基于马尔科夫模型的我国金融系统性风险预警研究

为推动我国金融系统性风险预警研究,在分析金融系统性风险的传导路径、借鉴国际经验的基础上,综合考虑金融系统内外部因素,重构符合我国实际的金融系统性风险预警指标体系,并合成包含资产泡沫、货币危机、外汇市场和其他共四个金融压力指数的金融综合压力指数.选取2001年~2016年历史数据,采用马尔科夫区制转移模型与主成分分析法相结合,对我国金融系统性风险预警进行实证分析.结果表明,该方法有效识别了该时期高风险时间点;预测结果有效验证了我国2017年处于较低的金融系统性风险状态.揭示了房市泡沫调控、银行信贷管理、实体经济管理体系不完善、消费投资需求疲软等问题是引发我国金融系统性危机的隐患.

基于SSA-BP神经网络模型的系统性金融风险预警分析

本文通过SSA-BP神经网络模型对系统性金融风险进行研究,并对中国的系统性金融风险进行评估和预警。第一,本文选取我国2008—2022年18个金融指标的月度数据构建了初始金融指标体系,在此基础上运用主成分分析和K-均值聚类将金融风险划分为四类。第二,基于SSA-BP神经网络模型建立我国金融风险预警模型,并通过2022年的数据对2023年的金融系统性风险状态进行仿真预测。结果显示,2023年的金融系统风险处于警戒状态或危险状态,值得重点关注。