期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于马尔科夫模型的我国金融系统性风险预警研究
被引量:
8
1
作者
刘超
李江源
+1 位作者
禹海波
谢启伟
《系统工程学报》
CSCD
北大核心
2020年第4期515-534,共20页
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...
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.
展开更多
关键词
金融系统性风险预警
外部环境
实体经济
主成分分析
马尔科夫区制转移模型
下载PDF
职称材料
基于SSA-BP神经网络模型的系统性金融风险预警分析
2
作者
陈庆婉
张品一
《中国商论》
2023年第16期116-119,共4页
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...
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。
展开更多
关键词
SSA-BP神经网络模型
系统性
金融
风险
预警
主成分分析
聚类分析
仿真预测
下载PDF
职称材料
题名
基于马尔科夫模型的我国金融系统性风险预警研究
被引量:
8
1
作者
刘超
李江源
禹海波
谢启伟
机构
北京工业大学经济与管理学院
北京现代制造业发展研究基地
出处
《系统工程学报》
CSCD
北大核心
2020年第4期515-534,共20页
基金
国家自然科学基金资助项目(61773029,61273230)
北京市属高校高水平教师队伍建设支持计划长城学者培养计划资助项目(CIT&TCD20170304).
文摘
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.
关键词
金融系统性风险预警
外部环境
实体经济
主成分分析
马尔科夫区制转移模型
Keywords
financial systematic risk early warning
external environment
real economy
principal component analysis
Markov regime-switching model
分类号
F832 [经济管理—金融学]
下载PDF
职称材料
题名
基于SSA-BP神经网络模型的系统性金融风险预警分析
2
作者
陈庆婉
张品一
机构
北京信息科技大学
出处
《中国商论》
2023年第16期116-119,共4页
基金
“十四五”期间北京金融风险及防范对策研究(21JJB006)
北京市属高等学校优秀青年人才培育计划项目(BPHR202203240)。
文摘
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。
关键词
SSA-BP神经网络模型
系统性
金融
风险
预警
主成分分析
聚类分析
仿真预测
Keywords
SSA-BP neural network model
early warning of systemic financial risks
principal component analysis(PCA)
cluster analysis
simulation prediction
分类号
F830.9 [经济管理—金融学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于马尔科夫模型的我国金融系统性风险预警研究
刘超
李江源
禹海波
谢启伟
《系统工程学报》
CSCD
北大核心
2020
8
下载PDF
职称材料
2
基于SSA-BP神经网络模型的系统性金融风险预警分析
陈庆婉
张品一
《中国商论》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部