典型文献
基于EEMD-LSTM的中国保险业系统性风险预警研究
文献摘要：
本文采用保险业压力指数来衡量中国保险业系统性风险状况,并通过预测保险业压力指数的未来走势来进行保险业系统性风险预警.借鉴TEI@I复杂系统研究方法论中的分解集成技术,同时结合当前人工智能、深度学习领域的研究成果,构建EEMD-LSTM模型进行保险业系统性风险预警.实证结果表明,EEMD分解集成技术在预测非线性、非平稳复杂时间序列方面具有明显优势;同时,LSTM模型能有效刻画时间序列之间的相依、长记忆特性.EEMD-LSTM模型组合预测精度优于其他模型.
文献关键词：
保险业;系统性风险;预警;集合经验模态分解;长短期记忆神经网络
中图分类号：
作者姓名：
唐振鹏;吴俊传;张婷婷;陈凯杰
作者机构：
福州大学经济与管理学院,福州350108
文献出处：
引用格式：
[1]唐振鹏;吴俊传;张婷婷;陈凯杰-.基于EEMD-LSTM的中国保险业系统性风险预警研究)[J].管理评论,2022(09):27-34
A类：
B类：
EEMD,中国保险业,系统性风险,风险预警,预警研究,压力指数,风险状况,未来走势,TEI,复杂系统,研究方法论,分解集成,集成技术,学习领域,非平稳,相依,记忆特性,模型组合,组合预测,集合经验模态分解,长短期记忆神经网络
AB值：
0.324288
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。
