网络在线交易动态信任计算模型与信誉管理机制

当前,在C2C网上拍卖交易领域,各种各样的恶意行为层出不穷,信任缺失信誉欺诈现象非常突出,因此,如何建立有效的信任机制已成为亟待解决的问题.在分析现有网络信任交易机制局限性的基础上,针对网络交易信任问题的动态性、匿名性、虚拟性等特点,提出一种基于多Agent系统的网络交易动态信任计算模型与信誉系统.模型包括3部分:第一部分为用户时域的信任度,旨在着重近期历史信誉状况对现期信任度的影响,激励用户采取一致的合作策略;第二部分是对信誉反馈评分的加权平均计算,权重部分主要引入了信誉反馈评分人的信任度(反馈评分的可信性)、交易价值(防止"信誉榨取")、时间折现("防范信誉波动")等因素;第三部分为社区贡献加权,旨在根据某一时域内,一用户对社区其他成员所采取的行为情况,增加或减少此时该用户的信任值,达到孤立信誉反馈提交、惩治欺诈行为的目的.建立了事前开展防范、事中进行协调、事后给予惩罚三位一体的欺诈约束机制,保障网络在线交易的安全性.理论分析和实验验证表明该机制能有效解决三方面问题:解决难以防范投机用户小额积誉、大宗榨取的问题;有效防止会员通过虚假交易或伪造身份进行欺诈;降低网络交易平台仲裁的工作量.     

A Novel Credit Rating Migration Modeling Approach Using Macroeconomic Indicators

Modeling credit rating migrations conditional on macroeconomic conditions allows financial institutions to assess, analyze, and manage the risk related to a credit portfolio. Existing methodologies to model credit rating migrations conditional on the business cycle suffer from poor accuracy, difficult readability, or model inconsistencies. The modeling methodology proposed in this paper extends ordinal logistic regression to estimate the complete migration matrix including default rates as a function of rating dynamics and macroeconomic indicators. The gradient and Hessian derivations show efficient optimization within the Levenberg–Marquardt algorithm. The proposed modeling methodology is applied to model corporate rating migrations using historical data from 1984 to 2011. It is shown that the resulting model captures the cyclical behavior of credit rating migrations and default rates, and is able to approximate historic migration levels with good precision. The model therefore permits analysis of the impact of economical downturn conditions on a credit portfolio. Copyright © 2013 John Wiley & Sons, Ltd.     

基于神经网络技术的商业银行信用风险评估

研究了神经网络技术在商业银行信用风险评估中的应用．实证结果表明, 与传统统计方法（判别分析）相比, 神经网络技术具有更高的预测精度和更强的鲁棒性。     

商业银行信贷风险分析的人工神经网络模型研究

对人工神经网络及其应用于信贷风险分析的可行性进行了论述 ,着重对构建商业银行信贷风险分析的人工神经网络模型进行了深入细致的研究 .旨在得到一个可行的神经网络模型进行合理的信贷风险评价 ,为信贷决策提供科学依据.     

改良式线性回归方法的企业信用评估机制

为解决企业信用度面对数据来源多且复杂的问题,提出一种计算企业信用度的新方法.该方法基于传统线性回归方法的改进,通过计算企业内重要评价参数的平均值,得到企业信用度的平衡值.同时,因为减少了影响性较低的参数,从而优化了传统线性回归法产生的误差,并且准确地计算企业的信用度.得到的信用度数值,可以有效地定义企业的好坏.实验表明...     

中美保险业信用评级制度对比分析

通过对比中国与美国保险业信用评级制度,对构建符合我国国情的保险信用评级制度提出了新的建议。     

不完全信息下或有资本的定价与债券信用价差研究

本文考虑两类不完全信息:信息滞后和信息不对称,将或有资本引入分析框架,应用风险中性定价原理和最优停时理论,研究公司证券的定价与债券信用价差问题.数值结果表明:或有资本可以显著降低信息滞后情形下的公司破产成本,提高公司总价值,减少社会福利损失;或有资本可以提升股权价值、降低债券的信用价差,增强公司的抗风险能力.进一步研究发现,对于1年期的短期债券而言,或有资本减少信息不对称下债券的信用价差幅度明显大于信息滞后情形.     

基于零售商异质性的贸易信用贷款定价与供应链金融模式选择

贸易信用融资和银行外部融资是两种常用的供应链金融模式.基于零售商的异质性,构建了核心企业主导的贸易信用融资模型,探讨了零售商异质性如何影响核心企业对供应链金融模式的选择.结果表明,核心企业的贸易信用分配最优决策存在且唯一,受零售商市场需求和初始资本异质性的影响;在参数满足一定条件时,核心企业会优先放贷给市场需求大而资金最缺乏的零售商,可能拒绝部分零售商贷款.对比核心企业回购担保的银行外部融资情形发现,如果外部融资成本没有绝对优势或绝对劣势,则当零售商市场需求或初始资本的异质性程度较大时,核心企业优先选择贸易信用融资模式向零售商贷款;当零售商初始资本的异质性程度较小时,核心企业优先选择为零售商的银行贷款进行担保.     

随机违约强度下可展期公司债券的定价

将公司债券发生违约事件与市场利率的变化联系起来,对可展期的公司债券进行定价．用约化模型处理企业违约风险,在随机利率下,用偏微分方程的方法给出了可展期的企业债券定价的公式,并讨论了它与普通企业债券在收益率上的差异．     

遗忘遗传算法及其在信用评分中的应用

为解决局部最优问题,将遗忘机制引入传统遗传算法中,提出了一种改进的遗忘遗传算法,给出了一种遗忘算子及其遗忘概率,通过在遗传过程中遗忘某些基因,增加了算法的搜索空间,使算法跳出局部最优,从而最大限度地避免早熟收敛.将该算法用于不同欠费率下的电信客户初始信用评分,找到信用权重的优化解,较好地解决了对高欠费率群体进行信用评分时,信用权重的适应值偏低的问题.实验结果表明所提算法有效可行.与标准遗传算法相比,本文所提算法可以获得更高质量的解.