机器学习解构区域金融风险防控研究进展

摘要：

区域金融风险防控(RFRP)无论在管理区域传统金融风险(TFR)还是坚守不发生区域金融系统风险(FSR)中都是不可或缺的.随着大数据规模的持续增长,金融风险形态变化的不确定性,传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临着无法克服的困境.当下,越来越多的机器学习(ML)模拟RFRP防控的新方法和新技术受到研究者的重视.首先提出了RFRP防控新的科学分类和ML观念基础;其次总结了区域TFR防控的ML理论方法和应用技术,对各类代表性研究所论述区域TFR防控的关键逻辑、模型算法、学习效果进行了比对解析,对ML不同方法的优点、局限和传统场景进行了归类分析;然后梳理了区域FSR防控的ML理论方法和应用研究,对各类典型文献所解析区域FSR防控的关键脉络、ML算法、学习效果进行了对比研究,对ML不同模型的优势、缺陷和金融风险场景进行了阐述研究;最后提出了六个ML模拟RFRP防控的前景技术和新兴方向.

关键词：机器学习(ML)、区域金融风险防控(RFRP)、传统金融风险(TFR)、金融系统风险(FSR)

所属期刊栏目：16

分类号：TP18;F83(自动化基础理论)

资助基金：国家社会科学基金18ZDA093

在线出版日期：2022-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共21页

页码：1969-1989