基于最优指标组合的代价敏感违约预测模型——以A股中小企业为例

企业违约预测是在当下时刻推断企业未来时刻发生违约事件的概率，与经济和社会息息相关。本研究的贡献在于：一是构造了兼顾指标组合违约预测精度和指标个数的多目标函数，通过sigmoid函数将蜉蝣算法转化为二进制蜉蝣算法，将其引入金融风险领域进行最优指标组合的遴选。二是在逻辑回归模型的对数似然函数中，给违约企业添加一个惩罚系数，以违约预测精度F-measure最大，反推最优的惩罚系数值，在保证总体判别精度的前提下，提高模型对违约企业的识别精度；同时使得逻辑回归求解的目标函数更贴合实际情况，确保了估计的权重向量更准确地反映指标数据与其违约状态间的函数关系。中小企业的实证研究表明：“高管年薪披露方式”“前十大股东是否存在关联”和“监事会持股比例”等企业内部非财务因素，以及“人均地区生产总值”“中长期贷款基准利率”和“货币和准货币供应量同比增长率”等宏观经济因素对中小企业违约预测的影响不容忽视。该方法可以提升对企业信用风险的识别能力，降低商业银行的不良贷款率。     

基于余弦相似度的企业违约预测模型及实证

企业违约预测,是通过挖掘指标数据与违约状态之间的函数关系,来预测企业未来的财务风险,其对银行贷款、股票投资、公司债券投资等具有重要的参考意义.本研究的贡献主要有三个方面:一是通过将企业的夹角余弦值而非欧氏距离作为违约状态相似性的度量,构建企业违约预测的Cos-k-means模型,避免了通过欧氏距离聚类时,忽略企业和聚类中心的角度关系以及对噪声样本和极端值敏感的弊端.二是通过构建兼顾模型违约鉴别力最大和指标组合冗余最小的目标函数,采用二进制粒子群算法(binary particle swarm optimization,BPSO)遴选指标组合,保证了构建的信用评价指标体系简洁、合理.三是通过采用企业t-d (d=1,2,3,4,5)期的指标数据和第t期的违约状态构建违约预测模型,实现了使用企业第t期的指标数据预测t+d期违约状态的目的.     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

基于显著区分两类客户的小型建筑企业信用评价模型研究

本文以中国某区域性商业银行185个小型建筑企业的贷款客户为样本,将熵值法权重、CRITIC法权重和方差齐性检验法权重进行组合,通过构建非线性目标规划函数反推出单一赋权方法的组合系数,构建了显著区分违约和非违约客户的小型建筑企业信用评价模型.通过ROC曲线原理,对不同赋权模型的结果进行违约判别能力的检验.本文的创新与特色:一是通过组合赋权得到的信用得分的组内平方和越小、组间平方和越大、那么违约与非违约客户差异越显著的思路建立非线性目标规划模型,通过目标函数最大反推出单一赋权权重的组合系数,保证组合权重的大小能够显著区分客户的违约状态.解决了信用风险评价中组合权重的大小必须对违约状态有显著鉴别能力的难题,避免了现有研究的信用评分模型由于忽略指标权重区分违约状态的能力、导致出现越是可能违约的客户、信用得分反而越高的不合理现象,开拓了信用风险评价指标赋权的新思路.二是根据违约样本均值偏离全部样本均值程度越大、这个指标区分违约状态能力越强、权重越大的思路对指标进行赋权,通过方差齐性检验F值刻画指标的权重,使指标权重的大小反映指标鉴别违约状态能力的大小,改变了现有研究的指标客观赋权方法与违约状态鉴别能力无关的弊端.实证结果表明,与单一赋权结果相比,组合赋权模型的灵敏度和特异度分别为83.33%和95.95%,对客户的违约判别能力更强.     

基于最小显著差异法农户关键违约特征挖掘

信用风险管理不仅是简单的对客户信用资质进行排序,而是识别出客户是否违约,如果违约将会给银行造成多大程度的损失.故信用风险管理问题可以归纳为:一是根据什么标准识别客户是否违约,这个标准也就是文中的关键指标;二是客户按照某一标准划分为多类,哪一类客户将给银行造成更大的损失,这类客户的识别也就是文中的关键特征识别.上述问题解决的是在信用风险管理中,具有哪些关键特征的贷款农户是造成银行较大违约损失的"害群之马".以中国某国有商业银行分布在28个省的农户贷款数据为实证样本,通过F检验的方法甄别出居住状况,年净收入/省人均GDP这2个指标是对中国农户贷款违约损失率有显著影响的关键指标.通过最小显著差异法确定"年净收入/省人均GDP"区间在10.02～19.24内,居住状况是"共有住房"特征的贷款农户的违约风险最大,是信用风险管理中的关键特征,具有这类特征的贷款农户的违约风险最大.     

管理层讨论与分析能预示企业违约吗?——基于中国股市的实证分析

采用文本挖掘技术,对上市公司年报中的管理层讨论与分析(MD&A)内容进行文本分析,从文本相似度、文本可读性、文本语调以及管理层预期的角度构建了MD&A评价体系。通过构建代价敏感GBDT(csGBDT)模型,考察多维管理层讨论与分析指标对企业违约预测的影响,并进一步分析了对企业违约状态有重要影响的MD&A指标及其对违约状态作用的边际效应。研究表明：MD&A指标可以作为替代性数据源准确预测上市公司违约状态;MD&A指标相比传统违约预测变量的预测效果较差;MD&A指标在传统违约判别指标基础上提供了额外的信息含量;csGBDT模型显著提高了对企业(尤其是对违约企业)的判别能力,在违约预测的大数据方法中具有明显优势。在众多管理层讨论与分析指标中,对企业违约有重要影响的MD&A指标依次为：与前一年相比文本相似度、词汇总量、情感语调2、词汇总量/句子数量、情感语调1和管理层是否发出业绩预测。本文将企业违约预测的研究边界从结构化数据拓展到非结构化文本数据,有助于抑制信息不对称导致的企业违约风险。     

基于最小显著差异法农户关键违约特征挖掘

信用风险管理不仅是简单的对客户信用资质进行排序，而是识别出客户是否违约，如果违约将会给银行造成多大程度的损失.故信用风险管理问题可以归纳为：一是根据什么标准识别客户是否违约，这个标准也就是文中的关键指标；二是客户按照某一标准划分为多类，哪一类客户将给银行造成更大的损失，这类客户的识别也就是文中的关键特征识别.上述问题解决的是在信用风险管理中，具有哪些关键特征的贷款农户是造成银行较大违约损失的"害群之马".以中国某国有商业银行分布在28个省的农户贷款数据为实证样本，通过F检验的方法甄别出居住状况，年净收入/省人均GDP这2个指标是对中国农户贷款违约损失率有显著影响的关键指标.通过最小显著差异法确定"年净收入/省人均GDP"区间在10.02~19.24内，居住状况是"共有住房"特征的贷款农户的违约风险最大，是信用风险管理中的关键特征，具有这类特征的贷款农户的违约风险最大.     

一种短期电力负荷预测新方法的研究与应用

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型。对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度。     

基于数据挖掘的交通流预测模型

通过对道路交通流变化规律和影响因素的分析,提出了一种新的交通流预测模型.首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中Pij(t)改进模糊聚类分析;然后以最拥挤时间段的25个点交通流数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型.对实际数据进行预测分析的结果表明:该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(雨雪天气)也有较好的预测精度.     

基于组合赋权法的中小微企业信贷风险量化及预测

中小微企业具有规模较小、缺少抵押资产等特点，银行作为中小微企业的主要借贷来源承担着巨大的资金风险，大多数现存方法定性分析中小微企业的实际信贷水平，导致银行难以量化评估企业借贷风险。本文提出基于组合赋权法的中小微企业信贷风险量化及预测模型。通过挖掘票据交易数据构建多层次风险评估指标体系，分别采用基于指数标度的AHP法、CRITIC法得到信贷风险评价指标主观、客观权重，并依据最小鉴别信息原理得到综合权重。同时利用随机森林(Random Forest)预测中小微企业是否违约，并回归得到无违约情况的中小微企业信贷风险得分，并比照基于组合赋权法信贷风险量化得分，最终采取加权平均法量化信用得分，最终实现预测中小微企业信贷风险量化得分。     

基于改进Theil不等系数的导弹备件消耗预测

针对传统备件消耗预测模型在组合赋权方面存在的缺陷,提出了一种基于改进Theil不等系数的诱导有序加权调和平均（induced ordered weighted harmonic averaging, IOWHA）算子和马尔科夫链（Markov chain, MC）的导弹备件消耗预测模型。首先运用最小二乘法、数据变换技术和加权理论对单项预测模型进行改进;然后建立基于Theil不等系数的IOWHA算子组合预测模型;提出利用MC定性推导出组合模型中各单项预测模型在待预测时点上的预测精度状态,进而应用遗传算法（genetic algorithm, GA）求解得到待预测时点上的组合模型权系数。实例结果表明,所提出的组合预测模型大大降低了预测误差。     

基于改进RFFS和GSA-SVR的长输油管道腐蚀深度预测研究

由于长输油管道腐蚀深度受整个外部土壤腐蚀环境、内部运输介质和其他未知因素的干扰。常常会使管道腐蚀数据出现异方差性以及非稳定性的问题,导致精确预测管道腐蚀深度十分困难.为了提高长输油管道腐蚀深度的预测精度,提出了基于改进RFFS和GSA-SVR的预测模型.首先利用改进RFFS算法提取长输油管道重要腐蚀影响因素作为预测指标,实现数据降维,以减少对预测结果的干扰;然后进行数据预处理,利用GSA对惩罚系数C和核函数参数g进行寻优,同时优选核函数和迭代次数t,使SVR达到全局搜索和局部搜索的最优,进而形成基于改进RFFS和GSA-SVR管道腐蚀深度预测模型;随后使用训练集训练模型,输入测试集进行预测,同时引入平均相对误差(MARE)和相对均方误差(RMSE)两个评价指标进行对比,建立数据表对模型精确度进行检验.实例结果表明:使用基于改进RFFS和GSA-SVR模型用于预测腐蚀深度与实际结果高度吻合,预测精度远高于其他预测模型.     

PSO-LSSVM灰色组合模型在地下水埋深预测中的应用

针对LSSVM参数难以确定和单一方法预测精度不高的问题, 提出一种基于粒子群优化LSSVM灰色组合预测模型的学习方法. 利用粒子群算法的收敛速度快和全局优化能力, 优化LSSVM模型的惩罚因子和核函数参数. 避免了人为选择参数的盲目性. 在同一时刻利用不同长度序列的灰色预测方法对历史数据进行初步预测, 将初步预测结果的组合作为LSSVM的输入, 该时刻的实际值作为输出, 进行训练建立灰色LSSVM组合预测模型, 提高了模型的推广预测能力. 选取三江平原某地区1985年至2006年地下水埋深实测数据, 建立PSO-LSSVM组合预测模型. 通过两种方式对模型进行检验, 与其他模型相比, 该组合模型具有较高的预测精度.     

信用风险度量方法与建模研究

实证分析表明,现代信用风险度量模型对我国银行贷款组合信用风险度量有一定的效果,大多数测算的结果大于实际值,不同模型预测结果相差也较大,而且不能对单笔贷款的损失进行有效预测.在深入研究企业违约本质的基础上,建立了一个解析式的新模型,实证检验和范式比较分析说明了新模型预测的效果要明显优于西方国家开发的模型,并且不需要大量的历史信贷统计数据,更适合于缺乏长期历史信贷数据的我国商业银行,也完全满足高级内部评级法的要求,显示出强大的优越性.     

基于灰色模型与LSTM网络的旋转机械轴承寿命预测

大型机械设备中旋转机械占到总量的80%, 为及时掌握其工作状态, 开展如何旋转机械轴承的寿命预测精度的仿真研究。首先, 通过可靠性数值(confidential value, CV)量化评估工作状态; 然后, 利用数据变换和累加积分的方法优化数据平滑性与背景值来改进灰色模型; 并与长短时记忆网络结合为新预测模型来预测系统工作状态; 最后, 将平均绝对百分比误差等3种性能指标与单一模型对比, 将预测失效时刻与全卷积层神经网络算法和无迹粒子滤波算法对比。结果表明, 组合模型预测退化趋势3种指标的平均值优于3种单一模型; 组合模型预测的失效时刻相比于另外两种改进算法更准确。     

基于变权Markov链的中小物流企业信用风险集对预测

中小物流企业信用表现的优劣直接关系物流服务供应链生态系统的平衡性和稳定性。针对现有研究仅侧重历史信用评估,无法有效判断企业未来风险演变的情况,本文构建集对-变权Markov模型预测中小物流企业未来信用风险趋势。首先,构建完善的中小物流企业信用特征指标体系,设计CRITIC-时间熵方法综合面板信用数据纵横向信息计算指标变权;其次,综合考虑风险状态转移和趋势转移两种情景分别构造集对关系和M a rko v转移矩阵,结合集对势思想从正、均、反三种态势预测企业信用发展;最后,通过实例分析验证模型对于中小物流企业信用风险状态和趋势判断的有效性。该模型从未来风险发展视角分析中小物流企业信用状态,为有效预判物流企业信用趋势提供决策支持。     

内蒙古耕地压力的组合预测模型及动态分析

运用耕地压力指数计算了内蒙古1990-2008年间的耕地压力时间序列,选择指数模型、多项式模型和GM（1,1）模型对耕地压力变化趋势进行回归分析,建立了耕地压力的组合预测模型,采用粒子群优化算法求得组合预测模型的最优权重。研究表明：将粒子群优化算法应用到耕地压力组合预测模型的权重求解是可行的;1990-2008年间内蒙古耕地面积、人均粮食占有量都有所增加,耕地压力指数呈现明显下降趋势;预测结果表明2015年内蒙古耕地压力为0.714,未来5a粮食生产处于安全状态。最后提出了减轻耕地压力以确保粮食安全的措施。     

基于结构化模型的违约概率期限结构研究

研究国内信贷市场上违约概率的期限结构问题.首先,基于结构化模型基本原理,提出了累积违约概率和边际违约概率模型;然后,利用国内某银行的数据,测算了1～20年期边际违约概率曲线以及年度累积违约概率和年度边际违约概率;最后,通过情景分析的方法研究了波动率σ和违约阈值B对违约概率期限结构的影响.研究发现:1)在1年期违约概率的预测方面,结构化模型优于Z'评分模型;2)违约概率的变化幅度随期限的增加而逐渐降低.但对于风险较高的贷款,5年期以上的年度边际违约概率的变化幅度不应被忽略,需要对目前的信用风险度量和定价方式加以改进;3)风险越高,近期违约概率越大,中远期违约概率先增后减;时点距离当前越远,边际违约概率对这些风险因素的敏感性越低.     

设备部件延寿的灰色多指标畸变预测模型

针对设备部件延寿预测问题，首先，提出了上下限两种异常畸变指标，并给出灰色多指标延寿畸变预测模型的架构图和延寿预测示意图。其次，运用灰色系统方法分别构建了两阶段灰色预测模型，在第一阶段构建了灰色上下限畸变预测模型，得到下一次发生畸变的日期；在第二阶段构建了GM(1,1)模型，对设备部件延寿以及上下限指标的异常值进行预测。同时，对模型的预测精度进行检验和分析，并根据模型的预测结果确定了设备部件延寿的时间。最后，以半导体制造业设备靶材延寿为实际应用案例，验证了该模型的有效性和可行性，为合理制定部件的最优维护更换时间以及对降低企业运维成本具有重要指导意义。     

MPOS联邦实时组合算法

微小型位置姿态测量系统(micro position and orientation system, MPOS)是为成像载荷提供实时高精度运动补偿信息的关键装置，其测量精度严重制约成像精度的提升。针对MPOS集中滤波实时性差的问题，在基于双ARM (advanced reduced instruction set computing machines)硬件平台的基础上，采用联邦滤波实时组合算法对多组传感器数据进行最优信息融合。以微惯性测量单元为公共参考系统，双天线全球导航卫星系统(global navigation satellite system, GNSS)和磁强计作为子系统提供量测信息，将各个子系统得到的局部误差协方差及状态估计值在主滤波器中进行信息融合得到最优估计值。通过动态实验验证了基于联邦滤波实时组合方法的MPOS,其位置、速度、航向角及水平姿态角精度可达0.6 m, 0.03 m/s, 0.15°,0.04°。