| 以下仅列出文章摘要、提纲简介，如需获取全文阅读权限，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 中国影子银行风险预警研究 摘 要 美国爆发次贷危机后，影子银行由于期限错配性、高杠杆性、监管缺失等问题引发了国内外政府部门、金融机构和学者们的广泛关注和研究，针对影子银行引发的金融风险防范显得至关重要。本文通过构建影子银行的风险预警模型来对影子银行的运行状况进行预警，从而为政策制定提供有效依据。 本文以前人的研究为基础，共选取了16个指标对国内的影子银行风险进行量化，利用遗传优化BP神经网络模型构建影子银行风险预警系统，并根据模型的训练结果得出相应的结论以及政策建议。具体的实证分析过程如下：首先，本文采取主成分分析法对16个指标进行降维，得到4个公共因子，然后计算出我国影子银行2007年至2019年的风险得分，并根据极值-均值法将风险划分为四类等级。其次，利用matlab创建遗传优化BP神经网络模型，分别通过BP神经网络和遗传优化BP神经网络模型进行训练和验证，验证利用遗传优化BP神经网络模型来对影子银行风险状况预警的可行性。接着，将BP神经网络模型和遗传优化BP神经网络模的型预测误差进行对比，验证遗传优化BP神经网络具备更高的预测精度。最后，对2020年的影子银行风险情况进行预测。 实证结果表明：训练后的遗传优化BP神经网络的预测值与期望输出值差距小，说明训练后的遗传优化BP神经网络拟合精度高，可利用其对我国影子银行进行风险预警；利用遗传优化BP神经网络对2020年的影子银行风险状况进行预测，发现2020年我国影子银行处于高风险状态，需要我们不断地完善风险识别和优化系统，提高我国影子银行风险的早期预警能力和预警系统的预测精度。 |
