典型文献
基于机器学习技术的中小银行风险早期预警系统研究
文献摘要：
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.
文献关键词：
银行风险;早期预警系统;决策树;随机森林;支持向量机
中图分类号：
作者姓名：
王博;鄢若兰
作者机构：
南开大学金融学院 天津市 300350
文献出处：
引用格式：
[1]王博;鄢若兰-.基于机器学习技术的中小银行风险早期预警系统研究)[J].华北金融,2022(03):73-85
A类：
B类：
基于机器学习,机器学习技术,中小银行,早期预警系统,宏观经济环境,承压,银行风险水平,风险评估标准,预警指标体系,宏观数据,财务数据,监管指标,C5,决策树,随机森林算法,预测准确率,支持向量机模型,技术识别,监管部门
AB值：
0.254007
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。
