發(fā)布時間：2024-07-09 02:27

　　防范金融系統(tǒng)性風(fēng)險是十九大提出的重要任務(wù),而銀行是金融系統(tǒng)非常重要的子系統(tǒng),識別銀行系統(tǒng)性風(fēng)險因素、構(gòu)建風(fēng)險預(yù)警模型是防范風(fēng)險的重要手段。首先,從宏觀經(jīng)濟(jì)和銀行系統(tǒng)兩方面建立評估銀行系統(tǒng)性風(fēng)險的指標(biāo)體系,并采用方差閾值法對指標(biāo)進(jìn)行初步篩選,接著提出了基于孤立森林的指標(biāo)篩選法進(jìn)一步篩選出與銀行系統(tǒng)性風(fēng)險高度相關(guān)的4個指標(biāo)。其次,為了識別銀行系統(tǒng)性風(fēng)險,提出了包含孤立森林法、基于角度的離群點檢測法和局部異常因子法的多種異常檢測算法相結(jié)合的銀行系統(tǒng)性風(fēng)險識別模型,并選取2012年1月到2018年12月的數(shù)據(jù)進(jìn)行風(fēng)險識別。從識別結(jié)果來看,所構(gòu)建的風(fēng)險識別模型基本準(zhǔn)確識別出了歷史風(fēng)險時點,與歷史事件切合度高,結(jié)果具有可解釋性。最后,采用DeepAR方法分別預(yù)測入選的4個指標(biāo),并將預(yù)測結(jié)果輸入到銀行系統(tǒng)性風(fēng)險識別模型,以此構(gòu)建銀行系統(tǒng)性風(fēng)險預(yù)警模型,預(yù)警結(jié)果表明該模型在一定程度上能夠?qū)︺y行系統(tǒng)性風(fēng)險進(jìn)行預(yù)警。

【文章頁數(shù)】：18 頁

【部分圖文】：

圖1入選指標(biāo)與銀行系統(tǒng)性風(fēng)險的邏輯關(guān)系

銀行間相互存款具有流動性重新分配的作用,當(dāng)銀行系統(tǒng)流動性充足時,銀行關(guān)聯(lián)對流動性轉(zhuǎn)移的作用占主導(dǎo),使流動性分布更均衡,銀行間關(guān)聯(lián)有助于保持系統(tǒng)穩(wěn)定;若系統(tǒng)中流動性短缺,則風(fēng)險傳染作用會占主導(dǎo),且銀行關(guān)聯(lián)可能加速流動性風(fēng)險的傳染(鄧晶等,2013[37])。如果出現(xiàn)超額流動性沖擊,....

圖2指標(biāo)曲線及異常點

具體到異常點來看,2012年1月的銀行指數(shù)月波動率較大,且銀行間同業(yè)拆借加權(quán)平均利率處于高位;2012年12月銀行指數(shù)月收益率急劇升高;而2013年6月銀行指數(shù)月收益率大幅下跌,銀行間同業(yè)拆借加權(quán)平均利率處于最高點,同時商業(yè)銀行流動比例處于低位;2014年12月和2015年1月銀....

圖3采用DeepAR方法預(yù)測結(jié)果

為了對比分析還采用了MQ-CNN(Multi-HorizonforecastingwithaConvolutionalNeuralNetwork(CNN)asanencoder)、MQ-RNN[57]、Non-ParametricTimeSeriesFore....

本文編號：4004248