论文部分内容阅读
文章结合主成分分析法构建了基于AM-BPNN算法的系统性金融风险预警模型,并对中国的系统性风险状态进行评估和预警.主成分分析结果显示,中国的系统性风险状态主要与货币银行风险、宏观经济贸易风险、外部冲击风险及财政风险等密切相关,在此基础上可以将1994-2018年中国历年的系统性风险状态划分为四类.进一步基于优化后的BP神经网络算法构建了有关中国系统性金融风险预警的AM-BPNN模型,并对2019年中国的系统性金融风险状态进行仿真预警,结果显示,2019年中国的系统性金融风险状态基本安全,而且风险主要来自货币银行系统积累的风险及金融开放所带来的外部冲击风险.