摘要
涉众型金融风险是金融风险中社会危害较大的风险之一,如何对涉众型金融风险进行有效识别、切实维护金融安全,是金融风险防范领域的核心。在涉众型金融风险防范领域,对主体多源异构数据的信息提取及数据模型的结合至关重要。文章通过对过往相关案例进行研究,结合企业涉众型金融风险识别业务积累,构建涉众型金融风险指标体系,采用Borderline-SMOTE对训练集不平衡样本进行处理,并使用XGBoost算法进行建模。结果表明,该指标体系能有效提取主体涉众型金融风险信息。同时,经过Borderline-SMOTE处理后的训练集能有效提高模型对涉众型金融风险企业的识别能力。
作者
李杰
郑龙哲
黄嘉荣
熊子龙
江浩畅
Li Jie;Zheng Longzhe;Huang Jiarong;Xiong Zilong;Jiang Haochang
出处
《金融科技时代》
2023年第3期20-23,29,共5页
FinTech Time
作者简介
李杰(1980-),男,江西南昌人,金融学博士,总经理,研究方向:金融监管政策、金融风险;郑龙哲(1988-),男,广东广州人,研究课题组负责人,研究方向:金融监管科技、人工智能技术;黄嘉荣(1990-),男,广东河源人,经济学硕士,监管科技部研究员,研究方向:金融科技与监管科技;熊子龙(1996-),男,湖北鄂州人,金融硕士,产品分析经理,研究方向:金融风险监测、机器学习建模;江浩畅(1997-),男,广东揭阳人,金融硕士,产品分析经理,研究方向:自然语言处理、舆情分析。
