金融生态稳定性评估指标

📚 共计 30 章节

金融生态概述

金融生态系统的定义、构成要素、核心特征与运行机制。

稳定性理论基础

金融脆弱性理论、金融周期理论、系统性风险理论。

宏观审慎指标

GDP增速、通胀率、失业率、财政赤字与公共债务。

货币与信贷指标

M2增速、信贷/GDP缺口、利率期限结构、汇率波动。

银行体系指标

资本充足率、不良贷款率、拨备覆盖率、流动性覆盖率。

资本市场指标

股票市场波动率、债券利差、市场流动性、投资者情绪。

房地产金融指标

房价收入比、房地产贷款占比、土地财政依赖度。

房地产风险

影子银行指标

影子银行规模、同业业务占比、通道业务风险。

影子银行同业

跨境资本流动指标

短期资本流动、外债结构、外汇储备充足率。

金融科技风险指标

数字支付风险、P2P网贷风险、加密货币波动。

金融科技数字

压力测试方法论

情景设计、风险因子建模、资本冲击传导机制。

压力测试建模

系统性风险度量

CoVaR、SRISK、边际期望损失(MES)。

风险度量CoVaR

金融网络分析

银行间网络模型、风险传染路径、中心度指标。

早期预警系统

信号法、Logit模型、机器学习预警模型。

预警机器学习

金融稳定指数构建

指标选取、标准化处理、权重确定与合成。

数据采集与清洗

数据源选择、缺失值处理、异常值检测、频率转换。

Python金融分析基础

Pandas数据处理、NumPy数值计算、Matplotlib可视化。

指标计算实战

Python实现宏观审慎指标计算与趋势分析。

银行体系指标计算

Python实现资本充足率、不良率动态监测。

银行动态监测

市场压力指数构建

Python实现股票、债券、汇率市场压力综合指数。

压力指数市场

金融网络建模

Python构建银行间同业拆借网络与风险传染模拟。

网络建模模拟

压力测试实战

Python实现信贷风险、市场风险、流动性风险压力测试。

压力测试Python

机器学习预警模型

Python实现随机森林、XGBoost金融风险预警。

机器学习XGBoost

金融稳定指数可视化

Python实现动态仪表盘与热力图展示。

可视化仪表盘

案例：1997年亚洲金融危机

成因、传导机制、指标表现与启示。

案例亚洲金融

案例：2008年全球金融危机

次贷危机、雷曼倒闭、系统性风险爆发。

案例全球金融

案例：欧债危机

主权债务风险、银行-主权负反馈、政策应对。

案例：中国金融风险防控

影子银行治理、房地产调控、地方债务化解。

监管框架与政策工具

宏观审慎政策、逆周期资本缓冲、贷款价值比(LTV)。

未来趋势与挑战

数字货币影响、气候金融风险、人工智能在风控中的应用。