面向多源异构数据基于改进RandomSubspace的金融风险预测研究

发布时间：2020-11-11 10:57

　　 随着我国金融行业改革的不断深化,以P2P网贷、众筹、第三方支付等为代表的互联网金融模式不断普及,促进了企业发展,提升了金融市场效率。然而,开放的互联网环境下,激烈的市场竞争和迅速变化的市场环境等因素使得金融市场主体面临更为严峻的来自金融风险的挑战。金融风险预测能够为金融市场主体提供有效、及时的预警信息和决策支持,从而在一定程度上帮助其避免或减少财务损失。因此,如何对互联网环境下的金融风险进行准确预测成为近年来学术界和产业界瞩目的焦点。目前,已经有大量研究者对金融风险进行了相关研究,并提出了一系列金融风险预测方法。然而,这些方法大多是基于单一数据源对金融风险进行预测,其预测准确率有限,且针对不同的预测场景,其预测效果也不一而足。近期,有少数研究者开始尝试利用多源数据进行金融风险预测,他们将获得的多源数据进行简单叠加后加以使用,而忽略了数据原本的多源、异构、相互冗余等特性,致使预测效果的提升并不明显。为此,本研究构建了基于多源异构数据自适应融合的金融风险预测方法,对来自不同数据源、不同数据分布的信息进行自适应融合,从而达到对预测信息充分利用、极大限度地提升预测效果的目的。首先,本研究在对金融风险预测的研究现状进行系统梳理和总结后,针对现有研究中存在的问题与不足,分别从面向传统的企业金融风险预测和面向个人的金融风险预测两个角度出发,构建了基于加权融合自适应随机子空间的金融风险预测方法WFAIB_RS以及基于两阶段自适应融合随机子空间的金融风险预测方法TSAIB_RS。接着,本研究利用抓取和收集的中国上市公司相关数据与中国P2P借贷市场的个人借贷相关数据分别对WFAIB_RS方法和TSAIB_RS方法进行了验证。实验结果表明,上述两方法在各自的金融风险预测应用场景中均取得了较好的预测效果,从而验证了其在金融风险预测中的可行性与有效性。一方面,本研究对金融风险预测问题的相关理论进行了系统梳理,并分析了来自不同信息源、不同结构、不同时间面板的数据对金融风险预测的影响,为利用多源异构数据进行金融风险预测提供了一定的理论基础;另一方面,本研究创新性地分别面向金融市场主体中的企业和个人提出了基于多源异构数据自适应融合的金融风险预测方法,为大数据时代多源异构数据在金融风险管理领域中的应用提供了指导,同时也为进一步突破现有金融风险预测效果提供了新的途径。
【学位单位】：合肥工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F224;F832.4;F724.6
【部分图文】：

可以求得特征的权*1( )T Tw X X X y 数估计得到的最优解不唯实现且拥有较强的可解释实的学习任务中，线性模型模型进行回归可能会取得对数几率函数对数据在非数，它能够将输入数据转假设输入数据集为 D，D Sigmoid 函数后的回归模( b)11Tiiye w x

特征进行预测的合理性。（2）不同方法对预测结果的影响为了验证所提方法 WFAIB_RS 自适应融合多源特征的有效性，本节对不同方法的预测 AUC 结果进行了对比分析，AUC 结果对比如图 3.8 至 3.10 所示。

Fig 3.9 Methods comparisons under time span T-4其次，可以看出，非均衡方法的使用对预测效果的提升起到了促进作用。OS和 SMOTE 方法在情感特征集上的表现较好，在 F2 下相比于 SVM 方法，SMOTE方法的 AUC 提高了 18.83%（T-3），SMOTE 方法的 AUC 提高了 28.69%（T-4），OS 方法的 AUC 提高了 25.16%（T-5）。这些方法对 F2 的提高之所以如此明显，可
【相似文献】

相关期刊论文 前10条

1 黄显贵;;效用函数在工程成本风险预测中的构建[J];重庆交通大学学报(自然科学版);2007年05期

2 邓国光;“重大操作风险预测”制度好[J];安全生产与监督;2005年03期

3 朱时全;运行工作中的风险预测[J];电力安全技术;2001年02期

4 汤中明;再谈贷款风险预测[J];中国城市金融;1988年06期

5 王亚欣;;风险预测在投资方造价管理中的作用[J];住宅与房地产;2017年36期

6 胡典雄;易继红;;复杂环境下高架公路关键性风险预测方法[J];计算机仿真;2018年07期

7 刘贵增;;水利水电施工企业风险预测[J];水科学与工程技术;2006年S2期

8 白辉,钞彩云;加强风险预测 减少决策失误[J];焦作大学学报;2003年03期

9 傅加宁,孙伯轩;人保系统2000年问题风险预测[J];中国金融电脑;1999年09期

10 董海亮;;基于图像的小范围船舶交叉碰撞风险预测[J];舰船科学技术;2018年14期

相关博士学位论文 前10条

1 席少枝;行PCI治疗的急性冠状动脉综合征患者出血风险预测的相关临床研究[D];中国人民解放军医学院;2018年

2 叶成荫;复杂性状遗传风险预测的统计方法研究[D];浙江大学;2011年

3 刘昆;发热伴血小板减少综合征流行病学特征和传播风险预测研究[D];中国人民解放军军事医学科学院;2015年

4 王平涛;基于连续时间贝叶斯网络的可信软件风险预测研究[D];南京大学;2012年

5 张冬;冠状动脉分叉病变介入治疗中分支血管闭塞危险因素和风险评估的研究[D];北京协和医学院;2016年

6 白一帆;成人心脏瓣膜病外科治疗20年回顾及危险因素变迁[D];第二军医大学;2012年

7 常江;中国人群食管癌风险预测模型研究及全基因组关联研究数据挖掘[D];北京协和医学院;2014年

8 李润求;煤矿瓦斯爆炸灾害风险模式识别与预警研究[D];中南大学;2013年

9 张晨琛;高速公路网风险评估理论[D];北京交通大学;2014年

10 祝晓亮;我国社会稳定风险评估问题研究[D];华中师范大学;2014年

相关硕士学位论文 前10条

1 陈刚;面向多源异构数据基于改进RandomSubspace的金融风险预测研究[D];合肥工业大学;2019年

2 李梦;基于灰色理论的电力综合数据网风险预测与控制机制[D];北京邮电大学;2019年

3 张帅;基于互联网文本的P2P平台风险预测研究与实现[D];北京邮电大学;2019年

4 张炎;基于深度学习的下一代车车通信列控系统安全风险预测[D];华东师范大学;2019年

5 赵浩男;基于不完备医疗数据的疾病风险预测研究[D];东北师范大学;2019年

6 苗丰顺;社区居民糖尿病风险预测系统的设计与实现[D];中国科学院大学(中国科学院沈阳计算技术研究所);2019年

7 王雪;细菌性痢疾发病的时空聚集分析及风险预测[D];重庆医科大学;2018年

8 黄司翰;基于小波聚类算法的中国金融风险预测[D];湖南大学;2016年

9 荣昊;外泌体miRNA-21对NSCLC风险预测价值的研究[D];河南中医药大学;2018年

10 郑雅梦;基于VPIN模型的指数期货合约高频交易风险预测研究[D];南京航空航天大学;2018年

本文编号：2879095