10.3969/j.issn.1007-4392.2022.03.008
基于机器学习技术的中小银行风险早期预警系统研究
在宏观经济环境承压的背景下,中小银行风险水平上升,与大银行"大而不能倒"不同,中小银行是"多而不能倒".本文通过优化银行风险评估标准和预警指标体系,选取2007-2019年我国宏观数据和183家中小银行的财务数据、监管指标,基于C5.0决策树、随机森林算法及支持向量机构建我国中小银行风险早期预警系统.实证研究发现,三种模型对样本外数据集均表现出很高的预测准确率,其中随机森林与支持向量机模型表现较优.这是基于此三种机器学习技术识别我国单体银行风险状态的首次尝试,将为监管部门预防、预警和处置中小银行风险提供实用的技术手段.
银行风险、早期预警系统、决策树、随机森林、支持向量机
F832.3(金融、银行)
国家自然科学基金;国家自然科学基金;国家社会科学基金;国家社会科学基金
2022-04-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
73-85