杠杆率调整背景下我国商业银行流动性监测指标评价——基于深度前馈网络

论文摘要

本文分别以我国国有控股商业银行和股份制商业银行作为研究对象,深入探讨流动性监测指标选取和评价算法的有效性和阶段性,解释不同类型银行背景下是否具有显著差异,分析杠杆率调整进程中的变化。基于深度前馈网络的学习结果表明:(1)LM优化算法比GA优化算法更具适用性和准确性;(2)在国有控股商业银行中,学习效果较好的指标组为存贷比和不良贷款率,在股份制商业银行中为存贷比和存款结构比率;(3)随着我国杠杆率调整进程的深入,不同性质商业银行流动性监测指标评价算法和指标构成的有效性具有稳定性,但指标效力有所改变,银行间信贷业务交互作用对流动性的影响力在杠杆率调整进程中日趋提升。

论文目录

• 1 引言
• 2 模型构建与数据描述
•   2.1 建模思路与算法原理
•   2.2 指标选取
•     2.2.1 输入变量
•     2.2.2 输出变量
•     2.2.3 杠杆率变化作为外部环境的影响
•   2.3 数据来源与样本区间
• 3 学习结果与分析
•   3.1 杠杆率调整阶段划分的断点确认
•   3.2 网络结构
•   3.3 神经网络训练与算法性能比较
•   3.4 杠杆率调整进程中商业银行流动性监测指标评价
• 4 结论与启示

文章来源

类型: 期刊论文

作者: 温博慧,苟尚德,张柏然

关键词: 商业银行流动性监测,深度前馈网络,算法

来源: 预测 2019年06期

年度: 2019

分类: 经济与管理科学,信息科技

专业: 自动化技术,金融

单位: 天津财经大学金融学院

基金: 教育部人文社会科学研究规划资助项目(16YJAZH060),国家社会科学基金重大资助项目(17ZDA100),中国博士后科学基金资助项目第10批特别资助项目(2017T100154),天津市高等学校创新团队资助项目(TD13-5063)

分类号: TP18;F832.33

页码: 59-66

总页数: 8

文件大小: 313K

下载量: 269