标题
  • 标题
  • 作者
  • 关键词

互联网金融空间聚集分析及系统性风险防范——基于t-SNE机器学习模型

2019-08-10分类号:F832;F724.6

【作者】米传民  徐润捷  陶静  
【部门】南京航空航天大学经济与管理学院  
【摘要】互联网金融同传统金融具有不同的空间聚集特征。互联网金融在带来金融开放、门槛降低、效率提升、成本下降的同时,也给互联网金融体系、乃至整个金融系统带来风险新问题。大量研究表明互联网金融在宏观经济冲击、内部脆弱性等影响下,往往具有与以往不同的系统性金融风险特征。本文利用北京大学的31个省和335个地市区域的互联网金融发展指数有关数据,运用t-SNE机器学习模型进行我国互联网金融发展的降维和聚类分析,得到我国互联网金融空间聚集和不同业务模式发展的分布特征,发现在区域发展程度上存在尖峰厚尾,在业务模式上存在不均衡现象。基于此,提出了考虑互联网金融发展区域差异造成的三方面系统性风险,并为防范互联网金融系统性风险提出建议。
【关键词】互联网金融  系统性风险  降维聚类  t-SNE算法
【基金】国家社会科学基金资助项目(17BGL055)
【所属期刊栏目】财经论丛
文献传递