基于DNS模型的我国公司债信用利差预测

利用2012~2017年我国国债、公司债、宏观经济及公司特征的月度数据,基于无风险收益率和公司债信用利差期限结构的动态Nelson-Siegel（DNS）模型,提取无风险收益率曲线和公司债信用利差曲线的水平因子、斜率和曲率,采取向量自回归模型和面板回归方法对我国公司债信用利差进行样本内和样本外预测。结果表明：我国公司债信用利差可以由无风险收益率期限结构及公司债信用利差期限结构中包含的信息进行预测;宏观经济变量和公司特征变量对我国公司债信用利差的预测贡献较小。     

平安银行结构化理财产品定价分析

理财产品作为银行一种较高收益率和较低风险的投资方式，迎合了投资者的需求。以平安银行财富"结构类（100%保本挂钩利率）资产管理类开放型98天人民币002期"理财产品为研究对象，利用现金流贴现模型、LIBOR市场模型进行建模，运用蒙特卡罗模拟法，借助Matlab软件，计算出该产品的理论定价，并与平安银行的实际定价相比较，分析其合理性。得出该理财产品的预期收益率与产品说明书中提到的最高到期收益率相一致，说明该理财产品的价值被低估。     

中国上市公司股票评级的财务结构模型分析

目前关于我国股票市场的评级尚处于探索阶段,在评级时往往对各个评级的因素采用专家法或者历史法等,特别是对于影响股票评级的各个因素的确定以及因素间的相互作用缺乏定量的分析,常采用一些多元统计的方法而对整体的关系无法进行深入的分析.将结构模型应用到中国股票市场的股票评级中,建立了关于中国股票评级的财务结构模型,分析了各个因素对股票评级的影响,并对中国上市公司股票评级建立了经验模式值,这对于中国股票评级和银行的信用评级具有一定的借鉴意义.     

大数据技术赋能下软硬信息对中小微企业融资的差异性研究

以浙江省816家中小微企业为样本,利用分层线性回归模型分析大数据技术赋能视角下软硬信息对中小微企业融资的差异性影响.研究结果表明,非结构化软信息能够增强中小微企业的信用评级从而缓解融资约束的作用效果强于结构化硬信息对其影响,而囿于技术桎梏无法充分利用软信息的问题在大数据技术的出现之后也得到了充分解决,并且大数据技术发展越成熟,非结构化软信息对信用评级的影响作用越能得到充分发挥.     

基于GARCH模型的Black-Litterman投资组合研究

该文以上证50样本期内38只股票周收益率为实证研究对象,利用GARCH模型预测周收益率和条件方差,并以此分别量化传统BL模型中的观点收益向量和观点误差矩阵,得到的BL预期收益率普遍高于市场均衡收益率.最后,基于该BL预期收益且不允许卖空条件,给出这38只股票的最优投资组合和有效前沿.     

盈余管理、信用评级意见购买与征信监管——基于精炼贝叶斯均衡博弈的研究

着眼于盈余管理视角,以我国的信用评级机构、公司债券发行公司、金融监管部门为研究对象,建立精炼贝叶斯均衡博弈及二阶段展期模型,研究发行公司债券的上市公司、信用评级机构与金融监管部门之间的利益博弈路径.研究发现:在获取发行资格、节约债券融资成本的动机驱使下,发债公司存在通过盈余管理进行评级意见购买的动机,盈余管理水平越高,信用评级越高;声誉机制的跨期收益与惩罚特征、发债公司与评级机构的短期行为、金融监管缺位等因素增强了评级机构的合谋倾向,从而导致评级普遍虚高,查处与惩罚力度的增强则可有效遏制盈余管理程度和评级虚高现象,这对完善我国现阶段金融领域征信体系具有重要的参考价值.     

基于逻辑回归的商业银行客户信用评级研究

客户信用评级是衡量客户偿债能力和偿债意愿的重要标准,是指导商业银行及各金融机构信用风险管理的重要手段。各商业银行建立自己内部合适有效的信用评分模型对于管控风险、降低损失尤为重要。逻辑回归分析是一种广义的线性回归分析模型,在数据挖掘、经济预测等领域有着广泛的应用。该文采用统计学建模方法,将逻辑回归模型应用于农村商业银行客户信用评级,构建了基于逻辑回归的农村商业银行客户信用评级模型,对贷款客户的信用等级进行评价。该方法能够帮助银行有效区分违约客户,比较准确地量化客户违约风险,同时为商业银行及其他金融机构开展信用风险管理提供参考。     

城市居民投资理财行为分析——以南京市204份样本为例

本文通过调查问卷和模型实证分析,对南京市居民投资理财行为进行了研究。研究显示:学历、对投资产品的了解和风险偏好是影响居民投资收益率的重要影响因素;学历、家庭月收入和对投资产品的了解是影响居民是否选择储蓄外理财产品的重要影响因素。目前,南京市居民对投资理财的认知程度偏低,投资较为保守,投资收益率不高。树立居民理财观念、提高理财产品认知度、加强理财培训有助于投资理财产品的发展和居民投资收益的提高。     

模型重置与期货套期保值效率

在套期保值实务中,市场不断受到新的冲击,波动率瞬息万变,过于久远的历史数据可能对投资者产生误导.传统的套期保值方法是利用全期历史样本来估计当期最优套期保值比率,但中国股票市场与股指期货收益率是否具有长记忆性?早期样本信息是否可靠?为解答这些问题,该文尝试提出模型重置概念,保持每次建模的样本数量一定,向前一步预测时按时序引入新样本,同时剔除早期样本;在此基础上选取能有效刻画市场收益率长记忆性的CCC、DCC、GOGARCH模型对中国沪深300、中证500、上证50股指期货的时变套期保值比率进行估计,进而对比模型重置前后的套期保值效率.结果表明:模型重置后,套期保值效率更高;模型重置周期越短(样本越新鲜),套期保值效率越高.这说明在利用沪深300、中证500、上证50股指期货对冲中国股票资产时,应避免受到早期历史数据的影响.     

小微企业信用等级分类模型研究

以非违约样本与违约样本数量相等的平衡样本为实证样本,采用等分法将全部样本的信用得分分为国际通行的9个等级.计算每个等级内样本客户的违约率,并判断等级分类是否满足信用等级越高、违约率越低的根本要求.如果出现信用等级高而违约率不低的情况时,就动态调整信用等级的信用得分区间,确保调整后的信用等级分类满足信用等级越高、违约率越低这一信用等级分类的根本要求.     

消费者购买银行个人理财产品行为分析——基于多水平logistic模型

以商业银行理财客户购买意愿和购买行为为研究对象,选取了青岛市居民进行问卷设计、问卷调查和数据收集。考虑银行这一层次变量,运用多水平logistic模型来探讨影响居民购买商业银行理财产品购买意愿和购买行为的因素。研究结果表明,青岛市各商业银行间消费者购买银行理财产品的行为确实存在着显著差异,但同一商业银行内部,消费者购买银行个人理财产品的行为存在一定相似性。消费者的购买意愿和行为受个人因素、收入因素、产品认知因素、银行服务因素的影响比较显著。     

高频连涨连跌收益率的分位点Granger因果检验与条件VaR估计

分析了上证综指和深圳成指1min高频数据的连涨连跌收益率及相应持续期的平稳性,对它们的分布进行了指数分布、Gamma分布和Weibull分布拟合,发现拟合效果不好.基于分位点Granger因果关系检验,分析了连涨连跌收益率的影响因素,研究结果表明,大的连涨后跟着大的连跌的可能性较大,但是连涨极端收益率不受上一过程的连跌收益率的影响;上一个连涨连跌收益率的持续期越长,连跌收益率的风险越小;上一个连涨过程的持续期越长,下一个连涨过程的极端收益越小,而连跌过程的持续期对连涨的极端收益不存在影响.最后对连跌收益率的条件VaR进行了预测,结果表明分位点回归模型对条件VaR的预测效果较好.     

影响高强度钢疲劳强度的固有缺陷尺寸

文章推导出了影响高强度钢疲劳强度的固有缺陷尺寸与硬度和硬化指数之间的定量关系．通过大量公开发表的数据检验,表明其相对误差大多在±１０％以内．高强度钢的下限疲劳强度由固有缺陷尺寸所控制,而上限由滑移带裂纹尺寸所控制．强度越高,硬化指数越高,固有缺陷尺寸越大,则高强度钢的下限疲劳强度越低．提出的固有疲劳应力集中系数等于滑移带开裂的疲劳强度和实测疲劳强度之比,对于中低强度钢,其值接近于１;而对于高强度钢其值大于１,说明该系数越大,则硬度越高,材料对缺口越敏感．     

基于VaR风险测度的投资组合优化模型及应用

以VaR作为投资组合风险的衡量尺度,在马柯维茨框架下建立均值-VaR投资组合优化模型,并采用蒙特卡罗模拟与遗传算法相结合的方法求解该模型．通过该模型在中国股市的实证研究,从资产收益率分布的假设与VaR置信水平的假设两方面对投资决策的影响进行了讨论,发现如果资产收益率分布的尾部越厚、VaR置信水平越高,那么投资策略越保守．     

岩溶区灰岩溶蚀程度卷积神经网络识别及敏感性分析

为了解决岩溶区不同溶蚀程度灰岩合理、高效识别问题，以桂林七星区灰岩为研究对象，开展不同pH、不同循环次数的酸性干湿循环试验，构建不同溶蚀程度灰岩识别的卷积神经网络模型(CNN),分析不同pH值、不同循环次数对模型识别效果的影响，探讨样本数量、网络参数设置对模型影响的敏感性.研究表明，伴随酸液pH值的降低、干湿循环次数的增加，岩样表面溶蚀纹路及溶蚀产生的孔隙越明显，模型分类准确率越高；学习样本、预测样本数量较小时，准确率随着样本数量增加而增高，当学习样本、预测样本数量接近4∶1时，模型预测效果最佳，随后准确率随着样本数量增加而降低；模型对不同网络参数敏感性不同，学习率为0.1,迭代次数与样本更新数为50时，准确率最高.CNN模型预测准确率最高为97.6%,为岩溶区灰岩溶蚀程度有效识别提供一条新途径.     

多层感知器信用评价模型研究

建立多层感知器(MLP)神经网络信用评价模型，用来对我国2000年96家上市公司进行信用评级。按照各上市公司的经营状况分为“好”、“中”、“差”三类，每一类由32家上市公司构成数据样本。对于每一家上市公司，主要考虑其经营状况的四个主要财务指标：每股收益，每股净资产，净资产收益率和每股现金流量，所有数据都来自于2000年上市公司年报。对于MLP网络结构，隐层结点的个数是采用试验的方法来确定的。先从1个开始，然后逐个逐个地增加，一直增加到不能再改善网络性能为止。仿真结果表明，多层感知器信用评价模型分类的准确率达到79．17％。此外，还详细给出MLP网络模型的学习算法和步骤。     

时间序列和神经网络对迷你型洗衣机销量预测

迷你型洗衣机价格便宜,使用方便,近年来销售量不断增加。缺点是功能单一导致消费受众面窄,同时受季节性因素影响较大,企业往往难以准确制定生产销售计划,导致库存和缺货现象时有发生。将合作企业生产的迷你型洗衣机近4年销售数据和影响销售的关联因素作为训练样本,先建立时间序列回归模型和BP神经网络模型对洗衣机销量进行预测,然后建立遗传算法优化的灰色神经预测模型。通过对三种模型预测结果的对比分析,表明经由遗传算法优化参数的灰色神经网络能较好的预测销量未来变化,辅助企业决策订单生产计划。     

我国农村信用社客户信用评级系统研究

客户信用评级系统是银行业为规范授信业务、降低贷款风险而采用的内部评级系统,用于对被评级对象履行还款责任的能力及其可信任程度进行客观公正的评价。建立信用评级体系需要考虑的主要因素是违约概率,用于测算违约概率的评价指标设置的科学性与合理性是系统有效的关键。农村信用社与商业银行虽然同样面临信用风险,但由于二者的服务对象不同,评级指标体系应有所差异,商业银行的信用评级方法不能直接适用于农村信用社。本文综合利用因子分析、聚类分析、多元排序选择模型及Logit模型对农村信用社内部评级系统进行了探讨,并对模型的有效性进行了检验,系统总体可行,但仍需进一步修订完善。     

预测管道蜡沉积速率的BP神经网络模型研究

利用灰色关联法分析了7个影响因素与管道蜡沉积速率的关联度,确定了模型的输入维数;通过建立7-10-1的BP神经网络预测模型预测了所取样本的蜡沉积速率,并对其预测精度进行验证和对比。结果表明:在考虑7个影响蜡沉积速率因素时,模型的精度可控制在0.5%左右,比考虑4个影响因素的精度更高;BP神经网络预测模型的精度与输入维数有关,维数的增大有利于精度的提高,但并不意味维数越高精度就越高;不同的初始权重和阈值对于预测的精度和泛化能力存在较大影响,但模型的精度仍在可接受范围内,因此,该模型可用于蜡沉积速率预测。     

钻井液流变参数允许调控范围研究与应用

从液-固两相流体动力学基本理论出发,结合钻井液携岩原理及钻井工程需要,探讨了特定工况下钻井液允许流变参数范围的计算方法,建立了钻井液流变参数允许调控范围计算模型,开发了钻井液合理流变参数计算系统软件。计算结果表明,钻井液密度、排量、塑性粘度及泥浆泵缸套缸径中任一项增大都将使钻井液允许的流变参数调控范围变窄,钻井液排量的影响尤其明显。泥浆泵排量是控制流变参数允许调控范围上限的主要因素,而其下限则主要受钻井液密度影响。