探究金融风险预警定量方 文

《探究金融风险预警定量方 文》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、探究金融风险预警定量方文金融风险预警定量方文导读：本论文是一篇关于金融风险预警定量方法的优秀论文范文,对正在写有关于策略论文的写有一定的参考和指导作用,略（如神经X络、模糊逻辑等）集成。（4）混合智能策略。单一智能技术各具优势，同时又存在这样那样的缺陷，制约了单一技术在金融决策领域的发展。因此，根据各种智能技术的特点与共同之处，探索它们的有机集成是近年来比较活跃的研究分支，并取得了可观的研究成果。2006年，Min等学者将遗传算法与支持向量机相结合，构建了企业危机预警【摘要】本文在对国内外的相关研究文献进行深入分析的基础上，根据策略的理论基础对预警

2、策略进行归纳分类，并对各类策略的优劣进行了全面的对比分析和评述，以期为金融风险预警研究提供一种新的思路和视角。　　【关键词】金融风险；预警；定量策略　　近年来，美国次贷危机、欧债危机等金融危机的频繁爆发令金融风险预警领域成为了金融界备受关注的研究热点。从国内外的研究来看，金融风险预警的核心在于寻找一种有效的策略进行风险的识别和预测。目前，主流的金融风险预警策略是统计计量类策略，该类策略以较严谨的统计理论作为基础，因此得到了国际金融理论和实业界的广泛支持和认可。然而统计理论先天存在前提假设过严、忽略风险因素模糊性、难以解决非线性病结构的复杂理由、缺乏

3、处理海量数据的能力等缺陷，致使该类策略在处理经济管理类的复杂理由时往往表现得力不从心，其在金融风险管理中应用的有效性及适用性亦受到了越来越多研究人员的质疑。近十多年来，随着人工智能技术的发展，具有模糊性、鲁棒性、自组织性、简单通用及并行处理等特征的智能计算技术越来越受到了金融领域研究人员的关注，越来越多的研究引入了智能计算技术并取得了大量成果。本文在综合研究了国内外相关文献的基础上，从策略的理论基础角度对预警策略进行了归纳分类，并对不同策略的性状进行了深入的比较、分析及评述，在此基础上提出了对金融风险预警策略发展方向的个人看法，以期为我国金融风险预

4、警管理策略发展提供一种新的思路和视角。　　一、统计计量类策略　　该类策略的主要思想是根据预警指标体系收集相关的样本数据，对样本数据进行深入的统计分析，找出对金融风险有显著解释作用的指标。在此基础上基于一定的数量统计策略建立分析模型。该类策略是金融风险管理研究中广泛使用的策略，主要包括以下几种策略：（1）单变量分析策略。单变量分析策略是最早应用到金融风险预警领域中的定量分析策略。Fitz　　patrick早在1932年就运用单个财务比率对19个样本企业进行破产预测，他的研究发现“净资产收益率”和“股东权益对负债比率”两个比率的预测能力最高；1938年

5、，Secrist在研究中试图通过分析资产负债表比率的差异来寻找破产银行的特征，以期挖掘出破产银行和正常银行不同的财务状况；1966年，Beaver基于单变量分析法建立了企业破产预警模型，并以5个不同财务比率分别对158家的样本数据进行了一元判别预测，其结论认为“债务总额比率”预测的效果最好，“资产收益率”的效果次之。（2）多元线性判别分析（MDA）策略。单变量分析策略单从一个指标出发进行风险预警，往往不能充分反映出风险的全面状况，MDA策略则是以多个指标对风险进行预测的分析策略。针对单变量分析的缺陷，1968年，Altman等在前人研究基础上，利用

6、判别分析技术建立了Z-Score模型，随后1975年Altman在改善Z-Score模型的基础上提出了ZETA模型。与此同时，1975年Sinkey在银行风险的早期预警模型中引入了多重判别策略。与单变量分析模型相比，MDA模型综合了多方面的风险信息，因此其建立的判别函数往往准确率更高。（3）Logit分析策略。MDA策略对所处理的样本有着严格的假设前提（如多元正态分布、等协方差矩阵等等）。针对这些缺陷，Martin在1977年采用了Logit分析对银行破产预警进行了研究；1980年Ohlson构建了企业破产预警的Logit分析模型，他的研究成果认为

7、Logit模型对样本数据要求不高，其预测准确率也比MDA高。Logit分析假设事件发生概率服从标准　　Logistic的累积概率分布函数，将事件发生的可能性估计为一个可观测特征函数，因此能部分克服MDA模型的缺陷。有鉴于此，20世纪80年代后大量研究采用了Logit分析策略。（4）Probit分析策略。Probit模型早在1954年就被Zmije首次将神经X络引入企业破产预测，随后Tam和Kiang（1992），Barnivetal（1997），Bell（1997），Jain&Nag（1997）及Yangetal（1999）等研究人员在研究金融风险

8、预测预警时也纷纷采用神经X络技术，极大的推动了神经X络技术在金融风险管理领域中的应用。大部分的研究成果认为神经X络的预测准