基于Petri网的经济预警服务组合模型研究

针对当前经济预警领域单一模型预测效果不理想,以及模型组合、管理和重用困难等问题,提出了采用面向服务的体系结构构建宏观经济预警平台,将单一预警模型发布为Web服务,并利用Petri网组合预警服务模型的方法,讨论了系统构建方法和服务组合的建模过程,验证了基于Petri网的组合服务模型能够保证组合服务的可达性、安全性、正确性和可终止性。     

基于CNN的上市公司财务危机预警研究

对财务危机预警模型进行研究,有助于企业及早发现可能的风险,制定相应对策加强财务管理,对完善资本市场体系,推动经济高质量发展意义重大.本研究提出了一种基于主成分分析(Principal Component Analysis, PCA)和卷积神经网络(Convolutional Neural Network, CNN)相融合的财务危机预警方法.首先,针对海量财务数据存在噪音的问题,构建表征企业财务风险的主成分分析框架,实现备选指标数据的预处理.其次,根据预警指标的特征,通过对财务预警数据的反向学习训练,构建轻量化的三层卷积神经网络模型,预测企业是否陷入财务危机.最后,与现有机器学习财务预警方法进行对比,新模型显示了较高的预测准确率.     

安全风险决策阶段性模型构建:神经科学探索

决策者的主观认知心理与决策行为密切相关，外在行为受内在的大脑决策支配，故明晰安全风险决策与安全/不安全行为之间的关系是有效控制不安全行为的关键。通过文献分析梳理了安全风险研究的主要领域、内容和方法以及安全模型构建存在的问题。在此基础上，以风险信息的思维过程为主线，将风险决策过程分为风险感知、风险认知和风险决策3个阶段，阐明了各阶段的内涵、特点、研究内容和分析路径，构建了3阶段相互衔接的安全模型。同时，明确了事件相关电位（Event-related Potentials, ERPs）和功能性磁共振成像（functional Magnetic Resonance Imaging, fMRI）两类神经科学技术在安全风险决策过程研究中的应用意义。所构建的风险感知-认知-决策的三阶段安全风险决策模型（SR-PCD模型），有利于进一步研究风险决策过程中的个体风险处理机制、明晰风险决策与行为的关系，对安全风险机理研究、事故管控、安全管理等具有理论和实际意义，可为未来安全风险研究提供可参考的实验研究框架。     

动态投资组合中的VaR分析

VaR是学术和商业界一个重要的风险测量方法。近年来 ,学术领域中指出了VaR的一些严重不足为一是用不同模型求解存在不一致性 ;二是VaR不能解释此风险测量本身在贸易行为中的反馈效应。通过用模拟汇率模型来研究VaR方法 ,分析外汇交易者的动态行为 ,进一步研究风险测量对交易行为的影响。     

商业银行风险管控研究综述

商业银行风险管控研究主要集中于理论构建、影响因素分析、风险指标选取等方面,并通过模型计算对风险进行预测。今后应加强风险研究,以形成完整的平稳运行的金融体系。     

群体性事件风险定量预测预警

目的对群体性事件风险的预测预警进行了定量化研究。方法结合文献资料,运用案例的实证分析和数据的统计分析,综合应用德尔菲法(Delphi)、层次分析法(AHP)、经验统计分析等多种定量化分析方法,形成了一套关于群体性事件风险的定量化评估方法。结果构建了群体性事件风险预警指标体系,建立了基于指标体系的事件风险预警的趋势预测、动向预警、状态预警数学模型体系,并对模型体系进行了验证分析和讨论。结论指标体系及模型嵌入到公安信息化应用平台实用而有效。     

中小型企业的Logistic回归信用风险预警模型——以甘肃省为例

以中小型企业为研究对象,筛选了甘肃省的120家中小型企业作为研究样本,构建了基于20个常用的财务指标的Logistic回归预警模型,进而对中小型企业的信用风险进行预测分析.研究结果表明模型具有良好的预测效果,预测准确率达到92.5%,可以较好地为企业内部进行风险预警,并为银行系统提供企业信用风险状况和信贷决策依据.     

基于PCA-Rprop神经网络的建筑业上市公司退市风险预警研究

针对标准BP神经网络仅从预测误差负梯度方向修正权值和阈值,存在学习算法收敛速度满、容易陷入局部最小值从而导致模型泛化能力不足的问题.本文提出了一种基于误差反向传播算法(back-propagation algorithm,BP)改进的弹性反向传播算法(resilient back propagation,Rprop),并与主成分分析法相结合,形成了PCA-Rprop神经网络算法.同时,构建包含财务变量和非财务变量的预警体系,运用Matlab软件对我国195家建筑业(涉及房地产概念)上市公司进行退市风险预警实证分析,实证结果表明PCA-Rprop神经网络算法的退市风险预警准确性相较于标准BP神经网络算法和支持向量机模型分别提高了7.03%和10.29%.因此,该模型有望为利益相关者的风险管控和投资决策提供较好的参考依据.     

施工现场台风风险系统动力学的预测管控体系

为了有效降低台风环境下施工现场的风险,基于系统动力学模型构建施工现场台风风险预测管控体系.通过选取台风环境下影响施工现场安全的主要风险因素,利用层次分析法(AHP)-熵权求组合权重分析风险体系中各个风险因素的权重,确定关键风险.采用系统动力学模型动态仿真施工现场台风风险值随时间的变化,并模拟确定风险控制的最佳时间,以及对比分析不同控制措施对降低风险值的效果.结果表明:管理风险是影响台风环境下施工现场的关键因素,台风前进行风险管控应重点关注管理风险;采取对应的控制措施可以有效降低施工现场风险值,并且在发布台风预警信号后,及时采取风险控制可达到较好的控制效果.     

基于支持向量机的人口失衡风险预警

提出人口失衡风险预警的工作流程,构建人口失衡风险预警指标体系,并设置相应指标的预警阈值．在此基础上,应用支持向量机技术,以LibSVM软件包为平台建立人口失衡风险预警模型,并以广西2005—2010年数据为样本,对风险预警模型进行实例验证．研究结果表明,广西近年人口失衡风险已达中警等级．     

基于FMEA方法的高技术企业知识产权风险预警研究

从知识产权风险识别、风险评估和风险应对3个环节详细分析了知识产权风险预警思路,并引入FMEA方法构建有助于预警分析的高技术企业知识产权风险预警逻辑模型。通过实例分析表明,借助FMEA方法构建的知识产权风险预警模型,有助于高技术企业提高知识产权风险预警的有效性。     

基于IAHP和模糊综合评判的企业安全风险预警系统研究

为有效控制企业安全生产风险，实现安全风险早期预警，基于理论及企业安全管理体系研究，确定了安全风险预警评价指标，采用区间层次分析法（IAHP）计算指标权重，确定了预警监测关键点，并运用模糊综合评判法构建作业现场安全风险预警评价模型与评价思路。研究结果表明：区间层次分析法和模糊综合评判法能够较好地对作业现场安全风险进行评估；该风险预警系统能够实现企业安全风险的量化评估，确定风险预警等级。实例分析结果与实际情况基本相符，表明本文风险预警系统能够为企业安全风险水平的管控提供指导。     

建筑工程结构施工安全的预测方法研究

本文介绍了研究建筑工程结构施工安全的预测方法的重要性,并从四个方面总结了影响建筑结构施工的主要风险来源,通过介绍国内外学者的研究现状,认为对施工现场安全危险源前馈信号和对安全风险实时预警方法的研究,将是建筑工程安全预测领域未来的研究方向和热点。     

基于支持向量机的化工企业安全预警模型研究

针对物料危险性大、工艺过程复杂、极易发生爆炸为特点的化工企业,结合近5年事故调查报告,提出了建立化工企业安全预警指标体系与预警模型.以支持向量机(SVM)模型为基础,交叉验证最佳参数并对实验企业进行预警,使企业能正确识别和把握风险,以事前控制的思想降低企业风险.结果表明,运用SVM模型进行化工企业安全预警具有较高的准确性、可操作性和推广价值.同时,总结了SVM模型预警得出低风险企业所具有的共性,这对化工企业管控风险的实践具有重要指导意义.     

海盗袭击事件预警模型

构建一个科学的海盗袭击事件预警模型,可以在海盗袭击事件发生前给出预警信息,大幅降低运输船舶被海盗袭击的概率.采用决策树方法研究海盗袭击事件的严重程度与其他因素的相关性,并以此进行海上预警.以船舶类型、地理区域为模型输入数据,海盗袭击后果为模型输出数据,构建海盗袭击事件预警模型.以东非海域的海盗袭击事件为研究对象进行实例研究,并进行模型检验.结果表明,该方法获得的预测结果远优于随机猜测,证明了模型的有效性和科学性.     

基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

浅析企业财务预警模型的构建方法

建立一套切实有效的财务预警系统,为企业在瞬息万变的市场风险面前树立一道防火墙,具有十分重要的现实意义。本文试从建立企业财务预警模型的四个步骤:样本设计、预测变量的选取、模型的构建、对模型的检验等方面分别对建模方法作了详细介绍,并提出了存在的问题。     

基于董事会治理因素的财务危机预警模型的构建

企业在经营过程中存在着越来越多的财务风险,为了防止这些风险演变为财务危机,及时进行财务危机预警分析,就需要理顺公司的治理结构,引入董事会治理因素来完善财务危机预警机制.以120家上市公司为研究对象,分别运用非参数检验、T检验以及主成分分析对财务变量和董事会治理变量进行筛选,进而运用Logistic回归分析构建预警模型.结果显示,未引入董事会治理变量的模型的预测正确率为92.5%,而引入董事会治理变量的模型预测正确率为94.15%,预警能力明显增强,也说明,董事会治理因素是影响公司财务危机的一个重要方面.     

基于LDA模型和卡方检验的网络暴力话题挖掘方法

目的 社交网络中存在着许多暴力话题,暴力话题识别对网络舆情的精准干预和管控具有十分重要的意义。当前网络暴力研究主要集中在用户负面情感计算、暴力用户识别等领域,缺乏对网络暴力组织构成研究,无法在复杂网络环境中精准识别网络暴力的附着载体。方法 通过分析网络暴力在话题内的聚焦特性,提出了一种基于LDA模型和卡方检验的网络暴力话题识别方法,该方法首先运用LDA模型识别网络语料库中的话题,并用相似度计算方法对话题文本进行分类;然后运用卡方检验筛选话题文本中的暴力特征;最后依据情感词典计算各话题内的暴力值,按照暴力密度判断话题的暴力属性。结果/结论 在真实的网络语料库上实验验证了本文方法,实验结果表明：本文方法的暴力话题识别性能（F值）均值为80.64%,优于对比方法,达到了良好的网络暴力话题识别效果。     

基于等比例危险模型的金融危机预警

针对金融危机预警,FR、STV、KLR和DCSD 4种模型对数据有特殊要求,造成应用上的困难,预测能力不足的问题.在Cox and Oakes基于存活分析提出的等比例危险模型(PHM)的基础上,利用31个样本国家的年度数据资料,采用13个相关预警变量,构建金融危机前一年的PHM预警模型,并进行实证分析,提出一种的金融危机预警模型.通过对预测期间17个测试国进行的模型预警效果检验,认为该模型预警能力较佳.