非均衡数据下基于SVM的极端金融风险预警研究

发布时间：2017-03-26 08:05

  本文关键词：非均衡数据下基于SVM的极端金融风险预警研究，由笔耕文化传播整理发布。

【摘要】：近年来多次爆发的全球性金融危机不仅危害各国的金融体系甚至会沉重地打击各国的经济,所以金融风险预警的重要性愈发突出,面临的挑战也愈发严峻。而中国金融市场作为一个新兴的金融市场,由于发展的时间还不长,应对极端金融风险的成熟经验还相当匮乏,同时中国与国外金融市场之间越来越紧密的联系,关联性不断加强,又进一步加大了极端金融风险爆发的可能性,从而承受着更为艰巨的风险考验。鉴于此,探索出切合中国金融市场实际的极端风险预警模型,准确预测和防范极端金融风险,就显得至关重要。基于以上分析,本论文选择沪深300指数为研究对象,首先对模型的预警指标体系进行构建,通过综合基于危机时期与EVT的两种状态指标界定方法确定出状态指标,以此判断金融市场在某个时刻是否发生极端金融风险。并且根据中国金融体系自身特征和极端金融风险互相传导作用,在初步选定的内外部风险特征指标基础上,运用T检验和K-S检验成功提取出诱发中国金融市场发生极端风险的内部特征指标：开盘价、收盘价和成交量。而Copula函数中的Clayton-Copula由于能很好地刻画金融收益下尾部相依关系,因此在计算不同金融市场同时暴跌的概率方面更具优势,被本论文用于提取诱发中国极端金融风险爆发的外部风险特征指标：恒生指数、韩国股指和台湾加权指数的日收益率。在利用状态指标与提取出的内外部风险特征指标共同构成预警指标体系后,构建SVM人工智能技术对极端金融风险进行预警研究。针对SVM在非均衡数据下,预测效果欠佳的问题,引入非均衡样本处理方法和SVM相结合,力求提升SVM模型对非均衡样本的预测性能。将Borderline-SMOTE与EasyEnsemble两种采样方法相结合,构建出改进的SVM中国极端金融风险智能预警模型Borderline-SMOTE-EasyEnsemble-SVM,并进一步设计实验方案,证明该模型对极端金融风险具有优越的预测性能。下面对实验的主要内容进行介绍：1、对改进的SVM在不同非均衡样本数据集下的预测性能比较。在国际机器学习标准数据库UCI中选取了Balance-Scale数据集、Contraceptive数据集、Haberman数据集、Hepatitis数据集以及Pima数据集来对改进的SVM进行测试。Borderline-SMOTE-EasyEnsemble-SVM对各组数据集都取得了优秀的预测结果,充分说明,该模型的预测性能稳定,对于5组来源于其他领域并且非均衡程度不同的数据,均能取得良好的预测效果,将其用于中国金融市场的极端风险预警具有很强的可行性。2、确定模型的最优参数。由于参数的选择会对所建立的Borderline-SMOTE-EasyEnsemble-SVM预警模型的预测效果产生关键性的影响,因此需要对模型中所有的参数进行寻优。本文运用网格搜索法对SVM中的参数进行寻优,并通过反复试验来确定Borderline-SMOTE算法中的最近邻参数k、控制人工合成极端风险样本数量的参数α、EasyEnsemble算法中从多数类样本中独立随机抽样的次数T以及Adaboost集成算法的迭代次数si。试验结果表明运用Borderline-SMOTE方法人工合成极端风险样本数量的变化会对模型预测准确率产生较大影响,同时由于模型较为稳定,其他参数的变化对模型预测结果影响较小。在α=0.8所决定的人工合成样本数量能使模型的预测结果最佳。3、改进的SVM对极端金融风险预测性能比较。由于界定出的极端金融风险和非极端金融风险构成了典型的非均衡样本集,而SVM对非均衡样本的预测效果欠佳,基于此将Borderline-SMOTE-EasyEnsemble-SVM、Borderline-SMOTE-SVM、EasyEnsemble-SVM、SVM对极端金融风险的预测性能进行比较研究。实验结果表明,Borderline-SMOTE-EasyEnsemble-SVM具有良好的稳定性,能很好地适用于中国金融市场极端风险预警,而且将Borderline-SMOTE与EasyEnsemble相结合能最大程度地提升SVM在非均衡数据下的预测性能基于以上实证分析结果,本文认为：Borderline-SMOTE-EasyEnsemble-SVM模型能够对我国金融市场极端风险进行较为准确地预测,具有很高的实用价值。对于金融经济管理部门而言,能够运用该模型对未来是否会发生极端金融风险进行较为准确地预测,从而制定相应经济政策来抵御金融风险的冲击,维护金融秩序稳定,避免金融市场的运行发生剧烈的波动起伏,最终对为宏观经济快速发展创造一个良好而又平稳的环境起到积极作用；对于金融参与者而言,使用该模型对金融产品的极端风险进行预测,并依据预测结果更为有效的进行风险管理,通过及时调整金融资产投资策略,规避可能发生的极端金融风险,进而在投资理财过程中尽可能的减少损失、提高收益。
【关键词】：极端金融风险 智能预警 支持向量机 EasyEnsemble Borderline-SMOTE
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.51
【目录】：

• 摘要4-6
• Abstract6-11
• 第1章 引言11-21
• 1.1 研究背景与意义11-14
• 1.2 国内外研究现状14-18
• 1.2.1 金融风险预警研究现状14-15
• 1.2.2 经济领域非均衡样本问题研究现状15-16
• 1.2.3 风险特征指标提取研究现状16-17
• 1.2.4 极端金融风险样本界定研究现状17-18
• 1.3 研究内容、逻辑框架与创新性18-21
• 1.3.1 研究内容18
• 1.3.2 逻辑框架18-19
• 1.3.3 创新性19-21
• 第2章 预警指标体系构建21-32
• 2.1 预警指标体系构建的必要性21
• 2.2 状态指标的确定方法21-24
• 2.2.1 基于危机时期的状态指标确定方法21-22
• 2.2.2 基于EVT的状态指标确定方法22-24
• 2.2.3 基于危机时期和EVT的状态指标确定方法24
• 2.3 特征指标的提取方法24-28
• 2.3.1 基于统计检验的内部风险特征指标确定方法24-25
• 2.3.2 基于Clayton-Copula的外部风险特征指标提取方法25-28
• 2.4 预警指标体系构建方案28-31
• 2.4.1 样本的选择28
• 2.4.2 状态指标的确定28-29
• 2.4.3 特征指标变量的选择与提取29-31
• 2.5 本章小结31-32
• 第3章 SVM极端金融风险预警模型构建32-39
• 3.1 SVM概述32
• 3.2 SVM风险预警模型构建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G、F和AUC为标准的评价方法36-37
• 3.4 评价方法效果检验37-38
• 3.5 本章小结38-39
• 第4章 改进的SVM极端金融风险预警模型构建39-55
• 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40-46
• 4.2.1 非均衡样本处理方法概述40-41
• 4.2.2 基于Borderline-SMOTE-EasyEnsemble-SVM预警模型构建41-46
• 4.3 改进SVM预警模型的预测实验46-54
• 4.3.1 实验设计46-47
• 4.3.2 改进的SVM在不同非均衡样本数据集下的预测性能比较47-49
• 4.3.3 Borderline-SMOTE-EasyEnsemble-SVM模型参数分析49-50
• 4.3.4 改进的SVM对极端金融风险预测性能比较50-54
• 4.4 本章小结54-55
• 结论55-56
• 致谢56-57
• 参考文献57-66
• 攻读学位期间取得学术成果66

【相似文献】

中国期刊全文数据库 前10条

1 ;如何看待金融风险[J];领导决策信息;2001年06期

2 吴晓鸥;浅议我国金融风险及防范[J];山东财政学院学报;2003年02期

3 黄艳艳;对金融风险问题的再思考[J];内蒙古科技与经济;2005年13期

4 鲁尼;;讲真话——金融风险的克星[J];金融博览;2006年01期

5 贾云峗;;金融风险财政化问题及对策[J];中外企业家;2007年02期

6 张志凤;;对防范金融风险的思考[J];金融经济;2007年16期

7 李朴民;;突出两个重点 防范金融风险[J];财经界;2008年01期

8 丁鹊;;浅谈金融风险的特征与防范的对策[J];时代金融;2011年09期

9 李慧滨;刘洋;;我国金融风险的防范与化解[J];现代经济信息;2011年22期

10 车宪庆;;浅谈金融风险及防范措施[J];经营管理者;2013年28期

中国重要会议论文全文数据库 前8条

1 温红梅;姚凤阁;;金融风险系统混沌效应的分析与控制[A];第九届中国管理科学学术年会论文集[C];2007年

2 张德红;;试论银行业金融风险的防范与化解[A];柴达木金融服务论坛专刊[C];2004年

3 王琨;;浅谈金融风险及其防范对策[A];中国内部审计协会现代企业风险管理论文汇编（上册）[C];2005年

4 张顼;;环境因素对金融风险影响的探讨[A];中国环境科学学会2006年学术年会优秀论文集（下卷）[C];2006年

5 沈传河;郭玉德;;金融风险的非市场化分配机制与新型农村金融体系建设[A];科学发展观：理论·模式·实践——山东省社会科学界2006年学术年会文集（3）[C];2006年

6 范英;;度量金融风险的VaR方法及其在我国股市风险分析中的应用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

7 何自云;;商业银行的核心功能:管理金融风险——兼论商业银行的未来[A];“世界经济格局的变化与中国金融的发展和创新”研讨会暨第二届中国金融论坛论文集[C];2004年

8 李中权;;情绪调节策略与金融风险耐受性:性别的调节作用[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

中国重要报纸全文数据库 前10条

1 段英英 卢文秀;防范金融风险两手都要硬[N];山西经济日报;2000年

2 人民银行太原中心支行 庞玮;推进金融创新防范金融风险[N];太原日报;2012年

3 全国人大代表、中国工商银行河南分行行长　左新亚;用法制防范和化解金融风险[N];中国国门时报;2003年

4 记者 苏丽霞;防范金融风险政府要主动承担责任[N];金融时报;2001年

5 福建省龙岩市人民政府副市长 廖桥榕;防范金融风险 加大支持力度[N];上海金融报;2000年

6 记者 龙亚芳 通讯员 李俊雄;我市组建应对金融风险专题法律宣讲团[N];永州日报;2009年

7 王言;走进东盟的企业须防范非金融风险[N];广西日报;2012年

8 河北省沧州市农信联社 梁华 位保峰;如何防范金融风险[N];中国农村信用合作报;2012年

9 记者 刘溟;严防三类金融风险[N];经济日报;2013年

10 本报记者 王莹;潘向东:遏制金融风险将成全国“两会”热点[N];中国企业报;2013年

中国博士学位论文全文数据库 前6条

1 王硕平;我国金融风险的系统分析[D];西南财经大学;2000年

2 张奇;金融风险论——体制转轨时期金融风险形成机理与金融稳定机制[D];东北财经大学;2002年

3 张少春;体制转轨中的金融风险问题——基于财政金融体制变革的研究[D];东北财经大学;2001年

4 许文彬;信息结构、制度变迁与金融风险演进[D];厦门大学;2003年

5 范俏燕;房地产交易博弈与金融风险[D];西南财经大学;2010年

6 童永强;基于资产负债表方法的行业金融风险研究[D];武汉大学;2010年

中国硕士学位论文全文数据库 前10条

1 蔡陈晨;地方政府金融资源竞争中的金融风险研究[D];华南理工大学;2015年

2 刘梦溪;中小企业金融风险应急管理初探[D];南京大学;2016年

3 龙宇晨;互联网金融风险及监管制度研究[D];南京大学;2016年

4 郭秀秀;江苏省域金融风险预警研究[D];中国矿业大学;2016年

5 肖s，

本文编号：268500