1. 福州大学经济与管理学院, 福州 350116;2. 福建省金融科技创新重点实验室, 福州 350116; 3. 福建省企业发展研究中心, 福州 350116
出版日期:
2018-01-25发布日期:
2018-03-06Research on the Systemically Important Evaluation of Banks Based on Support Vector Machine
TANG Zhenpeng 1,2,3 ,HUANG Shuangshuang1 ,CHEN Weihong11. School of Economics and Management, Fuzhou University, Fuzhou 350116; 2. Fujian Province Key Laboratory for Financial Innovation of Science and Technology, Fuzhou 350116; 3. Fujian Province Center for Enterprise Development and Research, Fuzhou 350116
Online:
2018-01-25Published:
2018-03-06摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论
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, 得出的结论存在一定差异. 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.
分享此文: