基于时间序列 Transformer 模型的银行风险预测与稳定性评估
风险管理
2024-12-06 v1 机器学习
摘要
本文旨在研究基于时间序列 Transformer 模型的银行稳定性指数预测。银行稳定性指数是衡量金融机构健康状况和风险抵抗力的重要指标。传统预测方法因依赖单一维度宏观经济数据，难以适应复杂市场变化。本文提出了一个基于时间序列 Transformer 的预测框架，该模型利用 Transformer 的自注意力机制捕捉金融数据中复杂的时序依赖关系和非线性关系。通过实验，我们将模型与 LSTM、GRU、CNN、TCN 和 RNN-Transformer 模型进行比较。实验结果表明，时间序列 Transformer 模型在均方误差 (MSE) 和均绝对误差 (MAE) 等评估指标上均优于其他模型，显示出强大的预测能力。这表明时间序列 Transformer 模型能够更好地处理银行稳定性预测中的多维时序数据，为金融风险管理提供了新的技术方法和解决方案。
引用
@article{arxiv.2412.03606,
title = {Advanced Risk Prediction and Stability Assessment of Banks Using Time Series Transformer Models},
author = {Wenying Sun and Zhen Xu and Wenqing Zhang and Kunyuan Ma and You Wu and Mengfang Sun},
journal= {arXiv preprint arXiv:2412.03606},
year = {2024}
}