基于多源异构数据的涉众型金融风险监测识别研究

涉众型金融风险是金融风险中社会危害较大的风险之一,如何对涉众型金融风险进行有效识别、切实维护金融安全,是金融风险防范领域的核心。在涉众型金融风险防范领域,对主体多源异构数据的信息提取及数据模型的结合至关重要。文章通过对过往相关案例进行研究,结合企业涉众型金融风险识别业务积累,构建涉众型金融风险指标体系,采用Borderline-SMOTE对训练集不平衡样本进行处理,并使用XGBoost算法进行建模。结果表明,该指标体系能有效提取主体涉众型金融风险信息。同时,经过Borderline-SMOTE处理后的训练集能有效提高模型对涉众型金融风险企业的识别能力。