基于人工智能的系统性金融风险预警研究文献综述

1. 选题背景和意义：

1.1 选题背景

金融安全是一个国家重要的安全指标，作为整个经济和社会的血液，金融的安全和稳定，直接影响到一个国家经济与社会的整体发展。如果失去了金融安全，极有可能引起社会动荡。上个世纪末以来，世界各国金融危机频现，从20世纪末的东南亚金融危机，到2007年美国的次贷危机，以及进而引发的2008年世界金融危机。这一系列的金融危机都在警示着各国，要深刻认识到金融风险控制的重要性。

从国际范围来看，自2008年金融危机以来，以国际货币基金组织以及世界银行为首的众多国际性金融机构，不断地强调系统性金融风险的严重性以及防范系统性金融风险的重要性。虽然各国政府也都相继出台了一系列的防范手段与措施，但由于系统性金融风险的复杂性、强传染性与巨大的危害性，目前世界各国对于系统性金融风险防范、预警措施的相关研究仍旧不够成熟。

从国内来看，近年来，由于受到国际贸易形势动荡的冲击，中国的贸易体系和金融体系存在一定的下行趋势，而随着中国金融体系开放步伐的加快，防范化解系统性金融风险的必要性越发受到社会各阶层的认识，并上升到了国家政策层面。2017年，习总书记在十九大报告中提出：要守住不发生系统性金融风险的底线。目前来看，随着近期国际形势愈发动荡，以美国为首的众多国家金融体系受到严重冲击，为了防范国际金融市场动荡对我国内部金融系统的冲击，对系统性金融风险的防范、预警的研究已经上升到了刻不容缓的地步。

1.2 研究意义

目前，我国系统性金融风险产生的内在原因主要包括以下几点: 一是金融体系和金融机构的脆弱性。 存在以“影子银行”为代表的部分金融机构资产负债期限错配现象；二是金融创新和综合经营的快速发展，在分业监管体制下产生了监管套利、监管真空等问题，导致风险在不同金融行业和金融机构之间转移和扩散；三是金融体系的道德风险，中央银行承担了本该由财政、金融机构或投资者承担的风险成本，金融机构存在过度从事高风险业务的冲动。

因此，本文致力于从多层面、多角度对系统性金融风险预警的意义、方法以及效果进行阐述。一方面，基于历史信息，梳理目前世界各国已有文献对系统性金融风险的界定、现存的系统性金融风险预警算法、以及相关的实践经验。

另一方面，本文立足当下中国境内外面临的系统性风险，并结合国内的风险预警指标体系，基于人工智能技术，通过采用BP神经网络、深度学习网络等相关技术，构建系统性金融风险的评价体系与预警体系，使其能较好地反应当前的我国金融安全情况。进而通过深度学习技术，实现较好的预测结果，使该预警模型存在一定的社会价值。

1. 课题关键问题及难点：

本课题的关键问题如下：
1）模型中指标的挑选，能否充分反映金融系统的运行；

1. 使用BP神经网络构建的评价模型是否精准；
2. 如何评价深度学习神经网络的预测效果；
3. 如何将数据分析、预测转化为经济金融视角的阐述。

在技术上需要掌握如下技巧与方法