面向多源异构数据基于改进RandomSubspace的金融风险预测研究

论文摘要

随着我国金融行业改革的不断深化,以P2P网贷、众筹、第三方支付等为代表的互联网金融模式不断普及,促进了企业发展,提升了金融市场效率。然而,开放的互联网环境下,激烈的市场竞争和迅速变化的市场环境等因素使得金融市场主体面临更为严峻的来自金融风险的挑战。金融风险预测能够为金融市场主体提供有效、及时的预警信息和决策支持,从而在一定程度上帮助其避免或减少财务损失。因此,如何对互联网环境下的金融风险进行准确预测成为近年来学术界和产业界瞩目的焦点。目前,已经有大量研究者对金融风险进行了相关研究,并提出了一系列金融风险预测方法。然而,这些方法大多是基于单一数据源对金融风险进行预测,其预测准确率有限,且针对不同的预测场景,其预测效果也不一而足。近期,有少数研究者开始尝试利用多源数据进行金融风险预测,他们将获得的多源数据进行简单叠加后加以使用,而忽略了数据原本的多源、异构、相互冗余等特性,致使预测效果的提升并不明显。为此,本研究构建了基于多源异构数据自适应融合的金融风险预测方法,对来自不同数据源、不同数据分布的信息进行自适应融合,从而达到对预测信息充分利用、极大限度地提升预测效果的目的。首先,本研究在对金融风险预测的研究现状进行系统梳理和总结后,针对现有研究中存在的问题与不足,分别从面向传统的企业金融风险预测和面向个人的金融风险预测两个角度出发,构建了基于加权融合自适应随机子空间的金融风险预测方法WFAIB_RS以及基于两阶段自适应融合随机子空间的金融风险预测方法TSAIB_RS。接着,本研究利用抓取和收集的中国上市公司相关数据与中国P2P借贷市场的个人借贷相关数据分别对WFAIB_RS方法和TSAIB_RS方法进行了验证。实验结果表明,上述两方法在各自的金融风险预测应用场景中均取得了较好的预测效果,从而验证了其在金融风险预测中的可行性与有效性。一方面,本研究对金融风险预测问题的相关理论进行了系统梳理,并分析了来自不同信息源、不同结构、不同时间面板的数据对金融风险预测的影响,为利用多源异构数据进行金融风险预测提供了一定的理论基础;另一方面,本研究创新性地分别面向金融市场主体中的企业和个人提出了基于多源异构数据自适应融合的金融风险预测方法,为大数据时代多源异构数据在金融风险管理领域中的应用提供了指导,同时也为进一步突破现有金融风险预测效果提供了新的途径。

论文目录

• 致谢
• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景和意义
•     1.1.1 研究背景
•     1.1.2 研究意义
•   1.2 国内外研究现状
•     1.2.1 金融风险预测中的特征提取
•     1.2.2 金融风险预测中的模型构建
•   1.3 研究目标和研究内容
•     1.3.1 研究目标
•     1.3.2 研究内容
•   1.4 研究方法与技术路线图
•     1.4.1 研究方法
•     1.4.2 技术路线图
•   1.5 本文的组织结构
• 第二章 金融风险预测和集成学习的基础理论研究
•   2.1 金融风险预测基础理论研究
•     2.1.1 金融风险概述
•     2.1.2 金融风险的管理
•     2.1.3 基于统计学的金融风险预测方法
•     2.1.4 基于机器学习的金融风险预测方法
•   2.2 集成学习
•     2.2.1 集成学习概述
•     2.2.2 集成学习的有效性分析
•     2.2.3 集成学习的合成策略
•     2.2.4 集成学习的主要方法
•   2.3 小结
• 第三章 融合多源异构数据面向上市公司的金融风险预测方法研究
•   3.1 研究问题描述
• RS'>  3.2 基于加权融合自适应随机子空间的金融风险预测方法WFAIB_RS
•     3.2.1 问题形式化定义
•     3.2.2 数据获取与处理
•     3.2.3 面向上市公司的金融风险预测特征提取与构建
•     3.2.4 基于加权融合自适应随机子空间的金融风险预测模型构建
• RS算法描述'>    3.2.5 WFAIB_RS算法描述
•   3.3 实验设计
•     3.3.1 数据集
•     3.3.2 模型评价指标
•     3.3.3 对比方法
•     3.3.4 实验流程
•   3.4 结果分析与讨论
•     3.4.1 实验结果
•     3.4.2 分析与讨论
•   3.5 小结
• 第四章 融合多源异构数据面向个人借贷者的金融风险预测方法研究
•   4.1 研究问题描述
• RS'>  4.2 基于两阶段自适应融合随机子空间的金融风险预测方法TSAIB_RS
•     4.2.1 问题形式化定义
•     4.2.2 数据获取与处理
•     4.2.3 面向个人借贷者的金融风险预测特征提取与构建
•     4.2.4 基于两阶段自适应融合随机子空间的金融风险预测模型构建
• RS算法描述'>    4.2.5 TSAIB_RS算法描述
•   4.3 实验设计
•     4.3.1 数据集
•     4.3.2 模型评价指标
•     4.3.3 对比方法
•     4.3.4 实验流程
•   4.4 结果分析与讨论
•     4.4.1 实验结果
•     4.4.2 分析与讨论
•   4.5 小结
• 第五章 总结与展望
•   5.1 主要贡献与创新点
•   5.2 研究展望
• 参考文献
• 攻读硕士学位期间的学术活动及成果情况

文章来源

类型: 硕士论文

作者: 陈刚

导师: 王刚

关键词: 金融风险预测,多源异构数据,自适应融合,正则化稀疏,集成学习

来源: 合肥工业大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,贸易经济,金融

单位: 合肥工业大学

分类号: F224;F832.4;F724.6

总页数: 87

文件大小: 6635K

下载量: 116