隨著我國金融行業(yè)改革的不斷深化,以P2P網(wǎng)貸、眾籌、第三方支付等為代表的互聯(lián)網(wǎng)金融模式不斷普及,促進了企業(yè)發(fā)展,提升了金融市場效率。然而,開放的互聯(lián)網(wǎng)環(huán)境下,激烈的市場競爭和迅速變化的市場環(huán)境等因素使得金融市場主體面臨更為嚴峻的來自金融風險的挑戰(zhàn)。金融風險預測能夠為金融市場主體提供有效、及時的預警信息和決策支持,從而在一定程度上幫助其避免或減少財務損失。因此,如何對互聯(lián)網(wǎng)環(huán)境下的金融風險進行準確預測成為近年來學術界和產(chǎn)業(yè)界矚目的焦點。目前,已經(jīng)有大量研究者對金融風險進行了相關研究,并提出了一系列金融風險預測方法。然而,這些方法大多是基于單一數(shù)據(jù)源對金融風險進行預測,其預測準確率有限,且針對不同的預測場景,其預測效果也不一而足。近期,有少數(shù)研究者開始嘗試利用多源數(shù)據(jù)進行金融風險預測,他們將獲得的多源數(shù)據(jù)進行簡單疊加后加以使用,而忽略了數(shù)據(jù)原本的多源、異構、相互冗余等特性,致使預測效果的提升并不明顯。為此,本研究構建了基于多源異構數(shù)據(jù)自適應融合的金融風險預測方法,對來自不同數(shù)據(jù)源、不同數(shù)據(jù)分布的信息進行自適應融合,從而達到對預測信息充分利用、極大限度地提升預測效果的目的。首先,本研究在對金融風險預測的研究現(xiàn)狀進行系統(tǒng)梳理和總結后,針對現(xiàn)有研究中存在的問題與不足,分別從面向傳統(tǒng)的企業(yè)金融風險預測和面向個人的金融風險預測兩個角度出發(fā),構建了基于加權融合自適應隨機子空間的金融風險預測方法WFAIB_RS以及基于兩階段自適應融合隨機子空間的金融風險預測方法TSAIB_RS。接著,本研究利用抓取和收集的中國上市公司相關數(shù)據(jù)與中國P2P借貸市場的個人借貸相關數(shù)據(jù)分別對WFAIB_RS方法和TSAIB_RS方法進行了驗證。實驗結果表明,上述兩方法在各自的金融風險預測應用場景中均取得了較好的預測效果,從而驗證了其在金融風險預測中的可行性與有效性。一方面,本研究對金融風險預測問題的相關理論進行了系統(tǒng)梳理,并分析了來自不同信息源、不同結構、不同時間面板的數(shù)據(jù)對金融風險預測的影響,為利用多源異構數(shù)據(jù)進行金融風險預測提供了一定的理論基礎;另一方面,本研究創(chuàng)新性地分別面向金融市場主體中的企業(yè)和個人提出了基于多源異構數(shù)據(jù)自適應融合的金融風險預測方法,為大數(shù)據(jù)時代多源異構數(shù)據(jù)在金融風險管理領域中的應用提供了指導,同時也為進一步突破現(xiàn)有金融風險預測效果提供了新的途徑。
【學位單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F224;F832.4;F724.6
【部分圖文】：

可以求得特征的權*1( )T Tw X X X y 數(shù)估計得到的最優(yōu)解不唯實現(xiàn)且擁有較強的可解釋實的學習任務中，線性模型模型進行回歸可能會取得對數(shù)幾率函數(shù)對數(shù)據(jù)在非數(shù)，它能夠將輸入數(shù)據(jù)轉假設輸入數(shù)據(jù)集為 D，D Sigmoid 函數(shù)后的回歸模( b)11Tiiye w x

特征進行預測的合理性。（2）不同方法對預測結果的影響為了驗證所提方法 WFAIB_RS 自適應融合多源特征的有效性，本節(jié)對不同方法的預測 AUC 結果進行了對比分析，AUC 結果對比如圖 3.8 至 3.10 所示。

Fig 3.9 Methods comparisons under time span T-4其次，可以看出，非均衡方法的使用對預測效果的提升起到了促進作用。OS和 SMOTE 方法在情感特征集上的表現(xiàn)較好，在 F2 下相比于 SVM 方法，SMOTE方法的 AUC 提高了 18.83%（T-3），SMOTE 方法的 AUC 提高了 28.69%（T-4），OS 方法的 AUC 提高了 25.16%（T-5）。這些方法對 F2 的提高之所以如此明顯，可
【相似文獻】

相關期刊論文 前10條

1 黃顯貴;;效用函數(shù)在工程成本風險預測中的構建[J];重慶交通大學學報(自然科學版);2007年05期

2 鄧國光;“重大操作風險預測”制度好[J];安全生產(chǎn)與監(jiān)督;2005年03期

3 朱時全;運行工作中的風險預測[J];電力安全技術;2001年02期

4 湯中明;再談貸款風險預測[J];中國城市金融;1988年06期

5 王亞欣;;風險預測在投資方造價管理中的作用[J];住宅與房地產(chǎn);2017年36期

6 胡典雄;易繼紅;;復雜環(huán)境下高架公路關鍵性風險預測方法[J];計算機仿真;2018年07期

7 劉貴增;;水利水電施工企業(yè)風險預測[J];水科學與工程技術;2006年S2期

8 白輝,鈔彩云;加強風險預測 減少決策失誤[J];焦作大學學報;2003年03期

9 傅加寧,孫伯軒;人保系統(tǒng)2000年問題風險預測[J];中國金融電腦;1999年09期

10 董海亮;;基于圖像的小范圍船舶交叉碰撞風險預測[J];艦船科學技術;2018年14期

相關博士學位論文 前10條

1 席少枝;行PCI治療的急性冠狀動脈綜合征患者出血風險預測的相關臨床研究[D];中國人民解放軍醫(yī)學院;2018年

2 葉成蔭;復雜性狀遺傳風險預測的統(tǒng)計方法研究[D];浙江大學;2011年

3 劉昆;發(fā)熱伴血小板減少綜合征流行病學特征和傳播風險預測研究[D];中國人民解放軍軍事醫(yī)學科學院;2015年

4 王平濤;基于連續(xù)時間貝葉斯網(wǎng)絡的可信軟件風險預測研究[D];南京大學;2012年

5 張冬;冠狀動脈分叉病變介入治療中分支血管閉塞危險因素和風險評估的研究[D];北京協(xié)和醫(yī)學院;2016年

6 白一帆;成人心臟瓣膜病外科治療20年回顧及危險因素變遷[D];第二軍醫(yī)大學;2012年

7 常江;中國人群食管癌風險預測模型研究及全基因組關聯(lián)研究數(shù)據(jù)挖掘[D];北京協(xié)和醫(yī)學院;2014年

8 李潤求;煤礦瓦斯爆炸災害風險模式識別與預警研究[D];中南大學;2013年

9 張晨琛;高速公路網(wǎng)風險評估理論[D];北京交通大學;2014年

10 祝曉亮;我國社會穩(wěn)定風險評估問題研究[D];華中師范大學;2014年

相關碩士學位論文 前10條

1 陳剛;面向多源異構數(shù)據(jù)基于改進RandomSubspace的金融風險預測研究[D];合肥工業(yè)大學;2019年

2 李夢;基于灰色理論的電力綜合數(shù)據(jù)網(wǎng)風險預測與控制機制[D];北京郵電大學;2019年

3 張帥;基于互聯(lián)網(wǎng)文本的P2P平臺風險預測研究與實現(xiàn)[D];北京郵電大學;2019年

4 張炎;基于深度學習的下一代車車通信列控系統(tǒng)安全風險預測[D];華東師范大學;2019年

5 趙浩男;基于不完備醫(yī)療數(shù)據(jù)的疾病風險預測研究[D];東北師范大學;2019年

6 苗豐順;社區(qū)居民糖尿病風險預測系統(tǒng)的設計與實現(xiàn)[D];中國科學院大學(中國科學院沈陽計算技術研究所);2019年

7 王雪;細菌性痢疾發(fā)病的時空聚集分析及風險預測[D];重慶醫(yī)科大學;2018年

8 黃司翰;基于小波聚類算法的中國金融風險預測[D];湖南大學;2016年

9 榮昊;外泌體miRNA-21對NSCLC風險預測價值的研究[D];河南中醫(yī)藥大學;2018年

10 鄭雅夢;基于VPIN模型的指數(shù)期貨合約高頻交易風險預測研究[D];南京航空航天大學;2018年

本文編號：2879095