典型文献
基于新闻大数据与机器学习的中国银行业系统性风险研究
文献摘要：
本文基于新闻大数据和机器学习方法研究了中国银行业系统性风险度量方法和预警机制.我们对2000-2019年中国33家知名报纸发布的334万余条新闻,采用文本共现挖掘方法测度中国银行间网络关联,并基于银行共现新闻情绪衡量系统性风险水平.结果发现:在2008年全球金融危机前后,中国银行间关联由"大而少"向"小而多"转变;在全球金融危机和"钱荒"期间,系统性风险明显上升,银行系统重要性普遍提高,银行间关联明显增强.本文还采用机器学习方法中的隐马尔可夫模型识别和预测系统性风险,发现该方法能较好地预警中国银行业的系统性风险.
文献关键词：
新闻共现;情绪;系统性风险;大数据分析;机器学习
中图分类号：
作者姓名：
范小云;王业东;王道平
作者机构：
南开大学金融学院 天津市津南区海河教育园区同砚路38号 300350
文献出处：
引用格式：
[1]范小云;王业东;王道平-.基于新闻大数据与机器学习的中国银行业系统性风险研究)[J].世界经济,2022(04):3-30
A类：
新闻共现
B类：
新闻大数据,中国银行业,银行业系统性风险,风险研究,机器学习方法,风险度量,预警机制,报纸,万余条,挖掘方法,银行间网络,网络关联,新闻情绪,风险水平,全球金融危机,钱荒,银行系统,系统重要性,普遍提高,联明,明显增强,隐马尔可夫模型,模型识别,预测系统
AB值：
0.321549
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
