基于机器学习的中国系统性金融风险测算及影响因素研究

作     者：徐永 Xu Yong

作者机构：上海社会科学院世界经济研究所 

出 版 物：《金融发展评论》 (Financial Development Review)

年 卷 期：2023年第10期

页      面：44-61页

学科分类：02[经济学] 0202[经济学-应用经济学] 020204[经济学-金融学（含∶保险学）] 

主　　题：系统性金融风险 大数据 机器学习 

摘      要：系统性金融风险关系我国金融稳定和经济安全,提升系统性金融风险监测分析能力是金融工作关键。本文利用宏观、行业等多种测度指标,采用主成分分析方法自上而下构建系统性金融风险指数,选取逻辑回归、随机森林、神经网络等多种机器学习方法进行有监督学习比较预测,识别出影响中国系统性金融风险指数的房地产固定资产投资、信用风险利差、货币供应等指标,并采用TVP-VAR模型分析主要指标对系统性金融风险的冲击影响。研究表明:集成学习和深度学习,相比单一机器学习模型的测算准确率更高,但模型泛化能力较弱;货币供应指标的长短期影响差异逐步收敛,货币供应短期波动冲击有限;信用利差变化的冲击影响越来越大,房地产投资指标冲击的结构性特征明显。有必要进一步扩展大数据方法在防范系统性金融风险中的应用,提升货币政策调控预判性,优化公司债券融资环境,动态把握房地产市场供求变化和政策调控节奏,维护金融稳定和经济健康发展。