农村合作金融机构运营预警系统构建

我国农村合作金融系统的经营运行长期处于高风险状态,整体经营状况无法利用单一经营指标予以评判,必须通过一套"金融预警系统"进行确认,即利用"金融预警系统"综合判定农村金融机构的营运等级.基于这一研究动机,本文运用人工神经网络方法,构建金融预警模型.在此基础上,利用H省Z市农村信用社资料检验BP神经网络金融预警模型的预测能力.如果检验结果良好,表明可以利用"金融预警系统"综合判定农村金融机构的营运等级.     

基于RBF神经网络下的股票价格指数预测分析——以深证信息技术行业指数为例

股票市场是一个极其复杂的非线性动态系统,在金融市场中占据着重要的地位。随着证券市场的不断发展与完善,投资者越来越重视股价指数的变化趋势。因此,利用相关模型预测行业价格指数趋势显得尤为重要。本文以深证信息技术行业指数为例,选用神经网络中比较经典的RBF(径向基)神经网络,使模型具有运算速度和外推能力,更具较强的非线性映射功能,从而较好的预测出该行业的未来一段时间的运行趋势,为投资决策提供依据。     

基于RBF神经网络下的股票价格指数预测分析——以深证信息技术行业指数为例

股票市场是一个极其复杂的非线性动态系统,在金融市场中占据着重要的地位。随着证券市场的不断发展与完善,投资者越来越重视股价指数的变化趋势。因此,利用相关模型预测行业价格指数趋势显得尤为重要。本文以深证信息技术行业指数为例,选用神经网络中比较经典的RBF(径向基)神经网络,使模型具有运算速度和外推能力,更具较强的非线性映射功能,从而较好的预测出该行业的未来一段时间的运行趋势,为投资决策提供依据。     

我国系统性金融风险预警研究——基于时变CRITIC赋权法和ADASYN-SVM方法北大核心CSSCI

为加强金融监管和维护金融稳定,系统性金融风险有效预警已成为金融监管部门风险防范的首要工作。本文选取了能够表征我国金融体系5个系统的16个特征指标,基于2005年1月—2021年6月的周频数据,运用改进的时变CRITIC赋权法合成了我国金融市场压力指数,据此对系统性金融风险进行识别,并回溯分析了风险成因。在此基础上,又运用自适应合成采样方法(ADASYN)对预警时所采用的非平衡样本进行处理,构建了基于四类不同核函数的ADASYN-SVM预警模型,来对我国系统性金融风险进行预警。实证结果表明:时变CRITIC赋权法能够充分反映各金融子系统之间的动态风险机制,既可避免在低压力期高估压力状态,又可实现在高压力期对压力状态的充分反映;债券市场压力往往是引起我国系统性金融压力的主要因素;需警惕外汇市场压力及外部冲击的影响;ADASYN-SVM预警模型具有很好的预警性能,不仅优于普通SVM模型,还优于基于BP神经网络和Logit的预警模型,是金融监管部门对系统性金融风险预警的有力工具。     

基于遗传算法的BP神经网络在权证定价中的应用

对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一.传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势.本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络.研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测.     

混沌意义下的金融风险:定义与判断依据

本文以杜芬模型为例对金融体系的动力学特征进行了分析,提出在混沌意义下系统金融风险是指金融系统运行状态的失衡与无序,将系统风险存在问题与金融体系是否处在混沌状态统一起来,为判断系统金融风险的存在以及判定金融系统风险向金融危机演化临界值问题提供进一步研究的基础。并根据金融系统所表现出来的非线性动力学特征,提出用李雅普诺夫指数作为系统金融风险存在的判据。     

资本市场系统风险:预警模型及其应用

在对常用预警技术进行回顾并构建预警指标体系的基础上,综合已有模型的优势,本文构建了一个基于各指标对应序列平稳性检验和神经网络的外推预测式系统风险预警模型.运用该模型对我国资本市场系统风险状态的实证预警研究表明,此模型性能稳定且精度较高,具有较好的应用前景.     

中国宏观金融风险预警系统构建研究

宏观金融系统的安全运行关系到整个国家和社会的稳定,构建行之有效的风险预警系统可以对宏观金融风险的发生"防患于未然".本文从三方面建立完整的金融预警系统:通过国内外文献综述选择预警指标,利用主成分分析法和历史数据判断金融风险程度,以及应用BP神经网络设计金融风险预警机制,并对2010年的金融风险进行预测,预测的结果显示总体金融运行安全,但我国宏观经济子系统和外部金融子系统存在一定的不安全因素.     

神经网络在股票价格预测中的应用——基于三种网络的比较分析

股票价格受到社会经济等多方面因素的影响,价格变化大,具有非线性和不稳定的特征,采用传统的线性模型难以准确的预测。本文采用BP、RBF神经网络,以及GABP神经网络进行股票价格预测,比较分析了三种方法的预测精度。实证结果表明,神经网络能够较好地对股票价格进行预测,其中GABP网络比传统的BP和RBF网络有更好的全局收敛性及更高的预测精度。     

神经网络在股票价格预测中的应用——基于三种网络的比较分析

股票价格受到社会经济等多方面因素的影响,价格变化大,具有非线性和不稳定的特征,采用传统的线性模型难以准确的预测。本文采用BP、RBF神经网络,以及GABP神经网络进行股票价格预测,比较分析了三种方法的预测精度。实证结果表明,神经网络能够较好地对股票价格进行预测,其中GABP网络比传统的BP和RBF网络有更好的全局收敛性及更高的预测精度。