基于生成对抗网络的股票市场系统性风险预测研究.pdfVIP

摘要

摘要

历史经验表明，系统性金融风险不仅会危及金融稳定，还会对社会经济和金融体系造成

巨大冲击，给宏观经济和社会财富带来巨大损失。“守住不发生系统性金融风险的底线”是我

国金融工作的基本原则。股票市场是金融市场体系的重要组成部分，因此构建合理有效的股

票市场系统性风险预警模型具有较高的现实意义。本文以我国上证综指为研究对象对我国股

票市场的系统性风险展开预警研究。首先，确定股票市场的状态指标变量，并从9个维度中

选取共26个特征指标变量来构建我国股票市场系统性风险的特征指标体系；其次，引入生成

对抗网络（GAN）对非均衡数据集进行处理，基于GAN生成与真实数据分布一致并带有真

实数据特征的数据样本，实现将非均衡数据集扩充为均衡数据集；接着，基于逻辑回归、决

策树、随机森林、极端梯度提升、人工神经网络和支持向量机共6种机器学习方法构建机器

学习预警模型，基于5折交叉验证，通过混淆矩阵和ROC曲线的不同指标对各机器学习预警

模型的预测性能进行评估和对比分析，以找到表现最优的机器学习预警模型；最后，对风险

预警指标进行可解释性分析，通过SHAP解释模型对表现最优的机器学习预警模型进行“黑

箱拆解”，衡量各个特征指标变量的相对重要性水平并识别拉动风险预警概率的指标。研究发

现：（1）生成对抗网络能生成质量较好的时间序列数据；（2）决策树、随机森林、极端梯度

提升、人工神经网络和支持向量机的预测性能均优于传统的逻辑回归模型，并且极端梯度提

升模型（XGBoost）是其中性能表现最优的机器学习预警模型；（3）极端梯度提升模型（XGBoost）

的相对重要性水平结果表明货币市场、外汇市场、外部市场和技术指标均是影响我国股票市

场系统性风险的重要因素。

关键词：股票市场系统性风险，生成对抗网络，机器学习预警模型

I

东南大学硕士学位论文

Abstract

Historicalexperienceshowsthatsystemicfinancialriskswillnotonlyendangerfinancial

stability,butalsocausehugeshockstothesocio-economicandfinancialsystem,bringinghugelosses

tothemacroeconomyandsocialwealth.ThebasicprincipleofChinasfinancialworkistoguard

thebottomlineofnosystemicfinancialrisk.Thestockmarketisthecoreofthefinancialsystem,so

itisofhighpracticalsignificancetobuildareasonableandeffectiveearlywarningmodelforsystemic

riskinthestockmarket.ChinasSSECompositeIndexistakenastheresearchobjecttoconductearly

warningresearchonthesystemicriskofChinasstockmarket.Firstly,thestateindicatorvariablesof

thestockmarketaredetermined,andatotalof26characteristicindicatorvariablesareselectedfrom

9dimensionstoconstructthecharacteristic