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

定　价：¥48.00

作　者：	陆磊等著
出版社：	中国金融出版社
丛编项：
标　签：	暂缺

购买这本书可以去

ISBN：	9787522010205	出版时间：	2021-03-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　党的十九届五中全会明确了“十四五”时期发展规划，指出要深入推进科技体制改革，构建金融有效支持实体经济的体制机制，完善国家科技治理体系，提升金融科技水平。21世纪前20年，货币金融领域呈现两大基本发展趋势：一是金融科技蓬勃发展，数字货币和数字金融成为金融领域的新生力量。金融科技正在悄然改变现代金融业态和运营模式。二是在经济金融全球化趋势下，发达经济体的债务危机和新兴市场货币危机此起彼伏。在经济金融全球化条件下，经济金融的繁荣和衰退与跨境资本流动的联系日渐紧密，一方面经济金融的开放吸引了大规模国际资本流入，促进了经济金融繁荣发展；另一方面金融市场开放和资本管制放松也为跨境资本自由流动创造了条件，增加了经济金融面临外部冲击时的脆弱性。两大趋势汇聚于一个焦点——新时期的金融管理框架、模式、平台和技术的更新迭代，以顺应金融科技趋势，有效管理货币危机。本书从当前宏观审慎管理理念和监管困境出发，旨在探索监管科技在外汇管理领域的应用，建立跨境资本流动宏观审慎管理体系，丰富宏观审慎工具箱。本书为中国金融四十人论坛课题“基于金融科技手段的跨境资本流动宏观审慎管理研究”的研究成果。

作者简介

　　陆磊，国家外汇管理局副局长、中国金融四十人论坛成员、中国国际金融学会副会长。中国人民银行研究生部经济学博士、澳大利亚国立大学经济学硕士、北京大学经济学硕士、北京大学经济学学士。曾任招商银行研究部高级研究员、总经理助理，广东金融学院院长，中国人民银行研究局局长，中国人民银行金融稳定局局长，中国金融学会秘书长等职。研究领域集中于货币经济学、转型金融学、腐败经济学、公共经济学与公共政策、开放经济背景下的资本流动和均衡汇率、中央银行制度、农村金融改革与金融深化、银行微观经济学和金融监管理论等。曾主持国家社会科学基金、自然科学基金等重大课题研究。尚昕昕，国家外汇管理局外汇研究中心研究员。中国人民银行金融研究所博士后、澳大利亚麦考瑞大学应用金融与精算博士、澳大利亚麦考瑞大学应用金融一级荣誉学士。研究领域集中于开放经济条件下的跨境资本流动、外汇管理政策、货币国际化、金融风险量化建模和金融科技监管应用等。曾主持国家自然科学基金青年项目、国家外汇管理局青年课题，参与国家社会科学基金、中国人民银行重点课题、清华大学五道口金融学院重点课题、中国金融四十人论坛年度课题等研究项目。曾获中国人民银行金融研究重点课题二等奖、优秀奖，国家外汇管理局青年课题三等奖、优秀奖等奖项。

图书目录

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