农村金融系统性风险数据集

摘要：农村金融系统性风险数据集面向农村银行体系的风险识别与预测研究，通过整合金融机构经营指标、风险因子及区域经济环境变量，模拟不同农村金融机构在复杂经济条件下的风险状况。

数据集概述

农村金融系统性风险数据集面向农村银行体系的风险识别与预测研究，通过整合金融机构经营指标、风险因子及区域经济环境变量，模拟不同农村金融机构在复杂经济条件下的风险状况。数据集共包含 10,293 条记录，每条记录对应一个农村金融机构或相关金融业务观测样本，涵盖资本定价、资产负债、贷款与存款、流动性、资本充足水平、财务杠杆、信用风险以及农业和宏观经济环境等多维信息。数据中的主要连续变量已进行归一化和尺度调整，便于直接用于机器学习模型训练与比较分析，最终以“系统性风险等级”作为目标变量，将农村金融机构划分为低风险、中风险和高风险三个类别，为农村金融风险评估和智能预警提供数据基础。

数据结构与关键特征

该数据集以结构化表格数据为主要形式，特征体系可概括为金融经营、资产负债、风险暴露以及区域经济环境四个层面。金融经营类指标包括资本资产定价模型、权益、保险覆盖范围、贷款金额、存款金额和运营成本等；资产负债及偿付能力指标包括银行资产、银行负债、流动性比率、资本充足率和财务杠杆，可用于衡量金融机构的资本实力和短期偿债能力；风险类指标包括权益风险因子、贷款风险因子和信用风险，用于刻画投资、贷款组合及借款人违约带来的潜在损失；外部环境变量则包括农业绩效、经济指标、自然灾害、就业率和通货膨胀率，用于反映农村地区经济发展和外部冲击对金融机构经营稳定性的影响。这些变量共同构成系统性风险预测的输入特征，而低、中、高三个等级的系统性风险标签则作为分类模型的预测目标。

应用价值与研究方向

该数据集可广泛应用于农村金融风险预测、银行经营稳定性评估、信用风险识别以及人工智能辅助金融决策等研究。研究人员可以基于逻辑回归、随机森林、XGBoost、LightGBM、支持向量机及深度神经网络等算法建立系统性风险多分类模型，并通过特征重要性、SHAP解释等方法分析资本充足率、流动性、财务杠杆、信用风险及农业绩效等因素对风险等级的影响。同时，还可以围绕类别不平衡处理、模型可解释性、风险预警阈值优化、自然灾害与宏观经济冲击分析以及多模型集成预测等方向开展深入研究，为农村银行风险管理、区域金融监管、农业信贷政策制定和农村金融资源优化配置提供数据驱动的决策支持。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-433
文件大小：1.5M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。