隨著我國(guó)金融行業(yè)改革的不斷深化,以P2P網(wǎng)貸、眾籌、第三方支付等為代表的互聯(lián)網(wǎng)金融模式不斷普及,促進(jìn)了企業(yè)發(fā)展,提升了金融市場(chǎng)效率。然而,開(kāi)放的互聯(lián)網(wǎng)環(huán)境下,激烈的市場(chǎng)競(jìng)爭(zhēng)和迅速變化的市場(chǎng)環(huán)境等因素使得金融市場(chǎng)主體面臨更為嚴(yán)峻的來(lái)自金融風(fēng)險(xiǎn)的挑戰(zhàn)。金融風(fēng)險(xiǎn)預(yù)測(cè)能夠?yàn)榻鹑谑袌?chǎng)主體提供有效、及時(shí)的預(yù)警信息和決策支持,從而在一定程度上幫助其避免或減少財(cái)務(wù)損失。因此,如何對(duì)互聯(lián)網(wǎng)環(huán)境下的金融風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確預(yù)測(cè)成為近年來(lái)學(xué)術(shù)界和產(chǎn)業(yè)界矚目的焦點(diǎn)。目前,已經(jīng)有大量研究者對(duì)金融風(fēng)險(xiǎn)進(jìn)行了相關(guān)研究,并提出了一系列金融風(fēng)險(xiǎn)預(yù)測(cè)方法。然而,這些方法大多是基于單一數(shù)據(jù)源對(duì)金融風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè),其預(yù)測(cè)準(zhǔn)確率有限,且針對(duì)不同的預(yù)測(cè)場(chǎng)景,其預(yù)測(cè)效果也不一而足。近期,有少數(shù)研究者開(kāi)始嘗試?yán)枚嘣磾?shù)據(jù)進(jìn)行金融風(fēng)險(xiǎn)預(yù)測(cè),他們將獲得的多源數(shù)據(jù)進(jìn)行簡(jiǎn)單疊加后加以使用,而忽略了數(shù)據(jù)原本的多源、異構(gòu)、相互冗余等特性,致使預(yù)測(cè)效果的提升并不明顯。為此,本研究構(gòu)建了基于多源異構(gòu)數(shù)據(jù)自適應(yīng)融合的金融風(fēng)險(xiǎn)預(yù)測(cè)方法,對(duì)來(lái)自不同數(shù)據(jù)源、不同數(shù)據(jù)分布的信息進(jìn)行自適應(yīng)融合,從而達(dá)到對(duì)預(yù)測(cè)信息充分利用、極大限度地提升預(yù)測(cè)效果的目的。首先,本研究在對(duì)金融風(fēng)險(xiǎn)預(yù)測(cè)的研究現(xiàn)狀進(jìn)行系統(tǒng)梳理和總結(jié)后,針對(duì)現(xiàn)有研究中存在的問(wèn)題與不足,分別從面向傳統(tǒng)的企業(yè)金融風(fēng)險(xiǎn)預(yù)測(cè)和面向個(gè)人的金融風(fēng)險(xiǎn)預(yù)測(cè)兩個(gè)角度出發(fā),構(gòu)建了基于加權(quán)融合自適應(yīng)隨機(jī)子空間的金融風(fēng)險(xiǎn)預(yù)測(cè)方法WFAIB_RS以及基于兩階段自適應(yīng)融合隨機(jī)子空間的金融風(fēng)險(xiǎn)預(yù)測(cè)方法TSAIB_RS。接著,本研究利用抓取和收集的中國(guó)上市公司相關(guān)數(shù)據(jù)與中國(guó)P2P借貸市場(chǎng)的個(gè)人借貸相關(guān)數(shù)據(jù)分別對(duì)WFAIB_RS方法和TSAIB_RS方法進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,上述兩方法在各自的金融風(fēng)險(xiǎn)預(yù)測(cè)應(yīng)用場(chǎng)景中均取得了較好的預(yù)測(cè)效果,從而驗(yàn)證了其在金融風(fēng)險(xiǎn)預(yù)測(cè)中的可行性與有效性。一方面,本研究對(duì)金融風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題的相關(guān)理論進(jìn)行了系統(tǒng)梳理,并分析了來(lái)自不同信息源、不同結(jié)構(gòu)、不同時(shí)間面板的數(shù)據(jù)對(duì)金融風(fēng)險(xiǎn)預(yù)測(cè)的影響,為利用多源異構(gòu)數(shù)據(jù)進(jìn)行金融風(fēng)險(xiǎn)預(yù)測(cè)提供了一定的理論基礎(chǔ);另一方面,本研究創(chuàng)新性地分別面向金融市場(chǎng)主體中的企業(yè)和個(gè)人提出了基于多源異構(gòu)數(shù)據(jù)自適應(yīng)融合的金融風(fēng)險(xiǎn)預(yù)測(cè)方法,為大數(shù)據(jù)時(shí)代多源異構(gòu)數(shù)據(jù)在金融風(fēng)險(xiǎn)管理領(lǐng)域中的應(yīng)用提供了指導(dǎo),同時(shí)也為進(jìn)一步突破現(xiàn)有金融風(fēng)險(xiǎn)預(yù)測(cè)效果提供了新的途徑。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：F224;F832.4;F724.6
【部分圖文】：

可以求得特征的權(quán)*1( )T Tw X X X y 數(shù)估計(jì)得到的最優(yōu)解不唯實(shí)現(xiàn)且擁有較強(qiáng)的可解釋實(shí)的學(xué)習(xí)任務(wù)中，線性模型模型進(jìn)行回歸可能會(huì)取得對(duì)數(shù)幾率函數(shù)對(duì)數(shù)據(jù)在非數(shù)，它能夠?qū)⑤斎霐?shù)據(jù)轉(zhuǎn)假設(shè)輸入數(shù)據(jù)集為 D，D Sigmoid 函數(shù)后的回歸模( b)11Tiiye w x

特征進(jìn)行預(yù)測(cè)的合理性。（2）不同方法對(duì)預(yù)測(cè)結(jié)果的影響為了驗(yàn)證所提方法 WFAIB_RS 自適應(yīng)融合多源特征的有效性，本節(jié)對(duì)不同方法的預(yù)測(cè) AUC 結(jié)果進(jìn)行了對(duì)比分析，AUC 結(jié)果對(duì)比如圖 3.8 至 3.10 所示。

Fig 3.9 Methods comparisons under time span T-4其次，可以看出，非均衡方法的使用對(duì)預(yù)測(cè)效果的提升起到了促進(jìn)作用。OS和 SMOTE 方法在情感特征集上的表現(xiàn)較好，在 F2 下相比于 SVM 方法，SMOTE方法的 AUC 提高了 18.83%（T-3），SMOTE 方法的 AUC 提高了 28.69%（T-4），OS 方法的 AUC 提高了 25.16%（T-5）。這些方法對(duì) F2 的提高之所以如此明顯，可
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃顯貴;;效用函數(shù)在工程成本風(fēng)險(xiǎn)預(yù)測(cè)中的構(gòu)建[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

2 鄧國(guó)光;“重大操作風(fēng)險(xiǎn)預(yù)測(cè)”制度好[J];安全生產(chǎn)與監(jiān)督;2005年03期

3 朱時(shí)全;運(yùn)行工作中的風(fēng)險(xiǎn)預(yù)測(cè)[J];電力安全技術(shù);2001年02期

4 湯中明;再談貸款風(fēng)險(xiǎn)預(yù)測(cè)[J];中國(guó)城市金融;1988年06期

5 王亞欣;;風(fēng)險(xiǎn)預(yù)測(cè)在投資方造價(jià)管理中的作用[J];住宅與房地產(chǎn);2017年36期

6 胡典雄;易繼紅;;復(fù)雜環(huán)境下高架公路關(guān)鍵性風(fēng)險(xiǎn)預(yù)測(cè)方法[J];計(jì)算機(jī)仿真;2018年07期

7 劉貴增;;水利水電施工企業(yè)風(fēng)險(xiǎn)預(yù)測(cè)[J];水科學(xué)與工程技術(shù);2006年S2期

8 白輝,鈔彩云;加強(qiáng)風(fēng)險(xiǎn)預(yù)測(cè) 減少?zèng)Q策失誤[J];焦作大學(xué)學(xué)報(bào);2003年03期

9 傅加寧,孫伯軒;人保系統(tǒng)2000年問(wèn)題風(fēng)險(xiǎn)預(yù)測(cè)[J];中國(guó)金融電腦;1999年09期

10 董海亮;;基于圖像的小范圍船舶交叉碰撞風(fēng)險(xiǎn)預(yù)測(cè)[J];艦船科學(xué)技術(shù);2018年14期

相關(guān)博士學(xué)位論文 前10條

1 席少枝;行PCI治療的急性冠狀動(dòng)脈綜合征患者出血風(fēng)險(xiǎn)預(yù)測(cè)的相關(guān)臨床研究[D];中國(guó)人民解放軍醫(yī)學(xué)院;2018年

2 葉成蔭;復(fù)雜性狀遺傳風(fēng)險(xiǎn)預(yù)測(cè)的統(tǒng)計(jì)方法研究[D];浙江大學(xué);2011年

3 劉昆;發(fā)熱伴血小板減少綜合征流行病學(xué)特征和傳播風(fēng)險(xiǎn)預(yù)測(cè)研究[D];中國(guó)人民解放軍軍事醫(yī)學(xué)科學(xué)院;2015年

4 王平濤;基于連續(xù)時(shí)間貝葉斯網(wǎng)絡(luò)的可信軟件風(fēng)險(xiǎn)預(yù)測(cè)研究[D];南京大學(xué);2012年

5 張冬;冠狀動(dòng)脈分叉病變介入治療中分支血管閉塞危險(xiǎn)因素和風(fēng)險(xiǎn)評(píng)估的研究[D];北京協(xié)和醫(yī)學(xué)院;2016年

6 白一帆;成人心臟瓣膜病外科治療20年回顧及危險(xiǎn)因素變遷[D];第二軍醫(yī)大學(xué);2012年

7 常江;中國(guó)人群食管癌風(fēng)險(xiǎn)預(yù)測(cè)模型研究及全基因組關(guān)聯(lián)研究數(shù)據(jù)挖掘[D];北京協(xié)和醫(yī)學(xué)院;2014年

8 李潤(rùn)求;煤礦瓦斯爆炸災(zāi)害風(fēng)險(xiǎn)模式識(shí)別與預(yù)警研究[D];中南大學(xué);2013年

9 張晨琛;高速公路網(wǎng)風(fēng)險(xiǎn)評(píng)估理論[D];北京交通大學(xué);2014年

10 祝曉亮;我國(guó)社會(huì)穩(wěn)定風(fēng)險(xiǎn)評(píng)估問(wèn)題研究[D];華中師范大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳剛;面向多源異構(gòu)數(shù)據(jù)基于改進(jìn)RandomSubspace的金融風(fēng)險(xiǎn)預(yù)測(cè)研究[D];合肥工業(yè)大學(xué);2019年

2 李夢(mèng);基于灰色理論的電力綜合數(shù)據(jù)網(wǎng)風(fēng)險(xiǎn)預(yù)測(cè)與控制機(jī)制[D];北京郵電大學(xué);2019年

3 張帥;基于互聯(lián)網(wǎng)文本的P2P平臺(tái)風(fēng)險(xiǎn)預(yù)測(cè)研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2019年

4 張炎;基于深度學(xué)習(xí)的下一代車車通信列控系統(tǒng)安全風(fēng)險(xiǎn)預(yù)測(cè)[D];華東師范大學(xué);2019年

5 趙浩男;基于不完備醫(yī)療數(shù)據(jù)的疾病風(fēng)險(xiǎn)預(yù)測(cè)研究[D];東北師范大學(xué);2019年

6 苗豐順;社區(qū)居民糖尿病風(fēng)險(xiǎn)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院沈陽(yáng)計(jì)算技術(shù)研究所);2019年

7 王雪;細(xì)菌性痢疾發(fā)病的時(shí)空聚集分析及風(fēng)險(xiǎn)預(yù)測(cè)[D];重慶醫(yī)科大學(xué);2018年

8 黃司翰;基于小波聚類算法的中國(guó)金融風(fēng)險(xiǎn)預(yù)測(cè)[D];湖南大學(xué);2016年

9 榮昊;外泌體miRNA-21對(duì)NSCLC風(fēng)險(xiǎn)預(yù)測(cè)價(jià)值的研究[D];河南中醫(yī)藥大學(xué);2018年

10 鄭雅夢(mèng);基于VPIN模型的指數(shù)期貨合約高頻交易風(fēng)險(xiǎn)預(yù)測(cè)研究[D];南京航空航天大學(xué);2018年

本文編號(hào)：2879095