基于新闻大数据与机器学习的中国银行业系统性风险研究

摘要

本文基于新闻大数据和机器学习方法研究了中国银行业系统性风险度量方法和预警机制。我们对2000-2019年中国33家知名报纸发布的334万余条新闻,采用文本共现挖掘方法测度中国银行间网络关联,并基于银行共现新闻情绪衡量系统性风险水平。结果发现:在2008年全球金融危机前后,中国银行间关联由“大而少”向“小而多”转变;在全球金融危机和“钱荒”期间,系统性风险明显上升,银行系统重要性普遍提高,银行间关联明显增强。本文还采用机器学习方法中的隐马尔可夫模型识别和预测系统性风险,发现该方法能较好地预警中国银行业的系统性风险。