典型文献
机器学习解构区域金融风险防控研究进展
文献摘要：
区域金融风险防控(RFRP)无论在管理区域传统金融风险(TFR)还是坚守不发生区域金融系统风险(FSR)中都是不可或缺的.随着大数据规模的持续增长,金融风险形态变化的不确定性,传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临着无法克服的困境.当下,越来越多的机器学习(ML)模拟RFRP防控的新方法和新技术受到研究者的重视.首先提出了RFRP防控新的科学分类和ML观念基础;其次总结了区域TFR防控的ML理论方法和应用技术,对各类代表性研究所论述区域TFR防控的关键逻辑、模型算法、学习效果进行了比对解析,对ML不同方法的优点、局限和传统场景进行了归类分析;然后梳理了区域FSR防控的ML理论方法和应用研究,对各类典型文献所解析区域FSR防控的关键脉络、ML算法、学习效果进行了对比研究,对ML不同模型的优势、缺陷和金融风险场景进行了阐述研究;最后提出了六个ML模拟RFRP防控的前景技术和新兴方向.
文献关键词：
机器学习(ML);区域金融风险防控(RFRP);传统金融风险(TFR);金融系统风险(FSR)
中图分类号：
作者姓名：
张立华;张顺顺
作者机构：
温州商学院 金融贸易学院,浙江 温州 325000;伦敦大学国王学院 国王商学院,伦敦 WC2B 4BG
文献出处：
引用格式：
[1]张立华;张顺顺-.机器学习解构区域金融风险防控研究进展)[J].计算机科学与探索,2022(09):1969-1989
A类：
B类：
区域金融风险,金融风险防控,防控研究,RFRP,管理区,传统金融风险,TFR,金融系统,系统风险,FSR,形态变化,统计量,计量方法,ML,科学分类,观念基础,理论方法,方法和应用,应用技术,模型算法,不同方法,归类分析,风险场景
AB值：
0.24994
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。
