基于RNN循环神经网络的金融风险预警研究
——以安徽省为例
2021-11-30夏佳佳
湖北文理学院学报 2021年11期
关键词:模型
夏佳佳,姜 涛
(安徽商贸职业技术学院 财务金融系,安徽 芜湖 241002)
2020年是我国经济遭受新冠疫情严重冲击的一年,也是三大攻坚战收官之年,我国总体金融风险呈现收敛趋势. 截止年底,全年处置银行不良资产达到3.02万亿元,P2P机构数量减至零,系统性金融风险基本得到有效控制[1]. 但是,在受新冠疫情影响的经济新常态下,我国金融发展仍然面临巨大的挑战,存量风险和新增风险不容忽视. 此外,随着金融科技的发展及人工智能技术的广泛应用,新兴领域风险增大,监管难度递增[2],面对经济新常态市场的波动,金融风险不确定性增加. 因此,如何构建合理的风险预警指标,预测和防范新常态下的金融风险,对我国金融和经济稳定有着举足轻重的作用.
1 文献综述
如何有效应对金融风险对于任何国家来说都很重要,国内外学者对该领域研究络绎不绝,总体来说主要集中在模型的选择以及指标体系建立两个方面.
1.1 国外研究现状
Nag和Mirtra[3]建立BP神经网络模型研究货币危机预警系统,提出了非线性回归方法,打破传统线性拟合方法,利用黑盒子捕捉高维影响因素,实验证明此模型更具效力. Dieter Gramlinch[4]利用金融风险动态预警模型分析全球金融危机发生原因,研究表明金融体系的脆弱性是最终导致危机最重要的影响因素;Sevim等[5]建立ANN、决策树和Logistic模型回归分析土耳其货币危机,通过回归比较分析各回归模型的利弊. Kumar、Moorthy和Perraudin[6]创新提出金融风险的产生应当包括……
登录APP查看全文
