论文部分内容阅读
区域金融风险防控（RFRP）无论在管理区域传统金融风险（TFR）还是坚守不发生区域金融系统风险（FSR）中都是不可或缺的。随着大数据规模的持续增长、金融风险形态变化的不确定性，传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临着无法克服的困境。当下，越来越多的机器学习（ML）模拟RFRP防控的新方法和新技术受到研究者的重视。首先提出了RFRP防控新的科学分类和ML观念基础；其次总结了区域TFR防控的ML理论方法和应用技术，对各类代表性研究所论述区域TFR防控的关键逻辑、模型算法、学习效果进行了比对解析，对ML不同方法的优点、局限和传统场景进行了归类分析；然后梳理了区域FSR防控的ML理论方法和应用研究，对各类典型文献所解析区域FSR防控的关键脉络、ML算法、学习效果进行了对比研究，对ML不同模型的优势、缺陷和金融风险场景进行了阐述研究；最后提出了六个ML模拟RFRP防控的前景技术和新兴方向。