| 基于支持向量机的银行系统重要性评估研究 |
| |
| 引用本文： | 唐振鹏,黄双双,陈尾虹.基于支持向量机的银行系统重要性评估研究[J].系统科学与数学,2018(1). |
| |
| 作者姓名： | 唐振鹏 黄双双 陈尾虹 |
| |
| 作者单位： | 福州大学经济与管理学院;福建省金融科技创新重点实验室;福建省企业发展研究中心 |
| |
| 摘 要： | 系统重要性银行是构成全球业务链的连接点,对各国各项业务的顺利进行起到不可或缺的作用,所以当其发生危机时,会直接对全球范围内的金融机构造成负面影响.学术界对如何识别中国系统重要性银行进行了很多有益尝试,由于研究方法或样本不同,得出的结论存在一定差异.有效识别此类银行是当前的热点议题.文章从系统重要性银行的度量数据出发,首先以各银行的财务报表数据和股票价格数据为研究样本.其次,在SVM-Copula集成系统基础上,利用粒子群优化算法对SVM寻找最优参数组合,进而提出了优于GARCH模型和核密度估计法的PSO-SVM边缘分布估计法.最后将PSO-SVM-Copula集成系统运用到CoVaR领域中.研究结果表明:PSO-SVM-Copula-CoVaR(PSCC)模型在系统重要性银行的评估上比仅使用单方面的数据更加合理.
|
| 本文献已被 CNKI 等数据库收录！ |
|
