期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

深度学习在金融风险管理领域的应用 被引量：1

在线阅读 下载PDF
导出
摘要 随着科学技术的发展以及金融市场数据愈加复杂化的特性,深度学习模型更为适合金融市场上数据规模大、高维度以及流数据特性的数据特征,其应用不但在金融风险管理领域中的预测分析方法进行了提升,而且促使实证研究范式从线性向非线性转变、从关注参数显著性向关注模型结构和动态特征转变,同时能够更好地捕捉尾部风险,在实证领域的成果在一定程度上助推相关金融风险管理理论的成长与完善。但深度学习的应用也面临着程序错误、主观判断误差、金融监管不足等方面的挑战。为此,在金融风险管理领域中需要合理运用深度学习模型。
作者 席悦欣 卢万青
机构地区 广东外语外贸大学金融学院
出处 《合作经济与科技》 2018年第16期79-81,共3页 Co-Operative Economy & Science
基金 2016年教育部重大课题攻关项目:"培育我国国际竞争新优势建设贸易强国的战略路径研究"(项目编号:16JZD018) 广东外语外贸大学特色创新(师生共研类)项目:"中央政府与地方政府的委托-代理关系与地方经济增长方式的转换"(项目编号:299-X5217403)
关键词 深度学习 金融风险管理 卷积神经网络 深度置信网络 堆栈自编码网络
分类号 F83 [经济管理—金融学]
  • 相关文献

参考文献5

二级参考文献116

  • 1洪永淼,林海.中国市场利率动态研究——基于短期国债回购利率的实证分析[J].经济学（季刊）,2006,5(2):511-532. 被引量：63
  • 2HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets [ J ]. Neural Computation, 2006,18 ( 7 ) : 1527- 1554.
  • 3BENGIO Y, LAMBLIN P, POPOVICI D, et al. Greedy layer-wise training of deep networks [ C ]//Advances in Neural Information Pro- cessing Systems. Cambridge:MIT Press,2007:153-160.
  • 4VINCENT P, LAROCHELLE H, BENBIO Y, et al. Extracting and composing robust features with denoising autoencoders [ C ]//Proc of the 25th International Conference on Machine [.earning. New York: ACM Press ,2008 : 1096-1103.
  • 5LAROCHELLE H, BENGIO Y, LOURADOUR J, et al. Exploring strategies for training deep neural networks[ J]. Journal of Machine Learning Research,2009,10 (12) : 1-40.
  • 6TAYLOR G, HINTON G E. Factored conditional restricted Bohzmann machines for modeling motion style [ C ]//Proc of the 26th Annual In- ternational Conference on Machine Learning. New York:ACM Press, 2009 : 1025-1032.
  • 7SALAKHUTDINOV R, HINTON G E. Deep Boltzmann machines [ C ]//Proe of the 12th International Conference on Artificial Intelli- gence and Statistics. 2009:448-455.
  • 8TAYLOR G, SIGAL L, FLEET D J, et al. Dynamical binary latent variable models for 3D human pose tracking[ C ]//Proe of IEEE Con- ferenee on Computer Vision and Pattern Recognition. 2010:631-638.
  • 9JARRETY K, KAVUKCUOGLU K, RANZATO M, et al. What is the best multi-stage architecture for object recognition? [ C ]//Pine of the 12th International Conference on Computer Vision. 2009:2146-2153.
  • 10LEE H, GROSSE R, RANGANATH R, et al. Convolutional deep belief networks for scalable unsupervised learning of hierarchical rep- resentations [ C ]//Proc of the 26th International Conference on Ma- chine Learning. New York : ACM Press ,2009:609-616.

共引文献423

同被引文献1

引证文献1

二级引证文献1

合作经济与科技
2018年 第16期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部