典型文献
中国家庭债务风险测度及其预警研究
文献摘要：
家庭债务风险的预警对于防范系统性金融风险具有重要意义.本文基于2013年、2015年、2017年和2019年CHFS数据,采用因子分析法分别构建了中国城镇和农村家庭债务风险指标,结果显示城镇和农村高风险率分别约为25.06％和12.29％.进一步地,使用基于LightGBM算法的机器学习模型对城镇和农村家庭债务风险分别进行了预警,预警模型的混淆矩阵显示正确率分别为98.30％和98.18％,AUC值分别为0.9725和0.9599.SHAP框架下的机器学习模型可解释性分析显示,家庭债务因素、人口结构以及流动性等因素对城镇和农村家庭债务风险均存在明显的非线性影响.经过更换机器学习参数、机器学习算法以及预警模型的可解释方法,显示本文研究结论具有稳健性.本文为中国家庭债务风险提供了相对客观的测度方法,对家庭债务风险起到预警作用.
文献关键词：
家庭债务;债务风险;机器学习;LightGBM;SHAP
中图分类号：
作者姓名：
谭本艳;吴艳;甘子琪
作者机构：
三峡大学经济与管理学院,湖北 宜昌 443002
文献出处：
引用格式：
[1]谭本艳;吴艳;甘子琪-.中国家庭债务风险测度及其预警研究)[J].金融发展研究,2022(12):38-48
A类：
B类：
中国家庭,家庭债务风险,风险测度,预警研究,系统性金融风险,CHFS,因子分析法,农村家庭,风险指标,高风险率,LightGBM,机器学习模型,预警模型,混淆矩阵,SHAP,模型可解释性,可解释性分析,人口结构,非线性影响,换机,学习参数,机器学习算法,解释方法,测度方法
AB值：
0.265923
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
