基于模糊层次分析法的供应链金融信用风险评价

近年来,供应链金融融资模式快速发展,成为解决中小企业融资难的有效方式,但目前对于供应链金融的信用风险评价尚未形成一套行之有效的方法.针对供应链金融信用风险的特点构建了评价指标体系,并运用模糊层次分析法确定了各指标在评价体系中的权重,最后通过实例将该方法进行应用.结果表明该评价方法较客观,可以有效地对供应链金融信用风险进...     

基于BO-XGBoost与集成学习方法的供应链金融信用评价研究

针对供应链金融领域中小企业融资的信用风险控制问题，提出了一种在Bagging算法框架下结合贝叶斯优化和XGBoost算法的集成学习模型BO-XGBoost-Bagging（BXB）。首先，基于XGBoost特征重要度进行特征筛选，建立供应链金融信用评价指标体系。其次，通过贝叶斯优化获得XGBoost的最优超参数，并结合Bagging算法得到集成模型BXB。最后，在中小企业数据集上进行预测，通过实证研究验证信用评价模型的有效性。实证结果表明，BXB模型相比其他模型具有更好的预测效果，能够更加准确、全面地对中小企业的信用风险进行评估，更好地区分风险企业和正常企业，最大程度减少违约损失，在供应链金融信用评价方面有着较高的应用价值。     

供应链金融下农业中小企业信用风险影响因素研究

基于2015—2021年的新三板农业中小企业数据，通过Logistic-ISM模型分析影响供应链金融下农业中小企业信用风险的因素及因素间的关联关系和层级结构。基于此，得出研究结论：供应链金融下农业中小企业信用风险的表层因素为员工总数、销售净利率、资产负债率、总资产增长率和净利润增长率，中层影响因素为流动资产周转率、应收账款周转天数，深层影响因素为速动比率。为降低农业中小企业所面临的供应链金融信用风险提出以下建议：要加强政府引领和政策指导，加强供应链条的稳定性，提高农业中小企业综合实力。     

基于Logistic模型的供应链金融信用风险实证研究

供应链金融这种全新的融资模式,不但解决了商业银行探索发展新模式,开拓新业务的问题,还化解了中小企业融资难问题;在全球信用危机下,金融机构和企业如何能有效地加强供应链金融信用风险的控制;基于Logistic模型,进而对纺织类企业样本进行实证研究,通过实证分析,对供应链金融信用风险进行度量和预测.     

基于IG-SVM模型的供应链融资企业信用风险预测

为了提高对供应链融资中小企业信用风险预测的精度,在通过对中小企业信用风险评价研究基础上集成机器学习算法构建了能够提高信用风险预测的组合模型。该模型采用支持向量机(Support vector machine,SVM)建立供应链中小企业信用风险分类预测模型,并引入信息增益(Information gain,IG)提取对预测结果有显著贡献的特征变量,优化模型特征输入。在与其他模型的对比实验中可知,采用IG-SVM模型预测的测试样本精确度为97.62%,比单一SVM模型精度提高8.97%。采用IG进行特征优化,能进一步提高SVM模型的预测能力。     

基于粒子群协同优化算法的供应链金融信用风险评价模型

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题, 提出一种粒子群协同优化信用风险评价模型. 该模型在充分论证供应链金融风险特征指标体系的基础上, 利用二进制粒子群算法优选特征子集, 并对支持向量机(SVM)参数协同优化. 对供应链金融信用风险评估进行实验, 并与传统径向基支持向量机和主成分分析特征抽取方法对比, 结果表明, 该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.     

供应链金融模式及风险控制的案例分析

供应链金融作为新型商业模式,在中小企业融资和打造产业链竞争力方面具有独到的优势.然而在风险评估上仍缺乏统一完善的评估标准.本文从供应链金融业务模式人手,通过分析风险因素,运用模糊综合评价法,建立了系统风险评估模型,并通过分析某企业开展有色金属质押融资的案例,量化了供应链多方企业的风险影响程度,并据此建立了金融机构、物流企业、融资企业三者之间的风险控制平台.     

农产品供应链金融风险管理与控制研究 ——以江苏为例

在对农产品供应链金融模式分析的基础上,识别农产品供应链金融的风险种类,构建农产品供应链金融风险评价的指标体系,并以江苏省作为调研对象,构建结构方程模型,应用可同时分析多个变量的Amos法对模型进行计算,研究发现江苏省农产品供应链金融风险影响等级从高到低分别为:农产品质押风险、信用风险、供应链运行风险、技术风险、法律风险及政策风险,并从农产品质押物、供应链组成、预警机制、制度及法律方面提出风险管理和控制的对策建议,以期对江苏省农产品供应链金融业务的有效开展起到理论指导作用,并最终促进江苏省乃至全国农业、金融业、流通业的融合发展.     

基于支持向量机的商业银行信用风险评估模型

贷款业务是商业银行最重要的资产业务，构建一个适用的信用风险评估模型十分重要．本基于近年来在智能学习系统领域发展起来的新理论，引入小样本学习的通用学习算法——支持向量机(SVM)．建立了商业银行的信用风险评估模型，通过与多元判别分析、以及神经网络模型的比较，证实了该方法用于风险评估的有效性及优越性．     

基于混合系统的信用风险评估

提出一种基于混合系统的信用风险评估方法,用于识别和评价中国商业银行信用风险。用自适应共振神经网络模型进行风险的定量分析,用专家系统进行定性分析,结合定量分析的结果,给出分析结论。实证分析的结果表明,对于统计方法和BP模型而言,自适应共振模型的误判率低,且风险分类的精度高,从而提高了整个混合系统评估的准确性。该方法具有较强的可操作性,可以得到较好的评估效果,适合于于中国的信用风险数据基础薄弱的情况。     

基于模糊综合评价的信用风险评估

商业银行在营运过程中无时无刻不面临着各种金融风险，其中，信用风险占有特殊的重要地位，世界银行对全球银行业危机的研究表明，导致银行破产的最常见原因就是信用风险．因此，如何对信用风险进行准确和客观的评估与测度已成为学术界所面临的重要课题，同时也是金融实业界密切关注的焦点之一．利用多层次模糊综合评价的模型和层次分析法对国内商业银行信用风险进行综合评估．根据相关资料构建综合评价指标体系．用层次分析法确定各目标因素的权重，建立指标因素集到评价集的模糊映射，利用加权平均模型M（＊，＋）进行模糊矩阵运算，得到信用风险综合评价结果，按最大隶属度原则判断其所属的类型．     

基于模糊物元的制造业供应链质量风险评价

鉴于供应链质量风险事件的危害性,为了帮助制造企业更有效地开展供应链质量风险管理工作,在供应链质量风险诱因分析及风险评价指标设计基础上,采用模糊物元评价方法对设定的研究对象进行供应链质量风险评价.主要是在构建复合模糊物元模型基础上,运用熵值法确定指标权重,并利用欧氏贴近度衡量风险等级.最后通过神经网络仿真,验证了基于模糊物元的供应链质量风险评价的合理性和可靠性.     

改进特征选择的光伏功率预测融合算法

为提高电站光伏功率预测准确率,该文提出了改进特征选择的融合预测模型。首先耦合包裹式和过滤式方法筛选特征参数;然后根据气象特征分类构建XGBoost、LightGBM和MLP的单一模型;最后使用双隐藏层多层感知器（MLP）构建融合模型进行预测。实验结果表明,通过改进特征选择以及使用对非线性描述能力更佳的MLP融合算法,融合预测模型相比单一模型具有更高的预测准确率以及更强的泛化能力,可较好地满足短期光伏功率预测的需求。     

基于BP神经网络的工业用户能效评估

为了弥补现有工业用户能效评估模型及算法存在的不足,按照相关标准规范并兼顾实际可操作性,构建了工业用户能效评估指标体系,建立起基于BP神经网络的工业用户能效评估模型。通过25组数据完成了BP神经网络的训练,获得了达到设定误差的BP神经网络,最后运用5组测试数据验证了该模型的可靠性。测试结果表明:测试数据通过BP神经网络模型得到的评分和采用其它评估方法得到的评分基本吻合,选取的评价指标具有有效性,该评估模型能够有效的对工业用户的能效水平进行评估。     

一种基于AHP-未确知模糊理论的云计算环境下供应链信息协同风险评估

针对云计算环境下供应链信息协同风险具有动态性以及评价指标模糊性和不确定性的特点,提出基于AHP-未确知模糊理论的供应链信息协同风险评估模型,构建了云计算环境下供应链信息协同风险评价指标体系,并应用AHP法确定各个风险因素的权值,结合评分专家的可信度并用未确知理论得到模糊关系矩阵以提高模糊综合评判法的精度,最后通过实例证实了该评估模型的合理性和可行性.     

信用违约期权在应收账款信用风险管理中的应用

信用违约期权是近几年新兴的金融衍生产品,很多金融机构都开始用它来规避信用风险。从中小企业的角度分析如何利用信用违约期权来规避应收账款的信用风险。先对应收账款的信用风险和信用违约期权进行介绍,然后设计了信用违约期权管理应收账款信用风险的模型并以实例分析,得出信用违约期权是管理应收账款信用风险的更好的工具的结论。     

基于RBF神经网络模型的高校教育资源利用绩效评价决策支持系统

高校教育资源利用绩效评价的数学模型是一个高度非线性的黑箱模型,由于RBF神经网络收敛速度快,具有良好的非线性拟合能力,因此采用RBF神经网络模型进行高校教育资源利用绩效评价.研究了XML数据库的结构及功能实现方式,利用其方便、通用性强、文档结构明晰的优点来进行训练样本的存储;利用Matlab构建RBF神经网络,将神经网络与XML数据库相结合,开发出高校教育资源利用绩效评价决策支持系统.运行结果表明,通过这种方式搭建的高校教育资源利用绩效评价决策支持系统通用性高,泛化能力强.     

基于AHP-DEA的中小企业低碳运营绩效评价指标体系研究

以中小企业为研究对象,根据低碳型企业内涵,将企业经济效益与环境效益密切结合,构建了一套包含经济、技术、能源、设施、环境五个维度的中小企业低碳运营绩效评价指标体系.通过建立AHP模型计算出AHP指标权重以及通过建立DEA模型计算出DEA指标权重,在此基础上建立基于AHP-DEA的灰色关联评价模型,进而对五家具有代表性的中小企业低碳运营绩效进行了评估.对五家企业的低碳运营绩效排名以及各指标评分所反映出的问题,提出相应的改进意见.     

基于随机森林优化的自组织神经网络算法

针对基于降维的神经网络分类器预测模型在分析过程中存在特征丢失, 并导致精度下降的问题， 提出一种基于随机森林算法优化的多层感知器(MLP)回归预测模型. 该优化模型通过在MLP回归模型网络的全连接层和逻辑回归层之间增加一个优化机制, 利用随机森林算法对隐藏层状态的优化实现改进, 从而解决了降维过程中神经网络丢失数据特征的问题. 在借贷客户信息数据集上的实验结果表明, 该模型在保证主要特征的同时大幅度提升了预测准确率, 证实该模型在特征工程中具有较高的实用性.     

基于动态模型平均的金融压力指数构建与预警

使用累积分布函数-信用加权方法构建反映系统性金融风险累积状况的压力指数,并引入动态模型平均方法对该指数走势进行预测分析并评估其预测效果.结果表明,动态模型平均方法在模型选择、变量选择、系数选择等方面具备良好的灵活性,具有良好的预测效果.在具体应用中,GDP增长率与CPI增长率是对金融压力指数预测最有帮助的一类指标,其在后期的包含概率显著持续高于0.5,这类指标在风险防范中更值得关注.