标题
  • 标题
  • 作者
  • 关键词

基于机器学习的“一带一路”投资国别风险预测研究

2024-07-01分类号:F125;TP181

【作者】向鹏成   高天   段旭   李东
【部门】重庆大学管理科学与房地产学院  重庆大学可持续建设国际研究中心  重庆大学建设经济与管理研究中心  
【摘要】“一带一路”倡议提出十年间,中国对沿线国家的投资规模持续扩大。然而,企业在抓住机遇,进行“一带一路”沿线国家投资的同时,也需要重点关注“一带一路”投资国别风险。本文从政治、经济、社会和对华关系4个维度构建“一带一路”投资国别风险预测指标体系;运用灰色关联分析计算样本国家的综合风险评价值;基于2012~2022年间“一带一路”沿线国家的数据,利用机器学习构建GA-BP神经网络、支持向量回归和随机森林3种预测模型;通过对比预测精度,确定最佳预测模型,利用2021年的指标数据,对2022年的投资国别风险进行预测。研究结果表明:(1)在“一带一路”投资国别风险的研究背景下,支持向量回归模型预测效果最优,证明机器学习模型能够有效应用于风险管理领域;(2)“一带一路”投资国别风险存在明显的地区差异,中东欧地区和东南亚地区投资国别风险普遍较低,而南亚地区投资国别风险普遍较高,但都存在特例。本文研究结果可为“走出去”企业在“一带一路”沿线国家的投资决策提供参考。
【关键词】“一带一路”投资  国别风险  机器学习  风险预测  GA-BP神经网络  支持向量回归  随机森林  地区差异
【基金】中央高校基本科研业务费资助(项目编号:2022CDJSKPT25)
【所属期刊栏目】工业技术经济
文献传递