本文關(guān)鍵詞：非均衡數(shù)據(jù)下基于SVM的極端金融風(fēng)險(xiǎn)預(yù)警研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來多次爆發(fā)的全球性金融危機(jī)不僅危害各國的金融體系甚至?xí)林氐卮驌舾鲊慕?jīng)濟(jì),所以金融風(fēng)險(xiǎn)預(yù)警的重要性愈發(fā)突出,面臨的挑戰(zhàn)也愈發(fā)嚴(yán)峻。而中國金融市場作為一個(gè)新興的金融市場,由于發(fā)展的時(shí)間還不長,應(yīng)對極端金融風(fēng)險(xiǎn)的成熟經(jīng)驗(yàn)還相當(dāng)匱乏,同時(shí)中國與國外金融市場之間越來越緊密的聯(lián)系,關(guān)聯(lián)性不斷加強(qiáng),又進(jìn)一步加大了極端金融風(fēng)險(xiǎn)爆發(fā)的可能性,從而承受著更為艱巨的風(fēng)險(xiǎn)考驗(yàn)。鑒于此,探索出切合中國金融市場實(shí)際的極端風(fēng)險(xiǎn)預(yù)警模型,準(zhǔn)確預(yù)測和防范極端金融風(fēng)險(xiǎn),就顯得至關(guān)重要�；谝陨戏治�,本論文選擇滬深300指數(shù)為研究對象,首先對模型的預(yù)警指標(biāo)體系進(jìn)行構(gòu)建,通過綜合基于危機(jī)時(shí)期與EVT的兩種狀態(tài)指標(biāo)界定方法確定出狀態(tài)指標(biāo),以此判斷金融市場在某個(gè)時(shí)刻是否發(fā)生極端金融風(fēng)險(xiǎn)。并且根據(jù)中國金融體系自身特征和極端金融風(fēng)險(xiǎn)互相傳導(dǎo)作用,在初步選定的內(nèi)外部風(fēng)險(xiǎn)特征指標(biāo)基礎(chǔ)上,運(yùn)用T檢驗(yàn)和K-S檢驗(yàn)成功提取出誘發(fā)中國金融市場發(fā)生極端風(fēng)險(xiǎn)的內(nèi)部特征指標(biāo)：開盤價(jià)、收盤價(jià)和成交量。而Copula函數(shù)中的Clayton-Copula由于能很好地刻畫金融收益下尾部相依關(guān)系,因此在計(jì)算不同金融市場同時(shí)暴跌的概率方面更具優(yōu)勢,被本論文用于提取誘發(fā)中國極端金融風(fēng)險(xiǎn)爆發(fā)的外部風(fēng)險(xiǎn)特征指標(biāo)：恒生指數(shù)、韓國股指和臺灣加權(quán)指數(shù)的日收益率。在利用狀態(tài)指標(biāo)與提取出的內(nèi)外部風(fēng)險(xiǎn)特征指標(biāo)共同構(gòu)成預(yù)警指標(biāo)體系后,構(gòu)建SVM人工智能技術(shù)對極端金融風(fēng)險(xiǎn)進(jìn)行預(yù)警研究。針對SVM在非均衡數(shù)據(jù)下,預(yù)測效果欠佳的問題,引入非均衡樣本處理方法和SVM相結(jié)合,力求提升SVM模型對非均衡樣本的預(yù)測性能。將Borderline-SMOTE與EasyEnsemble兩種采樣方法相結(jié)合,構(gòu)建出改進(jìn)的SVM中國極端金融風(fēng)險(xiǎn)智能預(yù)警模型Borderline-SMOTE-EasyEnsemble-SVM,并進(jìn)一步設(shè)計(jì)實(shí)驗(yàn)方案,證明該模型對極端金融風(fēng)險(xiǎn)具有優(yōu)越的預(yù)測性能。下面對實(shí)驗(yàn)的主要內(nèi)容進(jìn)行介紹：1、對改進(jìn)的SVM在不同非均衡樣本數(shù)據(jù)集下的預(yù)測性能比較。在國際機(jī)器學(xué)習(xí)標(biāo)準(zhǔn)數(shù)據(jù)庫UCI中選取了Balance-Scale數(shù)據(jù)集、Contraceptive數(shù)據(jù)集、Haberman數(shù)據(jù)集、Hepatitis數(shù)據(jù)集以及Pima數(shù)據(jù)集來對改進(jìn)的SVM進(jìn)行測試。Borderline-SMOTE-EasyEnsemble-SVM對各組數(shù)據(jù)集都取得了優(yōu)秀的預(yù)測結(jié)果,充分說明,該模型的預(yù)測性能穩(wěn)定,對于5組來源于其他領(lǐng)域并且非均衡程度不同的數(shù)據(jù),均能取得良好的預(yù)測效果,將其用于中國金融市場的極端風(fēng)險(xiǎn)預(yù)警具有很強(qiáng)的可行性。2、確定模型的最優(yōu)參數(shù)。由于參數(shù)的選擇會對所建立的Borderline-SMOTE-EasyEnsemble-SVM預(yù)警模型的預(yù)測效果產(chǎn)生關(guān)鍵性的影響,因此需要對模型中所有的參數(shù)進(jìn)行尋優(yōu)。本文運(yùn)用網(wǎng)格搜索法對SVM中的參數(shù)進(jìn)行尋優(yōu),并通過反復(fù)試驗(yàn)來確定Borderline-SMOTE算法中的最近鄰參數(shù)k、控制人工合成極端風(fēng)險(xiǎn)樣本數(shù)量的參數(shù)α、EasyEnsemble算法中從多數(shù)類樣本中獨(dú)立隨機(jī)抽樣的次數(shù)T以及Adaboost集成算法的迭代次數(shù)si。試驗(yàn)結(jié)果表明運(yùn)用Borderline-SMOTE方法人工合成極端風(fēng)險(xiǎn)樣本數(shù)量的變化會對模型預(yù)測準(zhǔn)確率產(chǎn)生較大影響,同時(shí)由于模型較為穩(wěn)定,其他參數(shù)的變化對模型預(yù)測結(jié)果影響較小。在α=0.8所決定的人工合成樣本數(shù)量能使模型的預(yù)測結(jié)果最佳。3、改進(jìn)的SVM對極端金融風(fēng)險(xiǎn)預(yù)測性能比較。由于界定出的極端金融風(fēng)險(xiǎn)和非極端金融風(fēng)險(xiǎn)構(gòu)成了典型的非均衡樣本集,而SVM對非均衡樣本的預(yù)測效果欠佳,基于此將Borderline-SMOTE-EasyEnsemble-SVM、Borderline-SMOTE-SVM、EasyEnsemble-SVM、SVM對極端金融風(fēng)險(xiǎn)的預(yù)測性能進(jìn)行比較研究。實(shí)驗(yàn)結(jié)果表明,Borderline-SMOTE-EasyEnsemble-SVM具有良好的穩(wěn)定性,能很好地適用于中國金融市場極端風(fēng)險(xiǎn)預(yù)警,而且將Borderline-SMOTE與EasyEnsemble相結(jié)合能最大程度地提升SVM在非均衡數(shù)據(jù)下的預(yù)測性能基于以上實(shí)證分析結(jié)果,本文認(rèn)為：Borderline-SMOTE-EasyEnsemble-SVM模型能夠?qū)ξ覈鹑谑袌鰳O端風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確地預(yù)測,具有很高的實(shí)用價(jià)值。對于金融經(jīng)濟(jì)管理部門而言,能夠運(yùn)用該模型對未來是否會發(fā)生極端金融風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確地預(yù)測,從而制定相應(yīng)經(jīng)濟(jì)政策來抵御金融風(fēng)險(xiǎn)的沖擊,維護(hù)金融秩序穩(wěn)定,避免金融市場的運(yùn)行發(fā)生劇烈的波動(dòng)起伏,最終對為宏觀經(jīng)濟(jì)快速發(fā)展創(chuàng)造一個(gè)良好而又平穩(wěn)的環(huán)境起到積極作用；對于金融參與者而言,使用該模型對金融產(chǎn)品的極端風(fēng)險(xiǎn)進(jìn)行預(yù)測,并依據(jù)預(yù)測結(jié)果更為有效的進(jìn)行風(fēng)險(xiǎn)管理,通過及時(shí)調(diào)整金融資產(chǎn)投資策略,規(guī)避可能發(fā)生的極端金融風(fēng)險(xiǎn),進(jìn)而在投資理財(cái)過程中盡可能的減少損失、提高收益。
【關(guān)鍵詞】：極端金融風(fēng)險(xiǎn) 智能預(yù)警 支持向量機(jī) EasyEnsemble Borderline-SMOTE
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F224;F832.51
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 引言11-21
• 1.1 研究背景與意義11-14
• 1.2 國內(nèi)外研究現(xiàn)狀14-18
• 1.2.1 金融風(fēng)險(xiǎn)預(yù)警研究現(xiàn)狀14-15
• 1.2.2 經(jīng)濟(jì)領(lǐng)域非均衡樣本問題研究現(xiàn)狀15-16
• 1.2.3 風(fēng)險(xiǎn)特征指標(biāo)提取研究現(xiàn)狀16-17
• 1.2.4 極端金融風(fēng)險(xiǎn)樣本界定研究現(xiàn)狀17-18
• 1.3 研究內(nèi)容、邏輯框架與創(chuàng)新性18-21
• 1.3.1 研究內(nèi)容18
• 1.3.2 邏輯框架18-19
• 1.3.3 創(chuàng)新性19-21
• 第2章 預(yù)警指標(biāo)體系構(gòu)建21-32
• 2.1 預(yù)警指標(biāo)體系構(gòu)建的必要性21
• 2.2 狀態(tài)指標(biāo)的確定方法21-24
• 2.2.1 基于危機(jī)時(shí)期的狀態(tài)指標(biāo)確定方法21-22
• 2.2.2 基于EVT的狀態(tài)指標(biāo)確定方法22-24
• 2.2.3 基于危機(jī)時(shí)期和EVT的狀態(tài)指標(biāo)確定方法24
• 2.3 特征指標(biāo)的提取方法24-28
• 2.3.1 基于統(tǒng)計(jì)檢驗(yàn)的內(nèi)部風(fēng)險(xiǎn)特征指標(biāo)確定方法24-25
• 2.3.2 基于Clayton-Copula的外部風(fēng)險(xiǎn)特征指標(biāo)提取方法25-28
• 2.4 預(yù)警指標(biāo)體系構(gòu)建方案28-31
• 2.4.1 樣本的選擇28
• 2.4.2 狀態(tài)指標(biāo)的確定28-29
• 2.4.3 特征指標(biāo)變量的選擇與提取29-31
• 2.5 本章小結(jié)31-32
• 第3章 SVM極端金融風(fēng)險(xiǎn)預(yù)警模型構(gòu)建32-39
• 3.1 SVM概述32
• 3.2 SVM風(fēng)險(xiǎn)預(yù)警模型構(gòu)建32-36
• 3.3 SVM的風(fēng)險(xiǎn)預(yù)測性能評價(jià)方法36-37
• 3.3.1 以預(yù)測精度為標(biāo)準(zhǔn)的評價(jià)方法36
• 3.3.2 以G、F和AUC為標(biāo)準(zhǔn)的評價(jià)方法36-37
• 3.4 評價(jià)方法效果檢驗(yàn)37-38
• 3.5 本章小結(jié)38-39
• 第4章 改進(jìn)的SVM極端金融風(fēng)險(xiǎn)預(yù)警模型構(gòu)建39-55
• 4.1 金融市場的非均衡樣本問題39-40
• 4.2 基于非均衡樣本處理方法的改進(jìn)SVM預(yù)警模型40-46
• 4.2.1 非均衡樣本處理方法概述40-41
• 4.2.2 基于Borderline-SMOTE-EasyEnsemble-SVM預(yù)警模型構(gòu)建41-46
• 4.3 改進(jìn)SVM預(yù)警模型的預(yù)測實(shí)驗(yàn)46-54
• 4.3.1 實(shí)驗(yàn)設(shè)計(jì)46-47
• 4.3.2 改進(jìn)的SVM在不同非均衡樣本數(shù)據(jù)集下的預(yù)測性能比較47-49
• 4.3.3 Borderline-SMOTE-EasyEnsemble-SVM模型參數(shù)分析49-50
• 4.3.4 改進(jìn)的SVM對極端金融風(fēng)險(xiǎn)預(yù)測性能比較50-54
• 4.4 本章小結(jié)54-55
• 結(jié)論55-56
• 致謝56-57
• 參考文獻(xiàn)57-66
• 攻讀學(xué)位期間取得學(xué)術(shù)成果66

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;如何看待金融風(fēng)險(xiǎn)[J];領(lǐng)導(dǎo)決策信息;2001年06期

2 吳曉鷗;淺議我國金融風(fēng)險(xiǎn)及防范[J];山東財(cái)政學(xué)院學(xué)報(bào);2003年02期

3 黃艷艷;對金融風(fēng)險(xiǎn)問題的再思考[J];內(nèi)蒙古科技與經(jīng)濟(jì);2005年13期

4 魯尼;;講真話——金融風(fēng)險(xiǎn)的克星[J];金融博覽;2006年01期

5 賈云峗;;金融風(fēng)險(xiǎn)財(cái)政化問題及對策[J];中外企業(yè)家;2007年02期

6 張志鳳;;對防范金融風(fēng)險(xiǎn)的思考[J];金融經(jīng)濟(jì);2007年16期

7 李樸民;;突出兩個(gè)重點(diǎn) 防范金融風(fēng)險(xiǎn)[J];財(cái)經(jīng)界;2008年01期

8 丁鵲;;淺談金融風(fēng)險(xiǎn)的特征與防范的對策[J];時(shí)代金融;2011年09期

9 李慧濱;劉洋;;我國金融風(fēng)險(xiǎn)的防范與化解[J];現(xiàn)代經(jīng)濟(jì)信息;2011年22期

10 車憲慶;;淺談金融風(fēng)險(xiǎn)及防范措施[J];經(jīng)營管理者;2013年28期

中國重要會議論文全文數(shù)據(jù)庫 前8條

1 溫紅梅;姚鳳閣;;金融風(fēng)險(xiǎn)系統(tǒng)混沌效應(yīng)的分析與控制[A];第九屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2007年

2 張德紅;;試論銀行業(yè)金融風(fēng)險(xiǎn)的防范與化解[A];柴達(dá)木金融服務(wù)論壇專刊[C];2004年

3 王琨;;淺談金融風(fēng)險(xiǎn)及其防范對策[A];中國內(nèi)部審計(jì)協(xié)會現(xiàn)代企業(yè)風(fēng)險(xiǎn)管理論文匯編（上冊）[C];2005年

4 張頊;;環(huán)境因素對金融風(fēng)險(xiǎn)影響的探討[A];中國環(huán)境科學(xué)學(xué)會2006年學(xué)術(shù)年會優(yōu)秀論文集（下卷）[C];2006年

5 沈傳河;郭玉德;;金融風(fēng)險(xiǎn)的非市場化分配機(jī)制與新型農(nóng)村金融體系建設(shè)[A];科學(xué)發(fā)展觀：理論·模式·實(shí)踐——山東省社會科學(xué)界2006年學(xué)術(shù)年會文集（3）[C];2006年

6 范英;;度量金融風(fēng)險(xiǎn)的VaR方法及其在我國股市風(fēng)險(xiǎn)分析中的應(yīng)用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

7 何自云;;商業(yè)銀行的核心功能:管理金融風(fēng)險(xiǎn)——兼論商業(yè)銀行的未來[A];“世界經(jīng)濟(jì)格局的變化與中國金融的發(fā)展和創(chuàng)新”研討會暨第二屆中國金融論壇論文集[C];2004年

8 李中權(quán);;情緒調(diào)節(jié)策略與金融風(fēng)險(xiǎn)耐受性:性別的調(diào)節(jié)作用[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國心理學(xué)學(xué)術(shù)會議論文集[C];2013年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 段英英 盧文秀;防范金融風(fēng)險(xiǎn)兩手都要硬[N];山西經(jīng)濟(jì)日報(bào);2000年

2 人民銀行太原中心支行 龐瑋;推進(jìn)金融創(chuàng)新防范金融風(fēng)險(xiǎn)[N];太原日報(bào);2012年

3 全國人大代表、中國工商銀行河南分行行長　左新亞;用法制防范和化解金融風(fēng)險(xiǎn)[N];中國國門時(shí)報(bào);2003年

4 記者 蘇麗霞;防范金融風(fēng)險(xiǎn)政府要主動(dòng)承擔(dān)責(zé)任[N];金融時(shí)報(bào);2001年

5 福建省龍巖市人民政府副市長 廖橋榕;防范金融風(fēng)險(xiǎn) 加大支持力度[N];上海金融報(bào);2000年

6 記者 龍亞芳 通訊員 李俊雄;我市組建應(yīng)對金融風(fēng)險(xiǎn)專題法律宣講團(tuán)[N];永州日報(bào);2009年

7 王言;走進(jìn)東盟的企業(yè)須防范非金融風(fēng)險(xiǎn)[N];廣西日報(bào);2012年

8 河北省滄州市農(nóng)信聯(lián)社 梁華 位保峰;如何防范金融風(fēng)險(xiǎn)[N];中國農(nóng)村信用合作報(bào);2012年

9 記者 劉溟;嚴(yán)防三類金融風(fēng)險(xiǎn)[N];經(jīng)濟(jì)日報(bào);2013年

10 本報(bào)記者 王瑩;潘向東:遏制金融風(fēng)險(xiǎn)將成全國“兩會”熱點(diǎn)[N];中國企業(yè)報(bào);2013年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 王碩平;我國金融風(fēng)險(xiǎn)的系統(tǒng)分析[D];西南財(cái)經(jīng)大學(xué);2000年

2 張奇;金融風(fēng)險(xiǎn)論——體制轉(zhuǎn)軌時(shí)期金融風(fēng)險(xiǎn)形成機(jī)理與金融穩(wěn)定機(jī)制[D];東北財(cái)經(jīng)大學(xué);2002年

3 張少春;體制轉(zhuǎn)軌中的金融風(fēng)險(xiǎn)問題——基于財(cái)政金融體制變革的研究[D];東北財(cái)經(jīng)大學(xué);2001年

4 許文彬;信息結(jié)構(gòu)、制度變遷與金融風(fēng)險(xiǎn)演進(jìn)[D];廈門大學(xué);2003年

5 范俏燕;房地產(chǎn)交易博弈與金融風(fēng)險(xiǎn)[D];西南財(cái)經(jīng)大學(xué);2010年

6 童永強(qiáng);基于資產(chǎn)負(fù)債表方法的行業(yè)金融風(fēng)險(xiǎn)研究[D];武漢大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡陳晨;地方政府金融資源競爭中的金融風(fēng)險(xiǎn)研究[D];華南理工大學(xué);2015年

2 劉夢溪;中小企業(yè)金融風(fēng)險(xiǎn)應(yīng)急管理初探[D];南京大學(xué);2016年

3 龍宇晨;互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)及監(jiān)管制度研究[D];南京大學(xué);2016年

4 郭秀秀;江蘇省域金融風(fēng)險(xiǎn)預(yù)警研究[D];中國礦業(yè)大學(xué);2016年

5 肖s，

本文編號：268500