论文部分内容阅读
自2007年以来，由美国次贷危机引发的全球金融危机已全面演化为全球经济危机，使全球经济受到沉重打击。如果在美国次贷危机爆发以前能够通过金融危机预警方法进行预警，就可能防患于未然，将美国次贷危机扼杀于摇篮之中。近些年金融危机预警受到学术界、各国政府和公众的极大重视。但是到目前为止国际几种经典的金融危机预警方法都是基于线性范式的，不符合金融危机形成的日益复杂的内在机理，因此预警精度难免不够理想。虽然作为非线性金融危机预警方法之一的、基于人工智能技术的人工神经网络方法已用于金融危机预警，但由于其天生的内在缺陷：容易陷入局部最优化及过度拟合，因而还有进一步改进的空间。支持向量机，又名高级神经网络，它能够弥补上述人工神经网络方法的缺陷，具有坚实的理论基础和良好的推广性能。因而本论文将支持向量机与金融危机预警方法结合起来，尝试建立一套基于支持向量机的金融危机预警方法体系。并且对我国金融风险进行了实证研究，运用人工神经网络方法及本文所提出的方法对我国金融风险进行了预警，样本内预警结果表明本文所提出的预警方法的预警精度高于人工神经网络方法。此外，本文还对我国金融风险隐患进行了阐述，并提出了对策。
本文的主要研究成果如下：
(1)论文将SVM与金融危机预警结合起来，鉴于金融危机预警过程中存在的先行指标个数过多、而SVM只适合有限样本的情况，本论文提出了基于粗糙集-SVM的金融危机预警方法。
(2)针对金融危机预警指标之间存在相关性和冗余性，且有过多金融危机先行预警指标时的情况，论文提出了基于PCA-RS-SVM的金融危机预警方法。
(3)针对金融危机预警先行指标与金融风险等级所组成的决策表有冲突规则和噪音时的情况，本论文提出了基于VPRS-SVM及基于PCA-VPRS-SVM的金融危机预警方法。
(4)本文还利用上述方法及人工神经网络方法对我国当前金融风险进行了实证研究，结果表明：①我国处于轻微等级的金融风险水平；②本论文所提出的金融风险预警方法的预警精度高于人工神经网络方法，与我们的理论分析一致。此外，国内外以往的金融危机预警方法主要是针对货币风险进行实证研究的，而本论文是针对混合金融风险进行预警的，这符合全球金融风险的发展趋势。
最后要说明的一点是：由于金融危机形成过程十分复杂，目前的金融危机预警方法还只具有理论意义，尚不能作为政府决策的依据。