基于人工智能的系统性风险仿真研究文献综述

1. 选题背景和意义：

1.背景

当今世界，全球化的不断演变与发展、各类经济体之间的联系越发密切，一方面可以充分利用资源实现最优配置、促进经济发展，但另一方面，会造成风险更容易入侵，为监管层测度与防范风险带来了更多的难题。对于金融危机的预警研究是我国金融理论界的一个重要课题，其具有非常重要的现实意义。梳理分析每次金融危机发生的过程，在危机发生之前，投资者、金融机构和政府部门过分乐观，缺乏必要的心理准备，金融行业的合理准则常常被忽视，金融市场中充斥着非理性行为，满是参与者的投机“梦想”。由这种梦想导致的狂热情绪，是每一次金融危机的显著特征，同样是引发系统性金融风险的重要原因。尤以股票市场最为显著，如1929年的美国股票市场危机、1982—1987的美国股票市场危机、1997—1998的东南亚金融危机和2008年的美国次贷危机等。

结合中国市场特有的表现，对股市、银行、保险等金融领域的数据。基于对系统性金融风险识别、传导和预警领域知识的学习，选择中国金融行业重大历史事件的时间点（如07年和15年股市的狂热）进行模拟研究。

2.意义

系统性风险一直是监管层、学术界关注的重点，早在1991年就有学者提出金融体系爆发系统性风险的可能性高于其他任何体系。2008年金融危机以后，学术界对于系统性风险的概念认知更为清晰，国际货币基金组织、国际清算银行均认为系统性风险是金融系统部分或者全部受到破坏而导致金融系统大范围的功能失效并给实体经济带来重大灾难的风险。

人工智能技术在金融领域的应用具有极大的作用。其一是金融领域的各个行业都涉及到海量的交易数据和信息数据，这些数据需要进行信息系统的整合和通信利用，对于这些数据的处理能够促进金融行业的科学发展。其二是在网络技术支持下能够实现对数据的筛选、应用、识别、安全风险控制等技术的开发。目前我国拥有着基数极为庞大的网络用户，为基于信息技术和网络技术的人工智能技术发展提供了更为广大的市场空间，同时也为人工智能技术服务功能上的应用带来了更多的挑战和机遇。

本毕业设计希望基于人工智能的相关知识，对系统性金融风险发生的各个历史时期数据进行整合建模。最终模拟系统性金融风险发生的前中后期并进行研究分析。

二、课题关键问题及难点：

1）熟悉机器学习模型、相关库及部分工具的使用。

2）理解系统性金融风险的识别、传导和预警机制，在此基础上结合机器学习构建模型；