席悦欣 卢万青

[提要] 随着科学技术的发展以及金融市场数据愈加复杂化的特性，深度学习模型更为适合金融市场上数据规模大、高维度以及流数据特性的数据特征，其应用不但在金融风险管理领域中的预测分析方法进行了提升，而且促使实证研究范式从线性向非线性转变、从关注参数显著性向关注模型结构和动态特征转变，同时能够更好地捕捉尾部风险，在实证领域的成果在一定程度上助推相关金融风险管理理论的成长与完善。但深度学习的应用也面临着程序错误、主观判断误差、金融监管不足等方面的挑战。为此，在金融风险管理领域中需要合理运用深度学习模型。

关键词：深度学习；金融风险管理；卷积神经网络；深度置信网络；堆栈自编码网络

中图分类号：F83 文献标识码：A

一、引言

金融市场上的主体都面临着收益和损失的不确定性，金融产品和工具的多样化趋势，都体现着风险管理的重要性。全球市场在过去的几十年间发生了数次规模巨大的金融危机事件，例如影响全球股市的1987年的黑色星期一事件、1997年的亞洲金融危机、2008年的美国次贷危机以及全球金融危机。各家公司也都面临着各种风险。无处不在的风险日益成为悬在金融市场主体上的一把“达摩克利斯之剑”。与此同时，计算机技术发展迅速，数据信息的多样性以及数据分析技术的应用，给具有大数据特征的金融风险管理分析带来了机遇和挑战，人工智能开始逐步应用于金融风险管理领域，引导着行业的变革。……