新兴产业非ST上市公司风险管理新思路——基于KMV模型的信用风险分析

在介绍信用风险评估模型KMV后,依据一定的规则选取7个新兴产业14家上市公司42组数据,通过计算对上市公司信用风险进行探索的同时,利用相关数据对KMV模型的使用程度进行探索。实证分析说明,对于中国非ST上市公司的信用风险,KMV模型可以对信用风险做出度量,但精确程度有待提高。由此可以看出我国金融市场中行业及上市公司的性质,对KMV模型进行进一步修正及改进具有重要的意义。KMV模型为上市公司的风险管理提供了新思路。     

考虑汇入汇出车流影响干线协调相位差模型构建与应用

为解决城市道路拥堵问题,在干线协调的基础上,充分考虑上游交叉口左右转向车流。分析这些车辆运行至下游交叉口排队情况,给出一种动态相位差模型的计算。在VISSIM仿真基础上结合MATLAB进行二次开发,随着上游交叉口左右转向交通量的不断变化,模型会及时调整周期、绿信比等,也会结合排队情况给出新的相位差,再通过VISSIM中的检测器,检测车辆延误、停车次数等。结合大连市实际数据验证,结果表明：考虑汇入车流对城市道路干线协调相位差影响是具有重要意义,干线车流总延误较原配时方案减少33.3%,停车次数减少65.6%。     

工程船穿越航道时间计算模型与应用

为防止船舶穿越航道过程中因穿越时机选择不当而与航道通航船舶发生交通冲突,减小船舶碰撞风险,根据主航道的船舶航行环境、航行状态等因素,建立工程船穿越模型,并利用MATLAB软件对该模型进行编程,通过定量计算得出工程船的安全穿越时机,最后将建立的穿越模型应用于工程船穿越主航道的实际案例中,并对影响穿越时间的因素进行了分析。实例结果显示,该模型可根据通航船舶航行信息计算出合理的穿越时间段,为船舶穿越主航道的时机选择提供参考,还可以通过改变工程船穿越航道的相关航行参数对计算结果进行适当调整。     

机器学习的主要策略与基本结构

学习是人类获取知识的重要途径和人类智能的重要标志,而机器学习则是机器获取知识的重要途径和机器智能的重要性标志。机器学习一直是人工智能研究的核心课题之一。本文主要本文讨论了机器学习的一些基本概念、主要策略和结构。     

新兴产业非ST上市公司风险管理新思路——基于KMV模型的信用风险分析

在介绍信用风险评估模型KMV后,依据一定的规则选取7个新兴产业14家上市公司42组数据,通过计算对上市公司信用风险进行探索的同时,利用相关数据对KMV模型的使用程度进行探索。实证分析说明,对于中国非ST上市公司的信用风险,KMV模型可以对信用风险做出度量,但精确程度有待提高。由此可以看出我国金融市场中行业及上市公司的性质,对KMV模型进行进一步修正及改进具有重要的意义。KMV模型为上市公司的风险管理提供了新思路。     

新疆绵羊种布鲁氏菌GroEL基因的克隆及序列分析

参考牛种布鲁氏菌的GroEL（热休克蛋白）基因设计引物，扩增出新疆绵羊种布鲁氏菌GroEL基因片段，将其片段克隆到T载体上测序。结果表明：新疆源布鲁氏菌GroEL基因片段长1641bp，编码546个氨基酸，与羊种（B．melitensis）、猪种（B．suis）以及牛种（B．abortus）GroEL基因的核苷酸序列同源性分别为99．88％、99．82％、99．88％，推导的氨基酸序列同源性在99％以上，显示了很强的保守性。