期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
汕头市商业银行重组的原因及路径分析 被引量:1
1
作者 丛敬奇 《现代商业》 2021年第31期86-88,共3页
汕头市商业银行是继海南发展银行破产之后国内第二家破产的银行。其破产的原因是,历史遗留问题尚未解决、银行内部管理机制失效造成的长期高息揽存、挪用资产和账外贷款等问题,最终导致流动性危机爆发,无法偿还储户的债务,后被中国人民... 汕头市商业银行是继海南发展银行破产之后国内第二家破产的银行。其破产的原因是,历史遗留问题尚未解决、银行内部管理机制失效造成的长期高息揽存、挪用资产和账外贷款等问题,最终导致流动性危机爆发,无法偿还储户的债务,后被中国人民银行勒令停业整顿,并通过十年的清算重组再次重生。本文通过对汕头市商业银行破产事件原因,以及如何通过重组解决汕头市商业银行一系列问题的分析,提出几点对于城市商业银行重组的意见。 展开更多
关键词 银行破产 清算重组 城市商业银行
下载PDF
基于CEEMD-CNN-LSTM的股票指数集成预测模型 被引量:6
2
作者 丛敬奇 成鹏飞 赵振军 《系统工程》 CSSCI CSCD 北大核心 2023年第4期104-116,共13页
为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和... 为有效应对金融时间序列数据的高噪声、时间依赖性和非线性,本文构建了一种CEEMD-CNN-LSTM模型。该模型基于互补集成经验模态分解(CEEMD),以及卷积神经网络(CNN)与长短期记忆网络(LSTM),将原始金融时间序列分解重构为高频项、低频项和趋势项,同时应用CNN-LSTM模型分别对各分项进行预测,并将各分项的预测值集成为最终预测结果。为验证CEEMD-CNN-LSTM模型对金融时间序列数据预测的准确性和有效性,选取沪深300、标准普尔500(S&P500)股票指数收盘点数进行了实证分析。实证结果表明,CEEMD-CNN-LSTM模型能同时提取序列依赖关系和局部特征,可有效避免数据直接输入模型导致预测结果右偏等问题,与其他主流预测模型相比,其预测精度更高,预测误差显著降低。 展开更多
关键词 CEEMD 深度学习 CNN-LSTM 股票指数
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部