来源：期刊VIP网 时间：
作者：杨子晖;李东承;陈雨恬;
单位：上海财经大学金融学院;上海财经大学滴水湖高级金融学院;华南理工大学经济与金融学院;
摘要：近年来，全球金融市场不确定性攀升、金融系统震荡加剧，如何完善金融机构的风险预警体系、及时防范化解金融风险隐患，引起了我国监管机构的高度重视。2007年次贷危机与2023年硅谷银行破产相继表明，银行风险偏好的大幅上升是信贷扩张乃至金融风险加速积聚的重要原因。有鉴于此，本文基于银行业资产负债表数据，准确测度我国银行业风险偏好，并采用前沿的机器学习方法对金融风险展开预测。分析结果显示，风险偏好是我国金融风险的前瞻性指标，其中，大型商业银行的规模加权风险偏好较高，而城商行、农村金融机构的单位资产风险偏好相对更高。与此同时，在高风险时期，金融机构的风险偏好也会加剧金融市场异常波动，甚至进一步诱发金融风险。此外，前沿的机器学习方法能够对我国银行风险进行稳定、有效的预测。而且，较之银行杠杆等传统监管指标，基于风险偏好指标构建预测模型时，其样本外预测拟合优度出现了明显的提升。在此基础上，本文提出了基于银行风险偏好实施差异化管理、结合机器学习方法加强金融风险实时监控的若干政策建议，从而有助于我国提高金融系统稳定性，完善全方位、前瞻性的系统性金融风险预警体系。
关键词：银行风险偏好;;金融风险;;风险预测;;机器学习
基金资助：国家社会科学基金青年项目“银行业系统性金融风险的测度与防范对策研究”（基金号：22CJY004）的资助
