基于支持向量机的银行系统重要性评估研究

系统重要性银行是构成全球业务链的连接点，对各国各项业务的顺利进行起到不可或缺的作用，所以当其发生危机时，会直接对全球范围内的金融机构造成负面影响．学术界对如何识别中国系统重要性银行进行了很多有益尝试，由于研究方法或样本不同，得出的结论存在一定差异．有效识别此类银行是当前的热点议题．文章从系统重要性银行的度量数据出发，首先以各银行的财务报表数据和股票价格数据为研究样本．其次，在SVM-Copula集成系统基础上，利用粒子群优化算法对SVM寻找最优参数组合，进而提出了优于GARCH模型和核密度估计法的PSO-SVM边缘分布估计法．最后将PSO-SVM-Copula集成系统运用到CoVaR领域中．研究结果表明：PSO-SVM．Copula-CoVaR（PSCC）模型在系统重要性银行的评估上比仅使用单方面的数据更加合理．