基于支持向量机的银行系统重要性评估研究

• 作者: 唐振鹏 陈尾虹 黄双双
• 来源期刊: 系统科学与数学
• 关键词: 系统重要性银行 系统性风险 支持向量机 粒子群优化算法 Copula-CoVaR
• 年，卷（期）: 2018,（1）
• 页码范围: 57-77
• 页数: 21页
• 语种: 中文

摘要

系统重要性银行是构成全球业务链的连接点,对各国各项业务的顺利进行起到不可或缺的作用,所以当其发生危机时,会直接对全球范围内的金融机构造成负面影响.学术界对如何识别中国系统重要性银行进行了很多有益尝试,由于研究方法或样本不同,得出的结论存在—定差异.有效识别此类银行是当前的热点议题.文章从系统重要性银行的度量数据出发,首先以各银行的财务报表数据和股票价格数据为研究样本.其次,在SVM-Copula集成系统基础上,利用粒子群优化算法对SVM寻找最优参数组合,进而提出了优于GARCH模型和核密度估计法的PSO-SVM边缘分布估计法.最后将PSO-SVM-Copula集成系统运用到CoVaR领域中.研究结果表明:PSO-SVM-Copula-CoVaR (PSCC)模型在系统重要性银行的评估上比仅使用单方面的数据更加合理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐振鹏	福州大学经济与管理学院	45	351	10.0	17.0
4	陈尾虹	福州大学经济与管理学院	5	22	2.0	4.0
11	黄双双	福州大学经济与管理学院	1	8	1.0	1.0