学术探索
学术期刊
新闻热点
数据分析
智能评审

面向人工智能时代的经济风险管理——兼论典型案例

被引：3
作者：
周利敏
机构：
[1] 广州大学公共管理学院社会学系
来源：
北京行政学院学报 | 2020年 / 04期
关键词：
人工智能; 经济风险; 风险管理; 人工神经网络; 机器学习;
D O I：
10.16365/j.cnki.11-4054/d.2020.04.012
中图分类号：
F49 [信息产业经济]; TP18 [人工智能理论]; F272.3 [经营决策];
学科分类号：
1201 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要：
人工智能技术与思维可为经济风险管理提供新思路,主要应用于信用风险评估、投资风险管理、财务风险预测、市场风险预测与金融风险预测等领域,这一管理模型由风险分析—风险预测—风险代理—风险模拟—风险决策五要素构成。虽然人工智能技术本身还并不成熟,但能很好地弥补人类对经济风险复杂性、多元性、巨量性和易变性等分析的不足。通过分析百度公司、用钱宝公司、新加坡华侨银行、万事达卡等国内外机构运用人工智能进行经济风险管理的实践,可发现它在预防经济风险方面的独特优势和某些缺陷。人工智能这一跨学科管理工具的成效正得到越来越广泛的社会肯定,成为实践和研究的新趋势。
引用
收藏
页码：85 / 92
页数：8
相关论文
共 9 条
  • [1] 人工智能时代的社交媒体与灾害治理——兼论国际案例
    周利敏
    刘和健
    [J]. 理论探讨, 2019, (06) : 175 - 181
  • [2] 人工智能时代大数据风险管理的建议
    张于喆
    王君
    黄汉权
    [J]. 中国经贸导刊, 2018, (06) : 63 - 65
  • [3] 机器学习实践应用[M]. 人民邮电出版社 , 李博, 2017
  • [4] Two Different Points of View through Artificial Intelligence and Vector Autoregressive Models for Ex Post and Ex Ante Forecasting [J] . Alev Dilek Aydin,Seyma Caliskan Cavdar,Massimo Panella.&nbsp&nbspComputational Intelligence and Neuroscience . 2015
  • [5] Life after the financial crisis. Energy intensity and energy use decomposition on sectorial level in Latvia [J] . Lelde Timma,Toms Zoss,Dagnija Blumberga.&nbsp&nbspApplied Energy . 2015
  • [6] Business intelligence in risk management: Some recent progresses [J] . Desheng Dash Wu,Shu-Heng Chen,David L. Olson.&nbsp&nbspInformation Sciences . 2014
  • [7] A Comparison of Various Artificial Intelligence Methods in the Prediction of Bank Failures
    Erdal, Halil Ibrahim
    Ekinci, Aykut
    [J]. COMPUTATIONAL ECONOMICS, 2013, 42 (02) : 199 - 215
  • [8] Assessing bank efficiency and performance with operational research and artificial intelligence techniques: A survey [J] . Meryem Duygun Fethi,Fotios Pasiouras.&nbsp&nbspEuropean Journal of Operational Research . 2009 (2)
  • [9] Comprehensible credit scoring models using rule extraction from support vector machines [J] . David Martens,Bart Baesens,Tony Van Gestel,Jan Vanthienen.&nbsp&nbspEuropean Journal of Operational Research . 2006 (3)
1