当前位置:主页 > 管理论文 > 货币论文 >

中国极端金融风险的改进SVM智能预警研究

发布时间:2017-07-13 17:12

  本文关键词:中国极端金融风险的改进SVM智能预警研究


  更多相关文章: 极端金融风险 智能预警 支持向量机 ODR ADASYN


【摘要】:随着经济全球一体化的深入发展,中国金融市场与国际金融市场之间的联系日益密切,在加大对外开放水平的同时,中国金融市场也遭受着来自境外极端金融风险的威胁与挑战。而中国金融市场自身风险控制与防范能力的薄弱也使得这一威胁与挑战愈加严峻。如何构建行之有效的预警模型,科学准确地预测中国极端金融风险,从而制定应对与防范风险的有效措施,成为金融风险管理部门与投资主体迫切需要解决的重要问题。基于上述分析,本论文以沪深300指数为研究对象,选择了16项内外部风险特征指标,并运用独立样本T检验与K-S检验提取出开盘价、收盘价、成交量3项能够显著刻画中国金融市场极端风险的内部特征指标,同时,也运用Clayton-Copula计算中国金融市场与国际金融市场的风险传导效应,并以此提取出恒生指数日收益率、韩国股指日收益率和台湾加权指数日收益率3项能够显著刻画中国极端风险的外部特征指标;此外,为准确界定极端与非极端金融风险样本,本论文改进并综合了基于金融危机时期与EVT两种界定方法,准确界定出极端与非极端金融风险样本,成功确定出状态指标;进而将提取出的内外部特征指标与确定出的状态指标集成,共同构建中国金融市场极端风险预警指标体系。在此基础上,考虑到中国金融市场复杂的非线性特征,本论文引入了计算机科学的非线性支持向量机(SVM)人工智能技术进行预警研究。同时,针对金融市场的非均衡样本问题对SVM预警模型的构建带来的挑战,本论文又引入计算机科学的非均衡样本处理方法,尤其是以ODR与ADASYN相结合的混合抽样方法来克服SVM的非均衡样本问题,从而构建适合于中国金融市场极端风险预警的改进SVM模型,即ODR-ADASYN-SVM模型,进而通过实验证明改进SVM模型优异的预测性能。主要内容如下:1.对改进SVM的核函数选择进行研究。核函数在SVM构建中起着至关重要的作用,但何种核函数下的SVM具有最优预测性能,目前尚未有统一定论。本论文对线性、多项式、RBF和Sigmoid四种核函数下的改进SVM的预测效果进行了对比研究发现,线性核函数下的改进SVM具有最优的预测效果,但与其余核函数下的改进SVM模型相比,预测效果差异并不显著,从而说明,核函数的变化对改进SVM模型的预测性能并无显著影响,进一步证明改进SVM模型具有稳定的预测性能。2.对非均衡样本处理方法进行研究。金融市场样本呈现出的非均衡特征使SVM预警研究面临较大的困难,如何解决SVM的非均衡样本问题成为提升SVM预测性能的关键。基于此,本论文设计出ODR与ADASYN相结合的ODR-ADASYN混合抽样方法,并与SVM相结合,提出改进的SVM模型,即ODR-ADASYN-SVM模型,进而与SVM、SMOTE-SVM、ODR-SVM、ADASYN-SVM进行对比研究,结果表明,引入SMOTE、ODR、ADASYN、ODR-ADASYN非均衡样本处理方法能够有效地提升SVM的预测性能,同时,ODR-ADASYN混合抽样方法能够最为有效地解决SVM的非均衡样本问题,并且也能克服SMOTE方法的盲目性。3.对不同预警模型进行研究。目前,预警方法众多,是否SVM较其余预警方法有着更为优异的预测性能呢?基于此,本论文在运用ODR-ADASYN方法对样本数据集进行均衡处理后,选择了BP神经网络、决策树为代表的人工智能模型和以Logit、Probit、Fisher判别分析、贝叶斯判别分析、距离判别分析为代表的统计模型与SVM人工智能模型进行对比,结果表明,在预测极端金融风险上,SVM虽然优于其余预警模型,但优势并不明显,而在预测非极端金融风险上,SVM不仅优于,而且也显著优于其余预警模型,从而证明了本论文提出的改进SVM模型具有最为优异的预测性能。4.对改进SVM的参数影响进行研究。模型的成功构建,与参数的设定息息相关。本论文探讨了改进SVM的三个参数,即惩罚参数C、近邻样本数量k和样本的非均衡水平a对模型预测性能的影响。通过实验发现,惩罚参数C、近邻样本数量k和样本的非均衡水平a的变化对改进SVM模型的预测性能并无明显影响,只是在设置过程中需要防止将参数a设置为0或者1即可,从而表明改进的SVM模型具有稳定的预测性能。同时,惩罚参数C、近邻样本数量k和样本的非均衡水平a分别设置为0.5、5和0.2时,预警模型具有最为优异的预测性能。通过上述实验,本论文认为,改进SVM模型是金融风险管理部门和投资主体应对与防范极端金融风险的最优操作工具与方法。对于金融风险管理部门而言,能够运用改进SVM模型对未来一段时间内的金融市场极端风险进行准确预测,及时制定并实施应对金融风险危机的相关宏观经济政策,从而构建金融市场极端风险危机的“防火墙”,积极地化解与防范金融风险危机,以维护金融市场稳定,促进经济持续健康发展;对于投资主体而言,能够运用改进SVM模型提前捕获金融市场风险危机信号,进而及时调整金融资产投资策略,最优化金融资产投资组合,从而更为有效地管理金融资产,保证金融资产的保值甚至增值。
【关键词】:极端金融风险 智能预警 支持向量机 ODR ADASYN
【学位授予单位】:成都理工大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:F832.5
【目录】:
  • 摘要4-6
  • Abstract6-11
  • 第1章 引言11-20
  • 1.1 研究背景与意义11-14
  • 1.2 国内外文献综述14-17
  • 1.2.1 关于金融风险预警研究的相关文献评述14-15
  • 1.2.2 关于经济领域非均衡样本问题研究的相关文献评述15-16
  • 1.2.3 关于风险特征指标提取研究的相关文献评述16-17
  • 1.2.4 关于极端金融风险样本界定研究的相关文献评述17
  • 1.3 研究内容、创新性与逻辑框架17-20
  • 1.3.1 研究内容17-18
  • 1.3.2 创新性18
  • 1.3.3 逻辑框架18-20
  • 第2章 预警指标体系构建20-31
  • 2.1 预警指标体系构建的必要性20
  • 2.2 状态指标的确定方法20-23
  • 2.2.1 基于危机时期的状态指标确定方法20-21
  • 2.2.2 基于EVT的状态指标确定方法21-23
  • 2.2.3 基于危机时期和EVT的状态指标确定方法23
  • 2.3 特征指标的提取方法23-26
  • 2.3.1 基于统计检验的内部风险特征指标提取方法23-24
  • 2.3.2 基于Clayton-Copula的外部风险特征指标提取方法24-26
  • 2.4 预警指标体系构建实验26-30
  • 2.4.1 样本的选择26
  • 2.4.2 状态指标的确定26-27
  • 2.4.3 特征指标变量的选择与提取27-30
  • 2.5 本章小结30-31
  • 第3章 极端金融风险的SVM预警模型构建31-39
  • 3.1 SVM概述31-32
  • 3.2 SVM预警模型构建32-36
  • 3.3 SVM的风险预测性能评价方法36-37
  • 3.3.1 以预测精度为标准的评价方法36
  • 3.3.2 以第一、二类错误为标准的评价方法36-37
  • 3.4 SVM预测实验37-38
  • 3.5 本章小结38-39
  • 第4章 极端金融风险的改进SVM预警模型构建39-54
  • 4.1 金融市场的非均衡样本问题39-40
  • 4.2 基于非均衡样本处理方法的改进SVM预警模型40-43
  • 4.2.1 非均衡样本处理方法概述40-41
  • 4.2.2 基于ODR-ADASYN的改进SVM预警模型构建41-43
  • 4.3 改进SVM的风险预测性能评价方法43-46
  • 4.3.1“第一、二类错误”评价方法的缺陷43-44
  • 4.3.2 以G、F和AUC为标准的评价方法44-46
  • 4.4 改进SVM预警模型的预测实验46-53
  • 4.4.1 实验设计46
  • 4.4.2 不同核函数下的ODR-ADASYN-SVM预测性能比较46-48
  • 4.4.3 不同非均衡样本处理方法下SVM预测性能比较48-50
  • 4.4.4 基于ODR-ADASYN的不同预警模型预测性能比较50-51
  • 4.4.5 ODR-ADASYN-SVM模型的参数分析51-53
  • 4.5 本章小结53-54
  • 结论54-55
  • 致谢55-56
  • 参考文献56-64
  • 攻读学位期间取得学术成果64

【参考文献】

中国期刊全文数据库 前1条

1 丁德臣;;混合HOGA-SVM财务风险预警模型实证研究[J];管理工程学报;2011年02期



本文编号:537719

资料下载
论文发表

本文链接:https://www.wllwen.com/guanlilunwen/huobilw/537719.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f656d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com