基于逼近算法的结构共振震害定量风险分析

从风险发生概率和损失程度两个方面对结构共振震害风险进行了定量分析。利用岩土的剪切波速求得场地的地震动卓越周期,考虑随机因素的影响和结构共振区间的模糊性,并基于逼近算法提出了共振震害风险模糊概率计算方法。初步建立了共振震害风险损失程度综合评估模型,对事故损失做出全面地、系统地、客观地评价。以某一桥梁结构为例进行分析,结果表明该定量分析方法是可行且有效的。     

基于主成分的Logistic模型的上市公司信用风险评价分析

针对当前上市公司信用风险管理效果不佳的问题,提出以上市公司违约概率作为信用风险高低的衡量标准,利用我国上市公司的财务数据,结合主成分分析法和Logistic方法构造了上市公司信用风险评估模型。实证研究结果表明,该模型具有可信的识别预测和推广能力,能够为企业信用风险程度的判定提供客观依据。     

基于结构化模型的金融衍生品流动性分析

主要用损失现金流来刻画信用风险和流动性风险给投资者可能带来的风险损失,用结构化方法给出了相应的风险损失模型,进一步给出刻画金融衍生品的利差模型,并得到相应的定价;金融合约的流动性由宏观市场及本身特点所决定,利用金融市场实际数据,借助损失模型,对债券市场的流动性进行实证分析.     

基于灰色神经网络的云平台大数据安全风险评估

为了提高网络云平台大数据存储的安全性能,并对数据安全风险进行评估,提出了一种基于灰色神经网络的云存储大数据安全风险评估模型。首先,采用基于自治的元组划分方法将待分析和评估的大数据安全风险信息进行分类,利用高斯密度谱提取信息特征,然后利用灰色神经网络将待分类的信息进行分解,最后,使用自适应差分改进方法检测安全风险信息的相关性。模型根据大数据安全风险信息频谱的特征提取,实现了相关补偿和自适应控制,提高了大数据安全风险评估能力。安全评价曲线能够快速收敛,并与K近邻算法(K-nearest neighbor, KNN)对比仿真实验结果显示,基于灰色神经网络的模型评估具有较高的准确性,因而具有更好的大数据安全保护能力。     

浅析现代信用风险度量模型

信用风险是我国商业银行所面临的最重要的风险形式之一。加强信用风险管理、提高信用风险管理水平成为各商业银行的当务之急。本文通过对现在信用风险度量模型进行对比分析旨在讨论新巴塞尔协议框架下现代信用风险度量模型的意义。     

基于因子聚类分析综合评价模型的构建及实证分析

基于因子分析和聚类分析理论,构建了一个新的因子聚类综合评价模型,并应用该模型对国内某商业银行信贷风险进行评估与决策.结果表明,该模型能细致分析和有效评价申贷者的信用风险状况,科学决策贷款的发放,大大提高了银行信贷风险的管理水平,从而验证了该模型的通用性和可行性.     

住房抵押贷款证券化的信用风险与利率风险的关系探析

在介绍住房抵押贷款证券化的风险关联性基础上,通过定性分析和模型分析,探讨了住房抵押贷款证券化信用风险与利率风险的关系,指出信用风险和利率风险存在明显的负相关关系。     

商业银行信用风险评估混合软计算系统

用混合软计算方法建立商业银行的信用风险评估系统。分别采用BP算法和遗传算法建立模型，并将二者结合，形成混合软计算方法。分析结果表明，混合软计算方法的确发挥了各种计算技术的整合效果，能够增强评估的可靠性。     

我国商业银行的信用风险度量研究

本文根据我国银行业存在的严重的信用风险,通过研究国内外的银行信用风险模型,寻找比较适合我国商业银行的度量模型即Credit Risk 模型,并利用该模型进行了实证分析,为我国商业银行在进行信用风险度量方面提供一些帮助。     

基于KMV模型对中国上市公司的信用风险进行度量的实证分析

针对目前上市公司的日趋增多和广大投资者对于投资股市的热情,对上市公司的信用风险进行度量和评估已显得十分迫切和必要。运用KMV模型,从我国沪深两市中共选取三十家绩优股和绩差股,以2007年9月30日为基准日,运用三种方法计算其未来一年的违约距离DD(Default Distance)和预期违约频率EDF(Expected Default Frequency),在一定程度上可以对上市公司信用风险进行评估。分别采用了三种方法来计算违约距离并进行对比。实证分析结果表明,在KMV模型中引入资产连续回报率这个模型最适合中国国情,灵敏度和预测能力较好,在一定程度上可以揭示上市公司的信用风险。     

基于粒子群协同优化算法的供应链金融信用风险评价模型

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题, 提出一种粒子群协同优化信用风险评价模型. 该模型在充分论证供应链金融风险特征指标体系的基础上, 利用二进制粒子群算法优选特征子集, 并对支持向量机(SVM)参数协同优化. 对供应链金融信用风险评估进行实验, 并与传统径向基支持向量机和主成分分析特征抽取方法对比, 结果表明, 该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.     

基于主成分分析法的我国上市公司信用风险评价模型

采用理论分析与实证分析相结合的研究方法，建立了适合我国上市公司信用风险评估的模型。该模型采用主成分分析法筛选出我国企业信用风险评价的主要指标变量，并选取我国2002年度22个行业500家上市公司的财务数据样本，对该模型进行验证，得到的判别正确率为88．67％。该模型评价指标体系简单，实用性强，运行成本低，准确率高，为我国上市公司信用风险评价提供了一种新的有效方法。     

小微企业信用综合评级模型的构建

该文在研究企业信用评级的基础上,借鉴企业信用评级模式,创建了适用于评价小微企业信用水平的综合体系.这个综合体系从企业主品行、行业市场和企业财务因素3个方面建立了评价指标.其中,企业主品行、市场状况指标采用层次分析法确立各个指标的权重;财务评价指标采用主成分分析法确立各个指标权重.然后,再采用层次分析法确定综合评级体系3个方面的权重,从而建立小微企业信用综合评级体系.小微企业信用综合评级体系的建立可以有效地识别小微企业的信用风险,解决小微企业无法通过金融机构信用等级评价系统的难题,给小微企业融资打开了突破口.     

中小微企业的信贷风险评价研究与实证分析

中小微企业在推动我国经济发展方面做出了重要的贡献,但由于信息不对称导致企业融资困难、银行坏账率升高,故建立信贷风险评价体系,以实现银行对中小微企业的信贷风险作出评估,已成为银行迫在眉睫的问题.首先,选取四个财务指标和六个非财务指标,建立信贷风险评价模型.其次,根据模糊层次分析法,构造模糊判断矩阵并计算指标权重.然后,运用功效系数法对定量指标进行量化,运用模糊综合评价法对定性指标进行量化,得到各指标分值.最后,将模型应用于某银行的123家有信贷记录的中小微企业中,得到企业的信贷风险得分和排名,验证了评价体系的有效性,为银行进行中小微企业信贷风险评估和管理提供了一定的理论依据和参考价值.     

基于层次分析法和不确定性集对分析的在线信誉评价体系

信誉评价体系有助于建立在线交易系统的信任和风险管理．层次分析法和集对分析是解决难以定量描述的多因素复杂系统的有力工具．对信誉问题进行分析后,考虑了不确定性因素的干扰,较全面地处理定性指标和定量指标,从优化的角度给出了具有一定精度的定量综合信誉评价体系．结合中国服装网进行实例分析后取得了满意的效果．     

混合P2P环境下基于信度模型的激励策略

针对困扰P2P文件共享系统的搭便车问题,构造了一种基于节点信度的激励模型.该模型中每个节点都是一个信度实体.引入信度收益函数使节点根据资源请求者的信度值分配资源,使信度收益最大化.并应用回溯算法求解信度收益最大化问题.引入信度衰减机制防止信度值"通货膨胀"且收到更好激励效果,该模型给出了节点信度的计算方法.针对当前激励机制评价标准的不足,补充了一个新的评价参数,即资源有效利用率.实验证明,该模型能够有效抑制P2P系统中的搭便车问题,提高了系统效率.     

基于离群点剔除的SVM信用风险评价方法

针对信用评价数据存在离群点和噪声问题, 提出一种基于离群点剔除的支持向量机（SVM）信用风险评价模型. 该模型利用模糊c-均值聚类算法剔除样本离群点, 采用粒子群算法优化支持向量机分类参数, 进而提高支持向量机的分类性能. 将该方法应用于信用风险评价中的结果表明, 相比于其他模型, 该方法分类精度更高.     

基于复杂系统的CESCE研究

针对我国建筑企业存在的信用危机, 提出建立基于复杂系统的建筑企业信 用评价系统（CESCE）。介绍了复杂 系统特点;借鉴复杂系统分析问题的 方法,设计了CESCE的整体架构; 对CESCE的数据库子系统、评价分析子 系统、公告平台子系统进行了系统说明; 详细阐述了建筑企业信用评价指标体系、 分析模型及数据处理方式。     

基于模糊影响图方法的商业银行信用风险评估

综合应用模糊集与影响图理论建立了模糊影响图方法,将其模型引入商业银行信用风险评估,在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊影响图的商业银行信用风险评估模型,说明了该模型的有效性.     

基于BO-XGBoost与集成学习方法的供应链金融信用评价研究

针对供应链金融领域中小企业融资的信用风险控制问题，提出了一种在Bagging算法框架下结合贝叶斯优化和XGBoost算法的集成学习模型BO-XGBoost-Bagging（BXB）。首先，基于XGBoost特征重要度进行特征筛选，建立供应链金融信用评价指标体系。其次，通过贝叶斯优化获得XGBoost的最优超参数，并结合Bagging算法得到集成模型BXB。最后，在中小企业数据集上进行预测，通过实证研究验证信用评价模型的有效性。实证结果表明，BXB模型相比其他模型具有更好的预测效果，能够更加准确、全面地对中小企业的信用风险进行评估，更好地区分风险企业和正常企业，最大程度减少违约损失，在供应链金融信用评价方面有着较高的应用价值。