互联网金融空间聚集分析及系统性风险防范 ——基于t-SNE机器学习模型

摘要：

互联网金融同传统金融具有不同的空间聚集特征.互联网金融在带来金融开放、 门槛降低、 效率提升、 成本下降的同时,也给互联网金融体系、 乃至整个金融系统带来风险新问题.大量研究表明互联网金融在宏观经济冲击、 内部脆弱性等影响下,往往具有与以往不同的系统性金融风险特征.本文利用北京大学的31个省和335个地市区域的互联网金融发展指数有关数据,运用t-SNE机器学习模型进行我国互联网金融发展的降维和聚类分析,得到我国互联网金融空间聚集和不同业务模式发展的分布特征,发现在区域发展程度上存在尖峰厚尾,在业务模式上存在不均衡现象.基于此,提出了考虑互联网金融发展区域差异造成的三方面系统性风险,并为防范互联网金融系统性风险提出建议.

关键词：互联网金融、系统性风险、降维聚类、t-SNE算法

分类号：F832(金融、银行)

资助基金：国家社会科学基金资助项目17BGL055

在线出版日期：2019-09-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：53-62