中国金融风险预警研究

本文通过因子分析法研究我国金融风险的来源，结论表明，导致金融风险的主要因素是宏观经济风险、金融市场风险和企业融资风险；运用Logit模型分别建立宏观经济风险预警模型和金融市场风险预警模型（包括货币危机和国债危机预警模型）。对2006年我国金融风险进行了预警，结果表明整体金融状况良好，宏观经济运行稳定、货币危机发生可能性较小。     

高频数据下积分波动率矩阵的伪似然估计、预测及应用

研究目标:利用高频数据准确估计和预测高维积分波动率矩阵,并将矩阵的预测值应用于资产投资组合的构造中。研究方法:通过保留p×p维已实现波动率矩阵的特征向量,对积分波动率矩阵的特征值进行预测,本文将积分波动率矩阵的估计和预测问题转化为p个一维积分波动率的估计和预测问题。研究发现:对高维已实现波动率矩阵过于发散的特征值进行调整能够提高矩阵估计的准确性;对资产收益率的积分波动率矩阵建立动态模型可以提高矩阵预测的精度。研究创新:将高维矩阵的估计和预测问题转化为矩阵特征向量的估计以及一维特征值的估计和预测问题;基于高频数据并建立资产收益率积分波动率矩阵的动态模型提高了资产投资组合的样本外表现。研究价值:本文提出的积分波动率矩阵估计和预测方法能够保证矩阵估计值和预测值的正定性;本文的预测方法能够提高矩阵的预测精度,能够在复杂的金融市场中构造低风险的资产组合。     

利用EXCEL建立中小企业财务预警模型

一、中小企业财务预警模型的选择 运用量化的方法对企业财务风险进行预警，常用的模型有单变量预警模型和多变量预警模型。单变量预警模型运用个别财务比率来预测财务危机。美国学者William beaver通过实证研究认为预测财务失败的指标有：现金保障率、资产收益率、资产负债率等。单变量预警模型以分析单个财务比率为基础，从不同角度预测财务危机。但该模型没有界定不同比率对企业整体风险影响的权重，不能很好地反映各比率交替变化的影响。     

中国期货市场逼仓风险预警模型研究

围绕中国期货市场的逼仓风险预警,选取期货价格波动率、持仓量波动率和收益率三个指标,通过函数加权得到了一个综合衡量逼仓风险的信号值,并建立了预警期货市场逼仓风险的模型。以大连商品交易所的豆粕m0409合约的243个交易数据为总样本,举例说明了模型的求解过程和运用效果;并通过郑州商品交易所强麦Ws709合约数据,证明了该预警模型的有效性。     

上市公司财务舞弊识别模型设计及其应用研究——基于新兴机器学习算法

研究目标:运用新兴机器学习的方法预测公司财务舞弊。研究方法:选取11类财务比率指标与文本信息、公司治理、内部控制等非财务指标作为初始输入变量,采用欠采样方法处理训练集样本非平衡的问题,选择轻量梯度提升机算法对公司是否发生舞弊建立分类模型。研究发现:采用轻量梯度提升机算法极大地提升了预测准确性;相对于逻辑回归、支持向量机、随机森林、梯度提升决策树,轻量梯度提升机算法的预测效果最好;使用全部输入变量比仅仅使用有限传统变量的预测能力更强;预测模型在案例分析、行业分析和股价崩盘检测中也展现出很好的预测效果。研究创新:引入新的机器学习算法识别财务舞弊,采用欠采样的方法对训练集样本进行平衡处理,从多个角度进行应用分析。研究价值:有助于实时高效地识别舞弊并及时进行监管,实现对经济运行更为准确的监测、分析、预测、预警,从而提升资本市场的治理效能,促进经济平稳运行。     

互联网理财创新、债市波动与风险传染

以余额宝为代表的互联网理财创新冲击了中国传统金融市场的收益率。通过收集2013年6月到2014年9月余额宝收益率、银行间同业拆借利率以及国债收益率的数据,运用时变Copula-GARCH模型等方法实证分析互联网理财与传统债市收益率之间的动态相关关系。实证结果显示,余额宝收益率与同业拆借利率及国债收益率整体上呈负相关的,收益率波动趋于平缓。并且上、下尾部相依性基本为零。说明互联网理财创新没有明显抬高传统债市的风险收益率,而且两者之间并不存在明显的风险传染关系。     

证券投资组合风险管理的波动状态转移分析

运用马尔科夫区制转移模型对我国股票型开放式基金收益率波动进行了风险评估和短期预测。采用晨星评级净值收益率前10只股票型基金跨期四年共816日交易数据,进行风险价值计量;并将计量结果与市场贝塔系数模型进行比较分析。通过失败比例测试证实了波动状态转移风险控制模型的风险度量与控制能力显著优于市场贝塔系数模型,丰富与提升了资本资产定价理论的内涵,一定程度上提高了我国投资组合风险波动的控制、拟合和预测的精确性。     

基于互联网金融的风险控制统计的研究

金融是市场经济的主要支柱,但随着互联网技术的快速发展,互联网中的金融风险更大和不稳定因素更多,若想在金融市场中获得更大的收益,需要对其中存在的风险进行有效的分析和控制。本文根据对国内互联网金融市场的现状进行分析,构建风险统计模型研究,并对存在的风险采取措施进行控制。     

多重分形理论在金融市场中的应用及研究展望

多重分形理论已被广泛应用于金融市场研究,并取得了丰硕的成果。本文首先从金融市场中多重分形特征的存在性、形成原因及其应用等方面进行了系统梳理;接着阐述了目前多重分形理论在金融市场中应用的局限性;最后从多重分形特征的检验及其成因模型、多重分形特征成因以及运用多重分形分析来提升投资能力、进行金融风险管理和投资业绩评价等方面展望了多重分形理论在金融市场中的四大重点研究方向。     

高水平开放背景下的中国金融风险：测度、影响因素与防范对策

基于中国金融市场压力指数与广义预测误差方差分解法，从全球输入性风险、中国金融体系自身因素和宏观经济运行状况三个维度，识别高水平开放背景下影响中国金融安全的风险因素，运用滚窗VAR模型刻画风险因素的动态时变影响。研究发现：以不确定性表征的全球宏观波动与中国金融风险状况之间存在联动性；以金融体系风险抵御能力和金融市场开放程度表征的金融体系自身因素对中国金融风险具有显著影响；中国宏观经济运行状况对中国金融安全的影响在经济遇冷时更为明显，可能导致经济低迷和引发金融风险。据此，应加强对国内外各类风险因素的实时监测，建立健全兼具前瞻性、针对性和可操作性的风险防范体系。     

高频数据日内波动特征的函数型分析

近年来,对金融市场的资产收益率的波动轨迹的研究日益增多,文章引入函数型波动过程这一方法以研究中国股市的日内波动交易轨迹。收益的波动率可被视作一个平滑的函数型过程和一个白噪声过程的组合。在本文的模型中,我们首先从每一交易日的对数收益率过程中剔除掉漂移项,来获得波动率过程,随后利用函数型波动过程和函数型主成分分析一起刻画上证综指5分钟收益率序列的日内波动特征。     

基于CHAID算法和贝叶斯网络的基金风险预警研究

随着基金业的迅猛发展,其风险日益突出,对基金业实行适当的风险监管显得尤为重要,这其中离不开风险预警模型的参与。研究发现目前金融预警模型主要针对宏观金融风险、银行业风险和企业财务风险等,对基金业风险预警模型的研究存在不足。同时,金融时间序列尖峰厚尾的特征也并不完全满足传统的参数检验方法。正是如此,文章采用CHAID和贝叶斯网络方法构建基金的风险预警模型,在CHAID的基金风险预警模型中,预测准确率约为0.766;而在贝叶斯网络的基金风险预警模型中,最优的预测准确率约为0.841。研究发现,不同的基金风险预警模型检出准确率会有所差别。因此,综合运用各个基金预警模型并进行定期调整是非常必要的。     

基于非线性相关的最小方差套期保值比率研究

在最小方差套期保值模型的基础上,提出了最小方差套期保值的期货与现货波动非线性对冲原理,利用非线性相关系数代替传统的线性相关系数,提高了套期保值比率的准确性。提出了套期保值的收益率波动预测原理,利用GARCH(1,1)预测期货收益率的方差,利用EWMA模型预测现货收益率的方差,解决了收益率在历史期和套期保值期间因收益率波动发生结构性变化所导致的套期保值效果失真的问题。实证研究结果表明,本研究的套期保值比率的有效性高于现有模型,应用本研究模型进行套期保值,可以有效规避现货价格风险。     

基于RUSBoost算法的 违约风险预测模型构建与应用

针对金融借贷数据存在的较严重的类别不平衡问题,构建基于RUSBoost算法的违约风险预测模型.作为一种集成学习方法,RUSBoost算法利用欠采样实现了训练集的类别均衡,同时又通过对基学习器的独立采样有效克服了因欠采样而造成的信息丢失问题,从而实现了对类别不平衡数据的较强适应能力.基于某网络借贷平台的金融大数据,首次将RUSBoost算法应用于违约风险预测,同时也将随机森林、决策树以及支持向量机等数据挖掘方法分别应用于违约风险预测问题,并与传统的Logistic回归方法和最小二乘模型进行对比分析.从实验结果来看,绝大部分数据挖掘模型的预测性能要明显优于传统模型,而基于RUSBoost算法的违约风险预测模型又明显优于其他数据挖掘模型.     

风险预警模型在房地产企业资金管理中的应用探讨

房地产企业资金管理普遍存在负债比例高、资金沉淀严重、投资行为盲目、融资形式单一、资金管理不善等问题。风险预警模型有预知风险、控制风险、防范风险等功能,运用风险预警系统对房地产行业进行监测、预测并判断其景气状态十分必要。选择了灰色风险预警模型和营运资金周转率作为房地产企业资金管理预警模型的核心指标,设计了房地产资金管理风险预警模型的具体算法和资金管理风险预警模型在房地产企业的具体应用。     

我国集装箱运输企业运价风险预警机制研究

随着我国出口集装箱运输业的不断发展,集装箱运输企业面临着运价波动风险。文章分析了集装箱运价波动风险产生的原因,并应用时间序列分析中的经典模型ARIMA模型分析了我国出口集装箱运价指数的变动趋势,在集装箱运价走势分析的基础上,依据金融风险预警理论,建立了我国出口集装箱运价风险预警机制模型,为我国集装箱运输企业控制运价风险,提高企业管理经营水平提供了依据。     

技术交易规则预测能力与收益率动态过程——基于Bootstrap方法的实证研究

本文对我国股票市场技术交易规则预测能力进行了实证检验,发现移动平均规则所产生的买入区间收益率更大而波动率却更小,卖出区间的收益率为负而波动率却更大。运用自举(Bootstrap)方法检验发现,四种常用的收益率线性模型均不能解释买卖出区间收益率与波动率所表现出的非对称现象,尤其无法解释卖出区间收益率为负的现象。为此,本文通过人工神经网络方法,将条件异方差结构引入到现有的收益率非线性模型,发现该模型能更好地解释买卖出区间收益率与波动率模式,表明收益率动态过程中存在非线性特征。     

战略性新兴产业上市公司财务风险智能预警研究

本文以中国战略性新兴产业上市公司为研究对象,运用主成分分析(PCA)方法提取出对财务风险具有显著影响的特征指标,以此作为输入变量将粒子群算法(PSO)、遗传算法(GA)、网格搜索法(GS)分别与支持向量机(SVM)相结合构建财务风险预警模型,进而以样本集分类准确率和第一、二类错误率为标准对模型的可靠性进行对比研究。实证结果表明,PCA-PSO-SVM模型具有最为优越的学习能力与泛化推广能力,能够最为准确地预测财务风险,从而为我国监管机构和企业管理层提供可操作性的应用工具与方法。     

基于分形理论的原油期货高频交易风险测度研究

为了捕捉原油期货高频波动规律,采用WTI原油期货五分钟数据,基于分形理论分别构建GED分布和Skew-t分布的FIGARCH、FIAPARCH和HYGARCH模型,分析其波动特征并对风险进行测度。结果显示：三种模型均较好地刻画出WTI原油期货波动的长记忆特征;基于Skew-t分布的HYGARCH模型在度量原油期货高频交易风险时尤为精确;多头与空头头寸的VaR呈现非对称性;套期保值者或高频交易者可依据模型预测波动率,防止短期波动率过大导致保证金不足而被强制平仓。高频交易在提高市场流动性和拓宽市场深度方面具有一定的作用,因此,在风险可控的条件下,政府应该鼓励高频交易,促进我国衍生品市场繁荣发展,并增强衍生品市场稳定性和国际竞争力。     

基于蚁群算法的财务风险预警模型构建——以纳斯达克上市公司A企业为例

企业财务风险预警研究一直是一个非常重要的课题传统的研究多是从企业基本面开展的,难以对企业的财务风险作出具体的量化分析。随着信息技术与人工智能的提出,从量化的角度对财务风险进行研究成为可能。本文运用企业财务风险评价理论,在分析企业财务指标的基础上,从理论和实证两个方面,提出了企业财务风险分析和预测的指标体系,据此构建了一种基于蚁群算法的财务风险预警模型,结合实际案例对上市公司的财务风险预警进行了研究。研究结果表明,基于蚁群算法的财务风险预警模型有效、可行,有助于企业财务风险的预警管理,提高财务管理水平。