机构名称：
¥ 5.0
本文开发了一种用于预测大型欧洲银行困境的预警系统。我们使用一种新的困境定义，该定义源自银行超出监管要求的余地，研究了三种机器学习技术相对于传统逻辑模型的表现。我们发现随机森林模型在样本外和时间外都表现出优越的性能。与以前的研究不同，我们还采用了一系列采样技术，表明无论使用哪种模型，它们都能显著提高识别困境事件的能力。此外，我们表明，相对于单个最佳表现模型，集成技术可以帮助提高性能。最后，利用最新的机器学习可解释性工具，我们表明与银行盈利能力和偿付能力密切相关的变量是预测银行困境的重要驱动因素。总体而言，我们的论文对银行监管机构和宏观审慎当局具有重要的实际意义，他们可以利用我们的研究结果提前发现银行的弱点，并采取先发制人的措施来维护金融稳定。
预测欧洲银行困境
主要关键词
相关文件推荐
