机器学习视角下商业银行客户信用风险评估研究

有效把控信贷风险是商业银行稳健运行的关键环节。本文从商业银行客户信贷数据出发,运用非平衡样本处理算法使少数类样本信息得到平衡,并通过机器学习分类器挖掘影响客户违约的重要风险因子,最后构建Logistic模型计算违约概率。研究发现:第一,客户忠诚度是重要因子,忠诚度越高,客户违约概率越低;第二,客户历史信贷数据价值高,是事前风险控制中的重要参考依据;第三,信贷合同特征是影响客户违约的另一重要维度,包括合同期限和合同利率。研究结论可以为银行授信、风险预警和防范违约风险提供理论参考和实践指导。     

机器学习下数字经济的运行困境及制度应对

"十四五"规划明确要求促进数字经济发展,而机器学习是数字经济发展的关键。然而,机器学习下数字经济发展仍面临技术层面的隐私风险、经济层面的高额成本、社会层面的信任危机等诸多困境。应当明确,数字经济发展不仅需要科技的"硬件"支撑,更需制度的"软件"完善,而健全的法律制度是数字经济发展的根本保障。因此,为应对数字经济发展困境,需加强制度的顶层设计,明确重构模式与技术中立、协同治理原则,并健全具体的激励与约束措施,以实现数字经济的可持续发展。     

人工智能技术在私募股权投资行业的应用与发展

纵观金融业发展趋势,数字化转型已经成为金融机构业务创新和运营优化的重要“引擎”。作为计算机科学的一个重要分支,人工智能技术在金融业的应用进一步推动了生产要素的重新配置,降低了金融交易成本,减少了信息不对称,增强了规模经济效应,已经成为私募股权投资行业向智能化发展、为客户提供智能投资服务的关键推动力。未来,随着私募股权投资行业数字化转型的深入,我国私募股权投资机构将借助人工智能技术,提供更加普惠、高效、便捷的股权投资服务。本文首先梳理人工智能技术在私募股权投资行业的应用现状;其次,分析我国私募股权投资行业发展过程中存在的痛点问题;最后,从私募股权投资行业“募、投、管、退”全业务流程来探讨人工智能技术的应用场景与解决方案。     

中国家庭债务风险测度及其预警研究

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。     

基于K-Means聚类算法的碳排放审计预警研究

随着我国碳达峰碳中和目标的提出,碳排放审计深受关注。2022年“3·15”国际消费者权益日,国内首批碳排放数据造假案例浮出水面。我国高度重视碳排放数据造假问题,把打击数据造假、加强数据监管作为一项重要政治任务。为积极响应国家绿色低碳相关政策,改善碳排放工作中的相关问题,本文进行了如下研究：基于机器学习中无监督学习方法——K-Means聚类算法为企业构建碳排放审计预警模型,通过识别偏离的异常点,判定企业是否存在碳排放风险;并以我国重点钢铁企业为例进行了仿真;最后针对企业数据管理以及审计人员专业能力提出了两方面的保障措施,确保预警模型能够行之有效。     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

基于案例学习的知识管理系统

简单了介绍知识管理的特点以及知识管理系统具有的功能,说明将基于案例的推理技术(CBR)和其它机器学习技术结合起来应用于知识管理系统的必要性和有效性,并在此基础上提出一种基于案例学习的知识管理系统的实现框架。     

宏观经济不确定性测度研究——基于GA-SVR模型

文章详细分析了国内外对经济不确定性的测度方法,首次将机器学习的思想用于不确定性测度,利用基于遗传算法的支持向量回归(GA-SVR)模型,使用47个宏观经济变量和25个金融市场变量的月度数据,测度了我国2005年1月至2020年6月的宏观经济不确定性.实证分析结果显示:该方法对宏观经济不确定性的测度结果稳定,与实际经济运...     

支持向量机在中国A股市场量化策略应用研究--基于Fama-Fench三因子模型

如何将机器学习方法应用于金融投资领域,一直是学术界和金融界热门的研究话题。本文将机器学习中的支持向量机方法结合Fama-Fench三因子模型,构建了新的量化投资策略,并利用A股进行了实证分析。研究表明,将支持向量机结合传统的三因子模型可以构建更加有效的投资组合。