基于数据包络分析松弛变量的排序方法

为协助管理层更加全面充分地评价所有决策单元(decision making unit,DMU)的绩效表现,提出一种新的基于松弛变量和(有效)DMU影响力的排序方法。根据数据包络分析中关于松弛变量的研究,定义了直接使用投入-产出松弛变量来计算的δ-效率值,将所有DMU分为δ-有效和非δ-有效两类。依据δ-效率值大小来区分和排列非δ-有效DMU;同时对于δ-有效DMU,考虑将其从参考集中剔除后,利用δ-效率值的变化来度量其对其它DMU的影响程度,根据影响程度的大小可以有效区分那些被传统模型定义为有效的DMU,实现所有DMU的排序。通过对算例和实际应用的计算比较,提出的排序方法展现了较高的可操作性,实现了比较好的区分效果和相对合理的排序结果,可以为决策者提供有效的决策支持。     

救灾管理中的资金配置——基于DEA的分析

考虑救灾管理中有限资金的合理配置问题,将数据包络分析(DEA)与Nash讨价还价博弈模型相结合,建立了一类新的资金配置方法.该方法在保证资金配置效率的前提下,通过各决策单元(DMUs)对于评价标准权重的竞争与合作,得到唯一一组公共权重,在此基础上,形成所有DMU共同接受的资金配置方案,在实现资金高效配置的同时,确保了公平分配.最后,过算例说明了该方法的合理性与可行性.     

基于集中式模型的我国各地区及三大产业的DEA效率评价

基于集中式模型, 首先在考虑地区内部三大产业的情况下, 对2010年我国31个地区展开DEA效率评价, 然后在保持各地区整体效率不变的前提下进行效率分解, 确定各产业的效率值和相对重要程度. 此外, 对各地区三大产业的规模收益问行了研究. 实证分析结果表明, 各地区的整体效率值偏低, 第一产业的效率重要程度偏低, 第二产业和第三产业的效率均值相差不大, 但大部分地区的产业比第二产业的相对重要程度高. 此外, 从规模收益角度来看, 大部分地区整体处于规模收益递减阶段, 大多数地区的第一和第三产业均处于规模收益递增阶段, 绝大多数地区的第二产业已处于规模收益递减阶段.     

一种考虑所有权重信息的区间交叉效率排序方法

针对交叉效率评价方法中交叉效率不唯一的问题,在分析现有解决方法缺陷的基础上,提出了考虑所有权重信息的区间平均交叉效率,即将所有决策单元的交叉效率值定义在各自的一个区间数上,该区间数考虑了所有决策单元自评时的权重信息,通过比较各决策单元的区间平均交叉效率值,从而可以对所有决策单元进行充分排序,利用该方法能够很好地解决现有方法所存在的部分缺陷.最后通过算例对该方法进行了演示.     

软计算信用分析方法比较探讨

研究了信用分析中的软计算方法——BP网络与自适应神经模糊推理,并对软计算方法与DEA、TOPSIS的结合运用作了进一步探讨。采用V-foldCross-validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

财务困境概率贝叶斯估计

通过财务困境概率估计模型建立一套企业财务风险预测系统,具有降低企业经营风险、投资风险以及防范金融危机的重要意义。现有的预测模型主要有:多元识别分析模型、Logit和Probit等统计回归模型以及人工神经网络预测模型。但以上模型均忽略了决策者个人经验、智慧以及信息优势对财务困境预测的重要作用。本文利用贝叶斯分析方法建立的概率估计模型,可以较好地解决这个问题,提高预测的针对性和准确性。     

供应链中制造商与代理商广告合作的博弈

供应链中为了做好产品的销售工作,往往要对产品进行有效的宣传,有一个对制造商与代理商都适宜的广告宣传计划。而在以往的文献中,研究的重点往往基于这样一种关系,制造商处于主导地位,代理商处于从属地位。随着市场的发展,制造商与代理商在广告宣传中的地位发生了变化,代理商可能已经等于甚至超越了制造商在广告宣传中所发挥的作用。本文运用博弈的方法,分别以制造商和代理商为主进行分析,得出不同情况下的最优广告策略。     

基于自互评体系的竞争性评估方法研究

在现今的系统评估方法研究中，通常都把每一决策单元即被评估者看成一种客体，被动的由评估者进行优选，缺乏主动性，往往与现实不符。本文从新的角度，引入目标参数，提出基于自互评体系的竞争性评估模型(CEMCO)，分别从自评和互评的角度，把每一决策单元即被评估者作为一种主体来参与各方案优选的竞争。     

一种群决策中确定专家判断认真程度的方法

给出一种群决策中确定专家判断认真程度的方法。主要思路是通过提取专家判断矩阵的全部信息，确定专家意见的一致程度，从而确定专家判断的认真程度。最后给出一个典型的算例以说明该方法的可行性和有效性。     

基于V-foldCross-validation和Elman神经网络的信用评价研究

研究了关于公司信用评估问题的现状,指出一般神经网络应用于信用评估领域的不足.在此基础上,提出一套甄选原则以选择关键的信用评分指标;然后依据这些指标建立了基于Elman回归神经网络的我国企业的信用评估模型.采用V-foldCross-validation技巧对该模型的评分效果进行了实证研究.