新审计风险模型的优越性及应用研究

国际审计与鉴证准则理事会(IAASB)于2003年10月发布了新国际审计风险准则,该准则采用了新的审计风险模型。我国于2006年2月15日颁布的新的注册会计师审计执业准则体系也采用了IAASB的新审计风险模型。该模型将影响审计风险的因素由原来的固有风险、控制风险、检查风险三项,变更为重大错报风险和检查风险两项。文章在分析了传统审计风险模型的缺陷的基础上,阐述了新审计风险模型的特点及优越性。最后,针对我国采用新审计风险模型所面临的问题,提出了一些改进的措施。     

新旧审计风险模型比较研究

本文将传统审计风险模型的缺陷性与现代风险导向审计下的新风险模型进行了对比,提出了围绕重大错报风险的识别、评估与应对来计划和实施审计工作的重要理念,最后强调了现代审计风险模型应用的重要意义     

高科技风险投资项目的风险效应研究

本文分析了高科技风险投资项目的风险类型及特征 ,并重点研究了风险客观存在的效应机制 ,建立了风险诱惑效应、约束效应及其平衡过程的模型。该模型的建立对风险投资决策具有重要指导意义     

信息获取中两类不确定性的风险表达模型研究

分析了搜索引擎在信息获取中效率低下的原因,在Lafferty等人提出的风险表达形式化模型基础上,提出了风险表达的认知模型,并对该模型中风险函数R的可计算问题进行了分析和讨论。     

水利水电工程项目风险形成及评价模型

本文建立了水利水电工程项目风险的形成与评价模型,并应用该模型对实际的水利水电工程项目风险进行评价。本文的模型可为相关研究和工程应用提供参考。     

一类风险投资决策模型

讨论了具有投资费用的风险投资决策问题,以效用理论为基础,建立了风险投资决策的数学规划模型,对两种特殊情形给出了具体模型,并给出了算法与算例。     

证券投资的非理性认知风险与市场认知风险

基于投资者的过度自信心理偏差构建了证券投资的理性认知风险度量模型、非理性认知风险度量模型,并利用理性投资者和非理性投资者的相互作用,构建了证券投资的市场认知风险度量模型,研究了非理性投资者的非理性认知风险对理性认知风险和市场认知风险的偏离问题。研究结论表明:非理性投资者的非理性认知风险偏离市场认知风险的程度依赖于非理性投资者的市场价值权重。     

软件项目进度风险控制优化模型研究

针对软件项目进度风险控制方案的决策问题,提出一种优化模型并给出启发式求解算法。该模型基于风险预防视角,以进度风险概率、进度风险损失和风险控制成本最小化为目标,综合考虑管理者的风险偏好,选出满意的风险控制方案。最后通过案例验证了模型的有效性和可操作性。     

基于单位收益风险的投资决策模型与分析

为得到更为适用的投资决策模型与分析方法,首先建立了单位收益风险度量模型,然后,借助于该模型和方法,对Markowitz型有效集中的资产组合选择问题进行了全面的分析、评价,并得到了单位收益风险最小的资产组合,同时,与用经典的标准差度量方法所得结果也进行了比较,在此基础上给出了更为合理的投资决策建议.     

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．     

网络安全风险评估方法的研究

根据当前网络安全所面临的风险,探讨评价网络安全风险的指标体系,通过定性分析与定量计算相结合的方法,引入模糊数学的概念,提出网络安全风险的评估模型,以期为网络安全建设提供依据和尺度.     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

基于减法聚类的模糊神经网络模型及其在农业的应用

构建了一种模糊神经网络模型,阐明了模糊神经网络系统结构,介绍了该模型的实际应用。     

基于自组织模糊神经网络的市场占有率模型

针对现有市场占有率模型(如传统的统计方法和近年来出现的模糊模型与神经网络模型)实际预测效果并不理想的问题，结合模糊神经网络和自组织理论建立了基于自组织模糊神经网络的市场占有率预测模型．该模型无需事先确定模糊控制规则，并能通过神经网络的结构及参数学习调整模糊神经网络的结构．最后结合实例进行了仿真．结果显示该模型优于其它模型，能为企业提供有力的市场占有率定量分析工具．     

基于模糊神经网络和证据理论的瓦斯突出评判策略

针对影响煤矿瓦斯突出因素的不确定性和复杂的非线性关系,不能够利用经典的数学理论建立精确的预测模型,将模糊神经网络和D-S证据理论有机结合,提出了基于模糊神经网络和D-S证据理论的煤矿瓦斯突出危险等级评判策略.首先对传感器采集的待评判采掘面参数进行预处理,使用模糊神经网络得出第一步的融合结果,并将其进行归一化处理,归一化函数作为基本概率赋值函数,然后将归一化之后的数值作为基本概率分配值,再用D-S证据理论进行第二次数据融合,作出最终评判.实验结果表明,该方法具有良好的适应性并能得到准确性较高的评判结果.     

模糊神经网络分析方法用于心肌缺血诊断的研究

介绍一种神经网络－模糊推理协作系统。神经网络有很好的学习能力和准确拟合任意非线性函数的能力。模糊模型将专家知识转换到神经网络中，然后把它应用于诊断系统，从而使得心血管疾病（心肌缺血）的诊断准确率大大提高。     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

基于混合神经网络的模糊辨识方法

提出一种简明而有效的基于混合神经网络的模糊辨识方法．与现有方法不同,该模糊辨识方法采用自组织神经网络和模糊聚类网络两部分组成的三层神经网络来实现．实验结果表明,该方法可以为模糊建模提供好的模型结构,并具有较高的计算效率和精度．     

模糊神经网络间隔调速模型的研究

提出了一种基于模糊神经网络理论求得动态出口速度的模型，以6层的前向神经网络实现模糊过程使系统具有自学习和自适应能力，能根据列车的实际溜放情况自动调整减速器出口速度。     

基于模糊神经网络的供热负荷预测

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是BP神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用Matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.