简介:本文基于2007—2015年我国16家上市商业银行的资产负债表数据,运用信息熵最大化法构建了银行间的同业网络,根据所估计的商业银行受传染的资产损失,选取资产规模、资本充足率、银行间拆借利率价差及国内生产总值等既反映商业银行个体行为的变化对风险传染的影响.同时也反映宏观经济环境变化对风险传染的影响的变量.构建了商业银行同业业务风险传染的计量模型。结果表明:在同业市场上,风险传染损失与国有银行的同业业务占比负相关,当国有商业银行的同业业务占比越大时,股份制银行和城市商业银行的同业业务占比越小,银行之间因为风险传染而造成的损失会减少。同业市场上,银行之间发生风险传染与违约损失率有关.一般来说,违约损失率越大,银行系统的资产损失比例越大。银行风险传染损失大小与银行总体的资本充足率密切相关。资本充足越高.银行的风险传染损失越小。
简介:在应用PM2.5、PM10、SO2、Co、NO2和03六种污染物浓度指标预测的基础上,将最高气温、最低气温、天气现象、风向、风力5种气象条件指标增添到空气污染预测输入变量中,采用K最近邻(KNN)和支持向量机(SVM)两种算法建立北京市空气污染等级分类预测模型。论文采用中国环境监测总站公布的北京市2014年1月1日至2016年4月30日的6种污染物浓度指标数据以及北京市气象台公布的北京市2014年1月1日至2016年4月30日的5种气象条件指标数据进行测试实验。结果发现,KNN模型预测的准确度为83.56%,SVM模型预测的准确度为87.32%,SVM模型在空气污染等级分类预测方面比KNN模型的准确度高出3.76%,建议将来在北京市空气污染等级预测中采用SVM模型以期获得较好的预测和空气污染控制效果。