杨霞,吴林.  统计与决策. 2015(10)
[4]供应链金融视角下的中小企业信用风险评估研究——基于SVM与BP神经网络的比较研究[J]. 胡海青,张琅,张道宏.  管理评论. 2012(11)
[5]我国金融风险预警模型的建立与实证研究[J]. 许传华,徐慧玲,杨雪莱.  经济问题. 2012(02)
[6]金融风险预警:评价指标、预警机制与实证研究[J]. 陈秋玲,薛玉春,肖璐.  上海大学学报(社会科学版). 2009(05)



本文编号：3010790