跨境资本流动大数据宏观审慎管理:面向新时代的金融科技监管新框架

**章　 引言 1

一、 研究背景 2

二、 研究目标 6

三、 研究意义 9

四、 研究创新 12

五、 结构安排 14

上篇　跨境资本流动与系统性风险

第二章　 跨境资本流动与系统性风险: 基本概念介绍 21

一、 系统性风险的内涵、 测度与诱因 21

二、 跨境资本流动的历史演变、 顺周期性与冲击识别 26

三、 本章小结 32

第三章　 跨境资本流动与系统性风险: 影响机制与现实经验 33

一、 跨境资本流动冲击诱发系统性危机的机制阐释 33

二、 跨境资本流动冲击诱发系统性风险的经验证据 38

三、 本章小结 51

第四章　跨境资本流动宏观审慎管理: 国际观点与中国实践 53

一、 跨境资本流动宏观审慎管理研究综述 53

二、 跨境资本流动宏观审慎管理的国际观点 54

三、 跨境资本流动宏观审慎管理的中国实践 58

四、 跨境资本流动宏观审慎管理难点和改进迫切性 61

五、 本章小结 64

中篇　金融科技与监管科技新框架

第五章　 金融科技的发展与应用: 经济金融领域的应用实践 67

一、 金融科技的发展与金融创新 67

二、 金融科技创新发展带来的影响 68

三、 基于金融科技的监管科技探索 72

四、 监管科技应用创新与发展潜力 76

五、 本章小结 77

第六章　 金融科技技术基础: 从大数据、 机器学习到人工智能 79

一、 机器学习的定义 80

二、 大数据与机器学习 81

三、 机器学习模型的分类和基本任务 84

四、 机器学习、 人工智能及深度学习 86

五、 大数据和机器学习未来发展趋势 87

六、 本章小结 90

第七章　 金融科技技术原理: 以机器学习集成学习算法为例 91

一、 决策树定义和推导 91

二、 集成学习方法原理 97

三、 LightGBM 机器学习模型 99

四、 本章小结 105

下篇　跨境资本流动监管科技探索

第八章　 基于大数据的外汇市场风险监测预警 109

一、 跨境资本流动风险监测研究背景 110

二、 金融领域科技监管的方法论基础 113

三、 人工智能危机预警识别系统设计 119

四、 危机预测和宏观审慎管理工具箱 127

五、 本章小结 143

第九章　 基于 SHAP 值的机器学习危机预测解释性溯源 144

一、 新世纪以来我国外汇市场遭受的风险冲击 144

二、 基于 SHAP 值解释机器学习预测黑箱的原理 146

三、 SHAP 值方法对外汇市场危机预测模型的解释 150

四、 本章小结 164

第十章　 研究结论 170

参考文献 174