互联网金融空间聚集分析及系统性风险防范——基于t-SNE机器学习模型.pdfVIP

Analysis of Internet Financial Spatial Aggregation and Systematic Risk Prevention—— Based on t-SNE Machine Learning Model 作者：米传民[1];徐润捷[1];陶静[1] 作者机构： [1]南京航空航天大学经济与管理学院,江苏南京210016 出版物刊名：财经论丛 页码：53-62页 年卷期：2019年 第8期 主题词：互联网金融;系统性风险;降维聚类;t-SNE算法 摘要：互联网金融同传统金融具有不同的空间聚集特征。互联网金融在带来金融开放、门槛降低、 效率提升、成本下降的同时,也给互联网金融体系、乃至整个金融系统带来风险新问题。大量研究表明互 联网金融在宏观经济冲击、内部脆弱性等影响下,往往具有与以往不同的系统性金融风险特征。本文利用 北京大学的31个省和335个地市区域的互联网金融发展指数有关数据,运用t-SNE机器学习模型进行 我国互联网金融发展的降维和聚类分析,得到我国互联网金融空间聚集和不同业务模式发展的分布特征, 发现在区域发展程度上存在尖峰厚尾,在业务模式上存在不均衡现象。基于此,提出了考虑互联网金融发