隨著債券市場(chǎng)信用風(fēng)險(xiǎn)爆發(fā),近年來(lái)債券違約事件頻頻發(fā)生。以客觀數(shù)據(jù)為基礎(chǔ),采用計(jì)算機(jī)相關(guān)技術(shù)進(jìn)行違約預(yù)測(cè),對(duì)于債券投資者以及從業(yè)人員有著重要的意義。在債券違約問(wèn)題中使用較多的傳統(tǒng)金融模型主要針對(duì)發(fā)債主體為上市公司的債券進(jìn)行分析預(yù)測(cè),對(duì)大量非上市公司的債券缺乏預(yù)警能力。同時(shí),在債券數(shù)據(jù)中存在眾多的關(guān)系數(shù)據(jù)以及類(lèi)別數(shù)據(jù),如何合理利用這些數(shù)據(jù)對(duì)債券違約進(jìn)行預(yù)測(cè)具有重要意義。因此,本課題利用債券及發(fā)行人公開(kāi)的多源信息以及宏觀經(jīng)濟(jì)數(shù)據(jù),使用知識(shí)圖譜及深度學(xué)習(xí)技術(shù)進(jìn)行債券違約預(yù)測(cè)。在構(gòu)建債券知識(shí)圖譜的基礎(chǔ)上,使用知識(shí)表示學(xué)習(xí)技術(shù)對(duì)知識(shí)圖譜中的知識(shí)進(jìn)行向量化表示,并將這些提取到的向量作為一部分特征輸入到深度學(xué)習(xí)模型中,對(duì)債券進(jìn)行違約預(yù)測(cè)。本文主要研究?jī)?nèi)容包括以下方面:債券信息的獲取及預(yù)處理。債券違約的影響因素眾多,本文主要利用債券及發(fā)行人的公開(kāi)信息以及宏觀經(jīng)濟(jì)數(shù)據(jù)進(jìn)行違約預(yù)測(cè)。通過(guò)數(shù)據(jù)供應(yīng)商的API接口以及網(wǎng)絡(luò)爬蟲(chóng),獲取到債券的相關(guān)信息。對(duì)債券進(jìn)行篩選,并對(duì)數(shù)據(jù)進(jìn)行清洗及預(yù)處理,為后續(xù)構(gòu)建債券知識(shí)圖譜和違約預(yù)測(cè)提供準(zhǔn)確的數(shù)據(jù)保障。債券知識(shí)圖譜的構(gòu)建以及基于知識(shí)表示學(xué)習(xí)的知識(shí)向量化表示。針對(duì)債券信息包含... 

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀及分析
        1.2.1 違約預(yù)測(cè)研究現(xiàn)狀
        1.2.2 知識(shí)表示算法研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文章節(jié)安排
第2章 債券知識(shí)獲取及預(yù)處理
    2.1 引言
    2.2 債券品種篩選及相關(guān)數(shù)據(jù)獲取
    2.3 債券數(shù)據(jù)預(yù)處理
    2.4 本章小結(jié)
第3章 債券知識(shí)圖譜的表示學(xué)習(xí)
    3.1 引言
    3.2 詞向量空間模型
    3.3 知識(shí)表示學(xué)習(xí)模型
        3.3.1 TransE模型
        3.3.2 TransH模型
        3.3.3 TransR模型
    3.4 債券知識(shí)圖譜的知識(shí)向量表示
        3.4.1 債券知識(shí)圖譜構(gòu)建
        3.4.2 知識(shí)向量表示
    3.5 本章小結(jié)
第4章 基于DEEPFM-KG模型的債券違約預(yù)測(cè)
    4.1 引言
    4.2 深度學(xué)習(xí)模型
        4.2.1 FM算法
        4.2.2 DeepFM算法
    4.3 債券違約預(yù)測(cè)模型構(gòu)建
        4.3.1 訓(xùn)練輸入及輸出
        4.3.2 DNN網(wǎng)絡(luò)設(shè)計(jì)
        4.3.3 模型訓(xùn)練方法優(yōu)化
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 實(shí)驗(yàn)環(huán)境及評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)數(shù)據(jù)
        4.4.3 特征分析
        4.4.4 實(shí)驗(yàn)設(shè)置及結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的債券違約分析[J]. 胡蝶.  當(dāng)代經(jīng)濟(jì). 2018(03)
[2]中國(guó)債券市場(chǎng)信用違約風(fēng)險(xiǎn)的成因分析[J]. 任婉馨.  清華金融評(píng)論. 2016(10)
[3]知識(shí)圖譜技術(shù)綜述[J]. 徐增林,盛泳潘,賀麗榮,王雅芳.  電子科技大學(xué)學(xué)報(bào). 2016(04)
[4]評(píng)級(jí)機(jī)構(gòu)競(jìng)爭(zhēng)、聲譽(yù)與債券信用評(píng)級(jí)質(zhì)量[J]. 邢天才,詹明君,王文鋼.  財(cái)經(jīng)問(wèn)題研究. 2016(06)
[5]知識(shí)圖譜構(gòu)建技術(shù)綜述[J]. 劉嶠,李楊,段宏,劉瑤,秦志光.  計(jì)算機(jī)研究與發(fā)展. 2016(03)
[6]知識(shí)表示學(xué)習(xí)研究進(jìn)展[J]. 劉知遠(yuǎn),孫茂松,林衍凱,謝若冰.  計(jì)算機(jī)研究與發(fā)展. 2016(02)
[7]信用風(fēng)險(xiǎn)度量、債券違約預(yù)測(cè)與結(jié)構(gòu)化模型擴(kuò)展[J]. 楊世偉,李錦成.  證券市場(chǎng)導(dǎo)報(bào). 2015(10)
[8]基于KMV模型的制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 曾詩(shī)鴻,王芳.  預(yù)測(cè). 2013(02)
[9]基于支持向量機(jī)理論的中小企業(yè)信用風(fēng)險(xiǎn)預(yù)測(cè)研究[J]. 沈沛龍,周浩.  國(guó)際金融研究. 2010(08)
[10]基于Logistic回歸分析的違約概率預(yù)測(cè)研究[J]. 于立勇,詹捷輝.  財(cái)經(jīng)研究. 2004(09)

博士論文
[1]基于多種數(shù)據(jù)源的中文知識(shí)圖譜構(gòu)建方法研究[D]. 胡芳槐.華東理工大學(xué) 2015

碩士論文
[1]債券違約風(fēng)險(xiǎn)因素及預(yù)警研究[D]. 童欣悅.浙江大學(xué) 2018
[2]基于KMV-LOGIT混合模型的信用債券違約風(fēng)險(xiǎn)度量與實(shí)證研究[D]. 魏國(guó)健.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[3]我國(guó)上市公司債券違約風(fēng)險(xiǎn)分析與度量[D]. 洪小榮.東北財(cái)經(jīng)大學(xué) 2016



本文編號(hào)：3694864