文摘
为了提高银行利率波动的影响分析,本文结合实际情况和机器学习算法来构造一个银行利率的波动分析模型基于计算机统计模型和机器学习。对于与系统的数据转换,数据包含固定和非固定的流程;所以,单位根检验标准的力量很低。因此本文提出了一种新的单位根检验方法。从需求分析、系统设计到系统实现和测试,采用先进的软件工程有关的想法,和银行的利率管理体系设计和实施严格按照软件发展过程。本文采用模块化的设计思想,将功能实现根据他们的内容,并进行结构功能模块的验证和性能分析。通过实验分析,我们可以看到,系统模型构建本文的分析有一定的影响利率的波动。
1。介绍
中国金融市场的持续改进机制和市场水平的不断浓缩,利率的敏感性microentities都得到很大的提高。此外,中国经济的发展已经逐渐从广泛的发展转向基于结构优化、可持续发展和量化货币政策的缺陷逐渐显现。为了应对这一变化在开发模式中,货币和信贷政策正在从“溢出灌溉”到“精密滴灌。“因此,这是非常重要的建立一个price-guided金融市场运行机制和货币政策指导机制(1]。
实现一个基于价格指导金融市场运行机制,首先,它是必要的培养microentities对价格的敏感度。除了一个完整的市场机制,它也需要金融市场的稳定、有序运行。中央银行的货币政策是可以预测的,中央银行的货币政策工具箱包含大量的工具来处理不同的金融冲击2]。因此,一方面,金融市场需要建立一个稳定的市场基准利率。基准利率是由市场机制决定,可以准确反映金融市场的流动性基本面。此外,它是必要的,以确保运行平稳的货币市场的基准利率和稀释的流动性冲击的能力,确保货币政策的顺利传播指导从货币市场短期到长期资本市场和实体经济。另一方面,中央银行有很强的指导基准利率的能力。在此基础上,利率市场化改革势在必行。因此,研究货币市场利率波动的特点和有效的影响因素如何影响货币市场利率波动具有重要意义对中央银行逐步改善其能力引导货币市场利率和提高货币市场流动性冲击的可预测性,从而提高参与者的弹性。从基准利率的发展在我国的货币市场在这个阶段,当前的金融市场基准利率由银行间贷款利率,银行承诺回购利率,SHIBOR利率和货币市场系统,如我国大力培养(3]。从其波动特征来看,中国货币市场的利率波动远远高于其他国家。随着中国人民银行实施流动性管理框架与结构性流动性短缺,流动性相对较短,商业银行的预防流动性需求将大幅上升,这将导致银行间货币市场利率大幅波动。然而,在中央银行开始专注于构建一个利率走廊机制,稳定商业银行流动性的预期,银行间货币市场利率的波动已大幅下降。近年来,一方面,中央银行一直专注于建立一个货币市场基准利率与全球代表能力,确保其波动可以代表货币市场流动性冲击的实际情况和控制在一定的范围内波动。另一方面,政府已经建立了一个丰富的货币政策工具体系,稳定了商业银行流动性的预期影响,提高货币政策的可预见性,增强中央银行的能力引导货币市场基准利率,并减少了摩擦的货币政策货币市场信用市场中,真正的经济传输通道。
基于上述分析,本文分析了银行利率的波动基于计算机统计模型和机器学习模型。
2。相关工作
文献[4)建造了一个专门用于随机模型来描述商业银行存款准备金率的变化在不同的情况下,研究了商业银行的存款准备金率的相关问题进行详细和深入的。文献[5]分析了货币政策利率走廊的具体操作过程控制框架。研究表明,即使在零储备政策,中央银行的货币政策可以非常有效。因为商业银行的主要目标是最大化自己的利润,中央银行调整利率走廊的宽度通过改变利率的上限和下限走廊。不需要公开市场操作,控制商业银行的贷款利率将附近的央行所期望的目标利率。文献[6)建立几何模型的方法用于研究和精心设计的基本原则和操作利率走廊。相信如果商业银行的结算余额在每个交易日可以控制在零,然后通过控制利率走廊的基本利率可以稳定货币市场附近的中央银行的目标利率。研究在文献[7)是基于商业银行准备金率模型。此外,它指出,如果中央银行的政策目标利率可以高于利率走廊的中点,那么央行的短期市场利率水平监管将不受利率走廊的影响范围和政策目标利率的大小。的研究文献[8从社会福利的角度。相信利率在走廊里应该设置为一个宽度大于零,以优化货币政策的效果。文献[9)认为,利率走廊的政策控制效果远优于传统的公开市场操作,但它认为,如果只使用利率走廊作为一个控制方法,将减少现金分配的效率。因此,货币控制政策的最佳方法应该是利率走廊和公开市场操作的组合。文献[10]分析了新形式的“floor-style”利率走廊后出现金融危机。相信一旦利率走廊的宽度设定的中央银行,如果整个移动利率走廊模型不改变它的宽度,最终控制利率走廊对市场利率的影响将不会受到影响。文献[11)认为利率走廊的核心,货币政策控制框架,是利率走廊的宽度。文献[12)的研究指出,美联储的重贴现窗口是一个紧急资金援助,不是常规贷款;所以,商业银行只能申请特殊情况。此外,存款利息储备所有商业银行不可用。有时,市场细分发生在联邦基金市场,这将导致市场利率低于利率的下限走廊,导致市场利率偏离了很长一段时间。文献[13]阐述了采用的具体实践零准备金制度和利率走廊在一些国家在世界上。文献[14]总结中国公开市场操作的实际经验,在利率的上限利率走廊选为隔夜自动质押融资利率,利率的下限利率走廊被选中作为储备利率。文献[15]阐述了起源、发展和利率走廊机制,探索最优利率走廊的宽度和基准利率的影响货币市场的利率走廊。文献[16)的货币政策框架相比与传统的公开市场操作利率走廊和相信我们国家的央行应该采取利率走廊和公开市场操作来达到最佳的管理效果。文献[17]选择几种典型国家和地区实现了利率走廊证明在同一时期,短期市场利率波动的国家实施利率走廊低于国家没有实现利率走廊。此外,窄的利率走廊,短期市场利率的波动越小。文献[18]分析了监管机制和监管的特征利率走廊,一个货币政策框架。文献[19)认为,中国的利率走廊的货币政策框架的实现是一个积极应对利率市场化的改革,降低社会融资成本,提高市场效率,发挥了强大的作用在促进中国走向市场化利率的定价基础。文献[20.]阐述和分析利率走廊的操作和分析的优点和缺点,它可以帮助建设的利率走廊。
3所示。利率波动分析算法
我们设置作为一个随机变量,可以假定只有一个整数值 。
这样一个过程叫做一个 - - - - - -马尔可夫链状态转移概率 。
常方便转换概率作为一个列表 矩阵(21]。
中的元素 - - - - - -th行和 - - - - - -th列是转移概率 。
一般来说,当一个 - - - - - -马尔可夫链状态是可约,如果有一种方法可以显示每个状态,过渡矩阵可以写成:
其中,代表 矩阵, 。如果一个马尔可夫链不是可约,它被称为不可约。
一个 - - - - - -不可约马尔可夫链状态转移矩阵的是调查。如果一个特征值被认为是l和剩下的特征值P都落在单位圆内,马尔可夫链遍历。的 向量的遍历遍历链的概率表示 。这个向量被定义为特征向量相应的单元特征根 ;也就是说,遍历概率向量满足[22]:
特征向量是一个归一化向量;所以,它的元素是l的总和。它可以证明,如果马尔可夫链的转移矩阵穿越,那么
遍历概率向量可以被解释为一个无条件概率向量。
下面描述了如何遍历概率的计算 - - - - - -马尔可夫链状态。
对于一般的遍历的过程州,无条件概率向量表示一个向量 ,和有属性 和 ,,1代表一个 向量的每个元素是l。
因此,我们寻找一个满足以下公式(23]:
其中,代表了 - - - - - -th列 ,和
这种解决方案可以通过乘法公式(前面7) :
也就是说,是 - - - - - -th列的矩阵 。
3.1。马尔可夫体制转换模型的参数估计
马尔可夫体制转换模型主要用于模型数据包含系统的变化。一般模型研究了如下。我们设置作为一个内生变量 向量和作为一个外生变量 向量。如果这个过程是由系统控制的 时期 ,的条件密度被假定为
其中,是一个参数向量特征条件密度。如果有不同的系统,还有不同密度由上面的公式, 。这些密度将作为上市 向量,表示为 。
一阶自回归,常数项和自回归系数可以是不同的在不同的次级样本:
其中, 。系统被认为是无法观测的结果吗 - - - - - -状态马尔可夫链模型。是独立于对所有和 。
因此,在上面的公式中,描述的例子是一个数量 ,和外生变量只包含一个常数项 。的未知参数包括 和 。在系统 ,两个密度由上面的公式表示
我们假设条件密度只取决于当前的系统而不是过去的系统:
我们假设根据马尔可夫链的发展,它独立于过去的观察或当前和过去的观测 :
这些参数被列为一个向量 。一个重要的目标是估计的价值观测值的基础上 。我们假设的价值某些分析师。然而,即使我们知道的价值 ,我们不知道在哪个系统流程位于样本中的每个阶段。我们能做的是形成一个概率推理的概括以下公式。
其中,
上述公式的无条件概率值的 。
这个推理的条件概率,分析员可以安排这个概率,这样 - - - - - -th列为观察值 向量由系统 。
作为一个列出这些预测 向量 ,和它的 - - - - - -th元素表示 。
为每个时期最佳的推断和预测在示例可以通过迭代得到以下方程:
代表了 向量, - - - - - -th元素是有条件的密度,代表了转移概率矩阵,1代表了 向量的每个元素都是1,代表了element-to-element乘法。在初始值与假设值的总体参数,上面的公式可以迭代 计算和值为每个时期在样例。对数似函数的值的观测数据在用来形成迭代可以得到该算法的副产品,它是
其中,
一个初始值给出了计算对于任何 。有几个选项,选择初始值。一种方法是等于无条件概率向量,表示 。另一个选择是
其中,是一个固定的 向量的非负常数元素是1,等 。此外,可以通过最大似然函数估计,及其限制吗 和 。
代表了 向量的 - - - - - -th元素是 。当 ,这代表了系统的预测在未来的一段时间。
当我们把可用的信息作为条件,和使用代表提出m期预测基于期 ,我们可以得到
光滑的推理可以使用该算法建立了计算(24]。用向量形式,这种算法可以写成
其中,象征代表中的元素。上面的公式 反向迭代平滑概率 。迭代从在 ,只有当和算法有效遵循一阶马尔可夫链。当条件密度取决于 只有通过当前状态 ,当解释变量的滞后值向量而不是是严格外生,是独立于对所有和 。
参数向量作为一个固定已知向量。对于一个给定的固定 ,一旦迭代完成的 ,隐含的对数似然值的值可以根据公式。的价值最大化的日志可以bfg算法获得的可能性。
4所示。银行利率分析模型基于计算机统计模型和机器学习
在上述利率算法的支持,银行的利率波动分析模型。
在实际开发中,MVC开发结构是主要的发展结构,主要是指操作的统一的显示层、控制层和数据层JSP或JavaBean进行处理。以下是MVC开发结构的结构图,如图1:
java ee实现MVC模式开发环境,最关键的部分是用RequestDispatcher接口,因为内容保存到JSP页面显示通过这个接口。当用户提交一个请求时,它将被移交给Servlet处理,然后Servlet调用JavaBean, JavaBean的经营成果是通过RequestDispatcher传递到JSP页面的接口。自内容只显示有效的请求响应,在MVC设计模式中,所有属性转移将通过使用请求属性范围,可以提高代码的运行性能,如图2。
采用的B / S结构和MVC结构系统图所示3,操作程序的结构系统基于B / S结构如图3。客户机-服务器数据库模型的过程。
MVC开发该系统的结构图分为三层根据MVC模型,和每次使用的技术是实现java ee开发环境。以下是银行利率的统计系统的架构图,如图4。
从架构图在上面的图中,我们可以看到,客户端级别是用户和系统之间的接口,这主要是由JSP页面实现。在相应的层、JSP、JavaBean和Servlet有明确的分工。在MVC框架,我们使用更成熟的Struts框架和使用Struts框架中的行动层调用javabean业务层完成各种业务功能。在数据库的实现技术层、JDBC技术用于实现其他层的访问到数据库,包括数据库更新和存储。这里需要解释什么是Struts MVC的只是一个实现;毕竟,它仍然是一个MVC开发结构。
系统的模块化设计来自各种金融机构的需求,主要是商业银行和金融监管机构、需求规范形成的研究,每个单元的业务需求和预期目标利率的统计工作。银行利率统计分析系统分为五个模块:数据收集和报告、数据统计、报告生成、用户管理、系统维护和管理。模块结构图如图5。
数据采集模块主要由三个模块:数据上传、数据验证和数据完整性检查。数据上传报告包括数据文件、数据文件查询报告完成后,数据完整性检查后查询是正确的,和完整性检查通过后,数据验证;数据读取状态后将显示数据验证。你可以检查是否成功读取数据。同时,您可以查询数据记录的数量数据验证后准备缺失或错误的报告。之后,可以生成一个数据完整性报告。数据完整性报告是一个先决条件数据统计以及数据统计模块的先决条件。
数据收集和报告的功能结构图模块如图6。
在确认所有基本利率信息表正确输入到数据库,系统执行汇总计算。总之计算,每个统计模板受到背景总结计算根据每个报告的具体计算公式。计算完成后,汇总结果保存在数据库中。由于大量的计算数据和用户生成报告的计算,需要等待很长时间是不可行的查询时动态生成报告。为了解决这个问题,系统采用以下方案数据聚合:(1)服务器执行集中后端总结在一定的时间内,生成中间结果,并将它们存储在数据库中。当用户生成报告,他们直接从中间结果中提取数据。(2)汇总计算的功能是统计人员引发的中国人民银行的分支机构来计算整个省的所有数据,以及每个中央分支的统计学家将不再执行的操作汇总计算。(3)管理员可以触发数据聚合不当班时,和使用休班时间聚合来减少服务器的压力。数据汇总统计模块由三部分组成:完整性测试报告,数据统计触发器,和数据统计结果管理,如图7:
利率管理系统是基于B / S架构,开发和使用JAVA编程语言实现。的整体架构主要由浏览器端和服务器端。浏览器端入口访问和使用系统和服务器端业务处理服务提供者和整个系统数据处理和存储的一部分。系统的物理部署图如图8。
为了确保系统的稳定和高效的操作在硬件层面上,目前的硬件制造商充分研究的相关参数。硬件的选择,需要考虑系统本身的需要,也考虑可能性和发展趋势未来银行的存款和贷款。
5。银行利率分析系统的性能验证
在建设银行利率波动模型基于计算机统计和机器学习,为了验证系统的有效性,验证了系统模型和分析。首先,本文分析了系统的稳定性。系统构建在本文中需要大量的数据处理。因此,它是必要的,以确保利率分析模型本身具有一定程度的稳定和有能力处理大量数据后继续工作。最后,本文使用了大量的随机金融数据训练和检测模型的运行速度。结果如表所示1和图9。
从上面的分析结果,我们可以看到,银行利率波动分析模型构建本文数据处理过程中一直表现良好。在此基础上,银行利率效果评估分析,结果如表所示2和图10。
可以看出,银行利率波动模型基于计算机统计模型和机器学习本文构造具有良好的结果。
6。结论
金融机构改革的稳步推进,利率市场化,在中国人民银行的背景下继续扩大金融机构利率定价的自主性,有必要总结金融机构的贷款利率,掌握实际利率水平,不断优化利率政策。的发展,银行的利率统计分析系统实现了统一,标准化和利率数据的报告和统计效率的各种金融机构和为决策部门提供了重要的数据参考。本文的组织结构是基于不同业务需求部门的需要。此外,本文详细设计系统的每个功能模块,设计过程和系统的每个部分的例子,并确定使用MVC框架开发的技术路线+ JDBC。此外,本文结合需求构建银行利率波动基于统计机器学习模型和分析模型,并通过实验分析和验证。从研究结果可以看出,该系统建立在本文中有重大的作用。
数据可用性
标签数据集用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究是由重点研发和推广项目(软科学研究)河南省(212400410097号)和河南省哲学社会科学规划项目(2020号jc31)。