简介：近年来中国证劵市场的动荡,让人们更加关注金融时序数据中存在的影响点,因为影响点中往往隐藏着许多重要的信息,我们只有正确识别出存在的影响点,并深入分析其隐藏的信息,才更有利于我们做出正确合理的决策.

简介：基于中国上市银行2007—2015年的季度面板数据,运用主成分分析法构建新的银行投资者情绪指标,采用SGMM和DGMM等模型估计银行系统性风险的媒体效应。结果发现：以投资者情绪为中介,银行系统性风险有显著的媒体效应,即媒体报道数量越少,投资者情绪越乐观,银行发生系统性风险的可能性越大;媒体报道数量越多,投资者情绪越悲观,发生银行系统性风险的可能性越小。同时,前期的银行系统性风险越大,当期的银行系统性风险也越大;前期的投资者情绪越高涨,当期的投资者情绪也呈现高涨状态。

简介：本文建立相应的BP神经网络模型,根据民生银行信贷信用评级指标体系,选取BP神经网络模型的训练样本和检验样本.将训练样本输入BP神经网络进行训练,BP神经网络模型完成训练后,用检验样本对本文建立的BP神经网络模型进行检验.完成训练的BP神经网络模型将根据企业的信用评级信息计算出企业信用得分的预测值,从而使商业银行规避信贷过程中的信用风险,起到风险预警功能.

简介：以沿海11省市的风暴潮灾害风险为研究对象,采用遗传与粒子群混合算法对投影寻踪动态聚类（PPDC）模型进行优化,将粗糙集理论（RST）与修正的PPDC模型组合运用,对中国沿海地区风暴潮灾害的风险进行综合评估与区域等级划分。实证结果表明：广东和福建两省是中国风暴潮灾害的高风险区,风险评估值超过2.5,山东、浙江、海南和广西属于风暴潮灾害的中风险区,风险评估值处于[1.8,2.2]之间,江苏、天津、辽宁、河北和上海属于风暴潮灾害的低风险区,风险评估值低于1.5。研究结论为国家实施差异化的灾害风险管理战略提供了思路与参考。