集成随机森林和支持向量机的商业银行财务困境预测研究

• 全文链接
• 请求原文

作   者：

丁德臣; 

作者机构：

山东财经大学保险学院; 

关键词：

财务困境预测;  随机森林(RF);  支持向量机(SVM);  集成学习算法; 

期刊名称：

数学的实践与认识

基金项目：

基于金融关联超网络的银企风险传染及其控制研究

i s s n：

1000-0984

年卷期：

2020 年 02 期

页   码：

290-300

摘   要：

提出了一种基于随机森林和支持向量机的集成模型来预测商业银行财务困境.结果表明,一方面,与多层感知神经网络相比,支持向量机可以更有效地作为集成学习模型的基分类器,虽然多层感知器神经网络在以往的研究中更多地被用于基分类器.另一方面,与现有的bagging、dagging、multiboost、adaboosting、random subspace等集成学习算法相比,该模型的预测性能明显提高.另一个关键发现是,利用银行业、宏观经济状况和国际金融风险变量补充银行层面的脆弱性,可以显著提高模型在商业银行财务困境预测中的表现.