一种基于粗集神经网络的欺诈风险分析方法

指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明,该方法应用于欺诈风险的分析中是有效的,为欺诈风险的分析和预警提供了一条新的研究思路和方法。     

Recursive Parameter Method for Computing the Predicting Function of the Multivariable ARMAX Model

ＩｎｔｒｏｄｕｃｔｉｏｎＬｉｎｅａｒｍｉｎｉｍｕｍｖａｒｉａｎｃｅｄｓｔｅｐａｈｅａｄｐｒｅｄｉｃｔｏｒｓａｒｅｍｏｓｔｌｙｐｏｐｕｌａｒｉｎｍａｎｙｆｉｅｌｄｓｏｆａｐｐｌｉｃａｔｉｏｎ,ｓｕｃｈａｓｐｒｏｃｅｓｓｃｏｎｔｒｏｌｐｒｅｄｉｃｔｉｏｎ,ａｄａｐｔｉｖｅｃｏｎｔｒｏｌ,ａｎｄｅｃｏｎｏｍｉｃｐｒｅｄｉｃｔｉｏｎ[1,2].Ｔｈｉｓｐａｐｅｒｄｉｓｃｕｓｓｅｓｔｈｅｐｒａｃｔｉｃｅｏｆｃｏｍｐｕｔｉｎｇｃｕｒｒｅｎｔｐｒｅｄｉｃｔｏｒｆｏｒｍｓａｎｄｐｒｅｓｅｎｔｓａｓｅｔｏｆｒｅｃｕｒｓｉ…     

On assessing the relative performance of default predictions

We compare the accuracy of default predictions as, for instance, produced by professional rating agencies. We extend previous results on partial orderings to nonidentical sets of obligors and show that the calibration requirement virtually rules out the possibility of some partial orderings and that the partial ordering based on the ROC curve is most easily achieved in practice. As an example, we show for more than 5,000 firms rated by Moody's and S&P that these ratings cannot be ranked according to their grade distributions given default or nondefault, but that Moody's dominate S&P with respect to the ROC criterion and the Gini curve.     

量化plausibility测度在默认推理系统中的推理能力

作者讨论了量化plausibility测度在默认推理逻辑系统 （P系统）中的推理能力, 给出了一般量化plausibility测度与possibility测度具有相同推理能力的条件.     

竞争风险模型在住房抵押贷款证券定价中的应用研究

在阐述提前偿付与违约风险测量模型的基础上，探讨了竞争风险模型在住房抵押贷款证券定价过程中的应用．指出，提前偿付与违约风险是住房抵押贷款证券投资者面临的主要风险，对其进行准确的度量是住房抵押贷款证券正确定价的前提．     

考虑交易对手违约相关的脆弱期权定价

探讨了脆弱欧氏看涨期权定价过程中存在的交易对手间违约相关问题.首先,提出了交易对手间环形违约相关情形与市场风险因素共存时,违约强度模型的构造.其次,利用绝对连续的测度变换方法得到了交易双方的联合违约密度函数.数值分析结果表明：当期权交易双方存在环形违约相关时,脆弱期权的价格要低于只考虑存在单边违约风险的情形,说明此种情况下的脆弱期权蕴含着较高的信用风险暴露.另外,模型对回收率的敏感性要强于已有模型.     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

自适应模糊神经网络在工业用水量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络,提出了工业用水量预测的ANFIS网络预测模型,并以黄河流域1993-2002年工业用水量为训练样本,以2003年、2004年工业用水量为校验样本,结果表明,ANFIS神经网络预测模型具有很高的准确性和实用性.     

信用风险度量的结构化方法

在对单一资产信用风险的度量方法--结构化模型进行详细介绍的基础上,分析对比了企业价值方法和首越时间(first passage time,FPT)方法两种代表性模型的优势与缺陷,探讨了该方法的参数计算过程中应注意的问题;从组合管理的角度出发,对结构化方法框架下违约相关性的计算进行了分析,并给出了该类模型在国内的应用前景与展望.     

基于PCA与RBF的建筑能耗预测建模

由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.