- 年份
- 2024(10494)
- 2023(15357)
- 2022(13176)
- 2021(12433)
- 2020(10365)
- 2019(24042)
- 2018(23465)
- 2017(46148)
- 2016(24376)
- 2015(27363)
- 2014(27185)
- 2013(26634)
- 2012(24095)
- 2011(21369)
- 2010(21221)
- 2009(19808)
- 2008(18194)
- 2007(15763)
- 2006(13508)
- 2005(11710)
- 学科
- 济(94527)
- 经济(94424)
- 业(71309)
- 管理(70939)
- 企(58916)
- 企业(58916)
- 方法(47629)
- 数学(42196)
- 数学方法(41672)
- 中国(30603)
- 融(29271)
- 金融(29269)
- 银(28090)
- 银行(28057)
- 财(26982)
- 行(26952)
- 农(24508)
- 业经(21382)
- 制(21100)
- 地方(19442)
- 务(18922)
- 财务(18850)
- 财务管理(18810)
- 学(18065)
- 企业财务(17940)
- 贸(17315)
- 贸易(17299)
- 易(16816)
- 理论(16784)
- 农业(16372)
- 机构
- 大学(335504)
- 学院(334231)
- 管理(138754)
- 济(136094)
- 经济(133194)
- 理学(120398)
- 理学院(119217)
- 管理学(117146)
- 管理学院(116552)
- 研究(104256)
- 中国(88055)
- 京(69310)
- 财(64638)
- 科学(62004)
- 财经(52705)
- 中心(51127)
- 所(49533)
- 农(48762)
- 经(48069)
- 业大(47869)
- 江(46468)
- 研究所(45158)
- 北京(43431)
- 经济学(41878)
- 范(40746)
- 师范(40369)
- 财经大学(39839)
- 州(38768)
- 院(38210)
- 农业(38075)
- 基金
- 项目(233916)
- 科学(185019)
- 基金(171982)
- 研究(171794)
- 家(148039)
- 国家(146830)
- 科学基金(128447)
- 社会(109109)
- 社会科(103580)
- 社会科学(103552)
- 基金项目(91708)
- 省(90311)
- 自然(84121)
- 自然科(82232)
- 自然科学(82213)
- 自然科学基金(80716)
- 教育(78784)
- 划(75613)
- 资助(71302)
- 编号(70157)
- 成果(54971)
- 部(51957)
- 重点(51430)
- 创(49039)
- 发(48756)
- 课题(46667)
- 创新(45743)
- 教育部(45364)
- 科研(45124)
- 国家社会(44812)
- 期刊
- 济(139489)
- 经济(139489)
- 研究(99039)
- 中国(58955)
- 管理(49370)
- 财(49320)
- 学报(48591)
- 融(46881)
- 金融(46881)
- 科学(45679)
- 农(43001)
- 大学(38083)
- 学学(36132)
- 教育(31443)
- 农业(29168)
- 技术(29100)
- 财经(25804)
- 业经(22769)
- 经济研究(22354)
- 经(21873)
- 理论(18473)
- 问题(17840)
- 实践(17017)
- 践(17017)
- 技术经济(15990)
- 图书(15368)
- 科技(14996)
- 商业(14750)
- 现代(14716)
- 业(14425)
共检索到481785条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 预测
[作者]
林宇 黄迅 徐凯
本文以上证综指和深证成指为研究对象,将随机欠采样(RU)、合成少数类过采样(SMOTE)与传统支持向量机(SVM)相结合,提出了一种改进的SVM模型——RU-SMOTE-SVM模型来预测我国金融市场极端风险,并与传统SVM、SMOTE-SVM、RU-SMOTE-NN和RU-SMOTE-DT进行比较。实证结果表明,RU-SMOTE-SVM既优于传统SVM模型,又比SMOTE-SVM具有更高的预测精度,同时还展示出比RU-SMOTE-NN和RU-SMOTE-DT更为优越的预测性能。
[期刊] 统计研究
[作者]
王鹏 黄迅
本文以沪深300指数(CSI300)长达11年的5分钟高频交易数据为研究样本,首先提出一种基于多分形特征的金融市场正常状态与关注状态的界定方法,并引入新型的支持向量机(SVM)人工智能模型,即孪生SVM(Twin-SVM)模型对多分形特征下的金融市场风险展开预警研究。实证结果表明:(1)我国新兴金融市场的价格波动具有显著的多分形特征;(2)基于多分形特征参数界定的正常与关注状态不仅准确,而且也具有明显的统计检验意义和明确的现实意义;(3)与传统SVM和BP神经网络(NN)相比,Twin-SVM不仅在预测精
[期刊] 会计之友
[作者]
徐凯 万春 肖华玮 韦淼 黄迅
文章以成都高新技术企业为研究对象,将RU与SMOTE两种不平衡处理方法相结合,构建新的不平衡样本处理技术RU-SMOTE,进而引入SVM人工智能技术对成都高新技术企业利润操纵行为进行研究。研究结果表明:基于RBF核函数的R U-SMOTE-SVM智能模型具有最优识别性能,能够准确有效地对成都高新技术企业的利润操纵行为进行识别。
关键词：
利润操纵 高新技术企业 识别研究
[期刊] 经济与管理研究
[作者]
刘玚 李政 刘浩杰
为有效监测与预警中国金融市场间极端风险溢出的方向与程度,本文基于MVMQ-CAViaR方法,结合中国2013—2017年银行间市场、债券市场与股票市场相关数据,分析各金融市场间的极端风险传递过程。实证结果显示,股票市场与债券市场对银行间市场产生显著的单向极端风险溢出效应,而银行间市场对另外两个市场无极端风险传递效果,这表明股票市场与债券市场的极端风险向银行间市场的传递过程具有不可逆性。从风险传递的强度来看,债券市场对股票市场和银行间市场的极端风险溢出效应更加显著。因此,决策部门应重点关注债券市场的极端风险水平变化,缓释债券市场与股票市场对银行间市场的极端风险冲击,以有效防范和化解不同金融市场间极端风险的传染与暴露。
[期刊] 华东经济管理
[作者]
谷慎 汪淑娟
文章以我国六个碳金融试点市场每个月份的风险状态为研究样本,构建基于支持向量机(SVM)的碳金融风险预警模型。利用网格搜索法和径向基核函数构建的SVM模型对碳金融风险的预警准确率高达91.860 5%,对我国六个碳金融试点市场进行预警后发现,北京、上海试点市场风险较大,天津、深圳市场居中,广东和湖北市场相对健康。最后根据研究结论提出相关建议。
[期刊] 经济问题
[作者]
李丽红
通过对能源金融市场风险特征的分析,遴选了能源金融市场风险的基本经济金融指标,通过主成分分析定义了能源金融市场风险强度,计算了中国2002~2013年的能源金融市场风险强度,应用ARMA模型对中国2014年的能源金融市场风险强度进行了预测,认为当前我国的能源金融市场风险处于较大风险区间,并有进一步增加的趋势。
关键词：
能源金融市场 风险预警 风险强度
[期刊] 数量经济技术经济研究
[作者]
张品一 薛京京
研究目标:提出基于多分形特征的互联网金融市场风险状态的划分方法，构建非平衡数据集的互联网金融风险预警模型。研究方法:采用日收益率和多分形波动率衡量互联网金融风险并划分风险状态，提出一种利用SMOTEENN采样算法与SVM模型相结合的互联网金融风险预警模型，选取中证互联网金融指数进行实证分析。研究发现:SMOTEENN-SVM模型可以显著地提高SVM模型的预测精度，具有优越的预测性能。研究创新:通过日收益率和多分形波动率刻画互联网金融风险状态，并将SMOTEENN采样算法与SVM模型相结合，建立非平衡样本的互联网金融市场风险预警模型。研究价值:为研究互联网金融风险预警提供新的思路，对防范化解互联网金融风险具有重要的现实意义。
关键词：
互联网金融 风险预警 多分形 支持向量机
[期刊] 预测
[作者]
赵雪瑾 张卫国
本文在构建我国外汇市场汇率风险指数、货币市场流动性风险指数和股票市场股指风险指数的基础上，分别以三个风险指数为基准，选取６８个重要指标从子市场重大改革时点至２０１５年９月的数据进行时差相关分析，得到现阶段三个子市场风险变动的先行指标，发现了风险在不同市场间的传染效应。进一步从先行指标中剔除相关指标得到预警指标，合成三个子市场短期和中期预警指数并进行有效性检验。近期预警结果表明，我国外汇市场短期面临贬值的中风险，中期面临贬值的高风险；货币市场短期处于低风险，中期面临流动性过剩的中风险；股票市场短期面临暴跌的中风险，中期处于低风险。最后从统筹金融市场全局监管角度提出防范金融风险的监管启示。
[期刊] 金融发展研究
[作者]
李合龙 欧阳瑞玲 张卫国
系统性风险主要有两个监管视角:一是从系统重要性金融行业的视角测算金融机构系统性风险并识别出系统重要性金融行业,借此观察中国系统性风险的行业分布和时变特征;二是从金融关联网络的视角构建信息溢出网络,并根据网络结构特征分析危机时期的关联交易,通过减少风险交易降低大规模关联风险事件发生的概率。研究发现,系统重要性行业有银行业、保险业以及证券业,其中,银行业和证券业的系统性风险表现出"危机时期极大且平稳时期极小"的特点,在危机时期需要更多的监管关注;信息溢出网络分析表明,全样本时期银行业和保险业处于网络中心地位,危机时期不同子行业交易频繁,平稳时期同类子行业内部关联更为紧密,根据不同时期的关联特征规范风险关联交易可达到监管目的,且信息溢出网络动态因果指数提前一年预警系统性风险。综上,两种监管选择得出的监管重点基本一致且符合实际,说明两种方法的监管方向具备科学性,而信息溢出网络是一种兼具科学性和预警效果的监管选择。
[期刊] 预测
[作者]
淳伟德 付君实 赵如波
本文在金融市场典型事实约束下,运用ARFIMA和FIAPARCH模型分别对金融收益率与波动率进行建模,以排除金融市场典型事实对风险传染效应的影响,进而运用极值理论(EVT)对标准收益的极端尾部建模,并运用由Clayton、Frank和Gumbel组成的混合Copula模型对金融风险传染进行实证研究。研究结果表明:次贷危机的爆发对于股市的长记忆性具有一定的影响;在次贷危机后,中国大陆股市与香港股市、日本股市以及新加坡股市发生了显著的极端风险传染,而香港股市与日本股市、新加坡股市以及日本股市与新加坡股市之间未发生显著的极端风险传染。
[期刊] 预测
[作者]
淳伟德 肖杨
本文以供给侧结构性改革期间潜在的系统性金融风险为研究对象,通过FSI方法处理2002. 01～2016.12期间金融市场数据的结果作为样本集,运用4种核函数SVM模型,Logit回归,DDA以及BPNN模型来构建预警模型,并采用F1-Score和AUC对预警模型四个时期预测结果进行对比分析。实证结果表明,多项式核函数SVM预警模型不仅拥有优越的学习和预测能力,同时能够提前捕捉到供给侧结构性改革期间的系统性金融风险信号,进而能为金融风险管理部门防范系统性金融风险,保障供给侧结构性改革顺利推进提供有力的模型工具。
[期刊] 运筹与管理
[作者]
张鹤立 淳伟德 淳正杰 蒲俊充
鉴于预警股票市场风险的重要性，为提高我国股票市场风险的预警能力，针对传统支持向量机(SVM)参数选择困难和预测精度不高等问题，基于灰狼优化算法(GWO)提出灰狼算法支持向量机(GWO-SVM)股票市场风险预警模型，并利用平均绝对误差(MAE)和均方误差(MSE)检验了有效性。研究结果表明，与SVM、GS-SVM、GA-SVM、PSO-SVM相比，GWO-SVM模型对日收益率预测的MAE平均降低了4%,MSE平均降低了5%,能有效提高股票市场风险的预测精度和效率。通过原始-预测数据的对比，GWO-SVM能较为准确地预测出股票指数的波动情况，为我国股票市场风险预测提供了新的思路。
[期刊] 软科学
[作者]
李晓燕
以中国上市公司为研究对象,从流动性状况、偿债能力状况、盈利能力状况和市场价值分析四方面财务指标提取20项预警指标变量;依据僵尸企业衍变过程对"财务危机"进行界定,进而获得财务危机预警建模的状态指标变量,并构建SMOTE-SVM模型。实证结果表明:加入SMOTE的预警模型较未加入SMOTE的预警模型具有更高的预测精度;同时,在基于各类样本的情况下,加入SMOTE的SVM预警模型均优于加入了SMOTE的其余预警模型。此外,基于不同区域企业样本所构建的SMOTE-SVM较基于整体企业样本以及基于不同所有制企业样本构建的SMOTE-SVM均具有更为优越的预测性能。
[期刊] 国际经贸探索
[作者]
刘湘云 陈洋阳
在经济全球化及金融自由化背景下,各国金融市场极端事件频频爆发,由于投资主体的非理性预期、恐慌心理蔓延、资产抛售的羊群行为等所造成的极端风险净传染,最终会导致不同国家金融市场表现出过度协同效应。文章首先从国家组群视角探究金融市场极端风险溢出的净传染机理,然后构建基于空间地理距离和经济-制度相似性两类空间权重矩阵的空间面板模型,最后将2006年至2013年样本数据分为四个阶段实证检验金砖国家之间是否存在金融市场极端风险净传染现象。研究结果表明:在面临发达国家极端金融风险源的冲击下,由于国际金融市场恐慌心理传播导致的投资者信心丧失、主观预期反转、风险偏好变迁造成对金融资产的羊群式抛售行为,金砖国家间...
关键词：
金砖国家 金融市场 极端风险 净传染
[期刊] 金融发展研究
[作者]
肖艳丽 向有涛
随着经济全球化发展和国内金融市场的逐步开放，中国金融市场也遭受着来自国外金融风险的威胁与挑战。充分考量中国金融市场部分特征化事实，结合中国的现实情况，以中国金融市场为研究对象，选取了13个代表性指标，利用2005年1月—2021年6月的数据构建了中国金融市场风险指数，并且通过事件匹配方法检验指数识别作用的有效性。进一步，运用XGBoost模型预测中国金融市场极端风险，采用多种评价指标将其与传统的SVM、GBRT、RF和MLP模型进行比较研究，并利用配对样本T检验和弗里德曼检验对各个模型预测效果的差异进行显著性检验。最后结合SHAP和LIME方法展示了不同特征指标对中国金融市场风险的贡献度。实证结果表明：（1）所构建的指数较好地符合了我国金融市场风险变化的实际情况；（2） XGBoost预测模型对于极端金融风险样本识别能力较强、准确性较高，与其余模型相比，其预测性能更加优异，而且具有明显的统计检验意义。（3）利用Shapley和LIME方法挖掘出了影响中国金融市场风险的主要因素及其时变特征，且阈值效应的发现有利于金融部门对金融市场风险进行针对性的审慎监管。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
