企业竞争力评价的投影寻踪模型

建立了企业竞争能力评价的投影寻踪聚类模型,利用该模型可将企业竞争优势评价的多个指标转换为反映各指标综合信息的投影特征值,根据投影特征值的大小便可对企业竞争能力进行客观评价,整个过程无人为干扰。通过对5个煤炭企业竞争优势评价表明该方法操作简便,切实可行,为企业竞争能力综合评价的多因素影响问题提供了一条新途径。     

供应链线上企业信贷风险动态聚类投影寻踪建模与实证研究

根据供应链线上核心企业情况等六个一级指标、信用记录等17个二级指标和核心企业净资产收益率等25个三级指标构成的评价指标体系和采集到的样本数据,应用动态聚类投影寻踪(DCPP)模型对12家基于供应链的企业信贷风险进行实证评估研究,建模结果表明:DCPP模型结果与低维逐次投影寻踪模型的结果完全一致,与专家法结果的一致性好,且不受人为主观因素的影响,又能同时求得企业信贷风险和评价指标权重的大小及其排序,能很好地应用于供应链线上企业信贷风险评估研究,具有可操作性和客观性好以及后续应用简捷等特点,是一种企业信贷风险有效和精细评估的新方法.     

基于PROMETHEE-II的商户小额贷款信用评级模型及实证

截至2014年底,中国注册个体工商户为4984.06万户,个体私营经济吸纳社会从业人员已达2.5亿人,加上中国商户小额贷款对象的分散性、财务信息不健全等特点和难点,商户小额贷款信用评级体系极不完善,甚至绝大多数银行都没有建立这个体系。本文通过相关分析剔除反映信息重复的指标,通过显著性判别遴选对商户违约状态影响显著的指标,建立了能显著区分商户违约状态的小额贷款信用评级指标体系。在此基础上,结合PROMETHEE-II(偏好顺序结构)和聚类分析方法,构建了商户小额贷款信用评级模型,并对中国某国有商业银行2157个商户小额贷款样本进行了实证。本文创新与特色:一是通过将偏好顺序结构评估法(PROMETHEE-II)引入商户小额贷款信用评级,构建了基于PROMETHEE-II的小额贷款信用评分模型,求解商户的净流量信用得分Φ(a),揭示了商户a与其余商户、评价指标间的相互作用对评价结果的影响,避免了现有研究由于评价指标之间的相互替代性、严重影响评价结果可靠性的不足。二是借鉴模糊聚类“数据越集中、越应该被分为一类”的思想,采用R聚类对商户信用得分进行分类;进而采用K-W检验,对分类数目l进行非参数检验,确定商户的信用等级。既保证了不同等级商户在信用得分数值上存在显著差异,也确保了不同等级商户能反映不同的信用特征;同时,也避免了现有利用信用得分区间、违约概率阈值或客户数分布方法划分信用等级时,得分区间、违约概率阈值或客户数分布分位点人为主观确定的不足。三是实证研究表明,影响商户小额贷款信用风险的重要性排序依次为:X₃偿债能力>X₁基本情况>X₆宏观环境>X₅营运能力>X₂保证联保>X₄盈利能力。     

群落有序样本的一种聚类分析方法

目前，适用于群落聚类分析中有序样本的聚类方法主要是“最优分割法”。本文提出了一种新的适用于群落有序样本的聚类方法，该法较最优分割法计算简便。     

投影寻踪动态聚类模型在房地产投资环境评价中的应用

将投影寻踪动态聚类模型引入到房地产投资环境评价方法中.针对房地产投资环境评价所面临的多因素高维复杂性问题,该模型能够完全根据样本数据特性将高维数据通过投影向量投影到低维数据,同时实现对低维数据的排序和自动聚类分析,进而通过研究低维数据以实现对高维数据的研究.最后通过辽宁省工业地产投资环境评价实例验证了该模型在房地产投资环境评价中的适用性.     

投影寻踪等级评价模型在冰草草坪质量综合评价中的应用

针对以往草坪质量评价方法存在人为权重赋值误差,以及简便计算等方面的不足的问题,提出了草坪坪用质量指标评定的投影寻踪等级评价模型.该方法可以依据标准样本自身的数据特性寻求最佳投影方向,通过最佳投影方向与评价指标的线性投影得到投影指标值,通过这一指标可以对样本进行统一评价和分类,并可利用最佳投影方向判断各评价指标对综合评价目标的贡献大小.排除人为权重干扰,对哈尔滨地区引种的冰草(A gropyron elongatum)坪用质量进行了综合判定.     

基于投影寻踪模型的企业绩效评价研究

针对现有企业绩效研究主要以静态评价为主的现状,本文采用投影寻踪模型对企业绩效进行时序动态评价.鉴于该模型求解属于复杂的非线性优化问题,传统方法难于直接处理,建立了基于免疫系统抗体浓度调节原理的免疫遗传算法进行全局寻优.通过对部分上市建筑企业2002～2007年的绩效状况进行评价,表明基于投影寻踪模型的企业绩效评价与实际一致,可以对企业绩效进行动态评价,并且动态评价是非常必要的.     

一种基于谱聚类分析的粒子群聚类算法

本文研究了谱聚类中NJW算法的样本最优划分问题.利用粒子群算法在聚类问题上搜索到的全局最优,获得了NJW算法对聚类样本的最优划分.推广了谱聚类算法在样本划分时的普适性和稳定性.实验对比验证该算法是有效的.     

多标准等级判别模型在信用评级中的应用研究

在对目前我国信用评级方法应用现状分析的基础上,提出改进的多标准等级判别模型.并将该模型应用于商业银行信用风险评估中.通过对银行五级分类贷款样本的实证研究,证实了该判别模型的有效性和先进性.     

PP聚类的众数指标及最优方向估计的渐近性质

§1.引言 Friedman和Tukey指出,在用投影寻踪的方法去寻找数据的聚类结构时,我们希望找到的投影构形应该具备:局部上,投影点要密集——凝聚成若干类;整体上,投影点要散开——类与类之间尽可能的分离.根据这个原则,他们提出了如下指标,我们称之     

基于平滑扩充原理的商业银行信用风险评级模型及实证

本文通过银行的资产质量方面、资本充足率方面、管控效能层面、盈利状态层面、流动性层面与社会敏感度层面等构建商业银行信用风险评价体系。根据平滑扩充原理模拟生成大样本数据,对评级得分进行扩充,进而根据扩充后的大样本数据划分银行的信用风险等级。解决了由于样本少、无法对信用等级合理划分的难题。通过实证分析可以了解到,本文得出的银行评级信息和标准普尔提供的评价结论存在共同的序关系状态。因此,可根据本模型对大多数未经过国际权威机构评级的银行进行风险评级。     

基于多目标进化聚类的信用风险特征识别

在信用风险识别领域,聚类算法常被用于区分不同风险等级的样本并识别风险特征。然而该领域中通常面临高维数据处理问题,导致传统聚类算法存在不适应此类问题的缺陷:易陷入局部最优、受冗余特征干扰、鲁棒性不强等。采用高维信用风险数据,研究上市公司信用风险,建立信用风险特征识别的三目标优化模型,设计基于分解的多目标子空间聚类算法进行求解。通过算法的横向对比实验,展示了所提出的算法在聚类精度和鲁棒性方面的优势,并根据聚类算法的权重分配结果,归纳总结上市公司信用风险评估过程中应重点关注的指标。     

中小微企业信贷策略研究

利用中小微企业的进销项发票数据,对中小微企业的信贷风险进行评估,并给出最优贷款策略.首先,建立了企业实力-信誉指标体系,并通过优化模型得到有信誉等级和违约记录的123家企业的最优贷款策略;然后,应用WOE-Logistic评分卡模型对无信誉等级的302家企业进行信誉评级,通过上述实力-信誉指标体系和优化模型得到最优贷款策略;最后,针对不同性质的突发事件建立了通用的风险量化模型,并以新冠疫情为例,分析了其对不同行业的积(消)极影响,并得到上述302家企业新的最优贷款策略.     

商业银行个人信用风险评价的投影寻踪建模及其实证研究

根据已有的商业银行个人信用风险评价指标体系和数据,应用投影寻踪分类（PPC）技术进行建模,通过改变指标归一化方式前后权重是否互为相反数等性质,以确保PPC建模时求得真正的全局最优解．实证研究表明：对于商业银行个人信用分类问题,PPC模型的识别正确率高于判别分析模型;在评价指标的四个方面中,借贷人与本行关系最重要,其次是其基本情况,而偿债能力和稳定性的影响很小;而且,删除偿债能力和稳定性两个均值差异不存在显著性的指标后建立的PPC模型,不仅不会降低识别正确率,还有利于银行降低采集数据的成本和节约时间,简化流程,对提高PPC模型的实用性等具有重要理论意义和实践价值．     

基于投影寻踪原理的建筑业综合实力评价分析

在分析影响建筑业综合实力因素的基础上,选择了规模效益水平、技术装备水平、效率水平三个方面共12个评判指标,建立了建筑业综合实力评价的投影寻踪分类模型(PPC),并利用基于实数编码的加速遗传算法(RAGA)求解最佳投影方向.根据投影值的大小对地区建筑业综合实力进行评价分析.PPC模型具有稳健性好、投影值准确度高、评价结果...     

基于两阶段思想处理拒绝推断的信用评分模型

本文首先从数据缺失机制的角度分析了信用评分模型的开发和应用中所存在的样本偏差问题,提出了可以用拒绝推断来处理此类问题;然后在曾经被应用于拒绝推断问题处理的Heckman两阶段模型的基础上,提出了用拟似然两阶段模型和广义偏线性模型这两种新的两阶段方法来处理信用评分模型中的拒绝推断问题。经过实证分析发现,应用这两种方法可以得到很理想的结果。另外根据本文的研究,人行征信这类外部数据是拒绝推断最有效的方法,如果此类数据缺乏,则用拟似然两阶段模型和广义偏线性模型是比较有效的拒绝推断方法。     

Grand Tour and Projection Pursuit

Abstract

The grand tour and projection pursuit are two methods for exploring multivariate data. We show how to combine them into a dynamic graphical tool for exploratory data analysis, called a projection pursuit guided tour. This tool assists in clustering data when clusters are oddly shaped and in finding general low-dimensional structure in high-dimensional, and in particular, sparse data. An example shows that the method, which is projection-based, can be quite powerful in situations that may cause grief for methods based on kernel smoothing. The projection pursuit guided tour is also useful for comparing and developing projection pursuit indexes and illustrating some types of asymptotic results.     

An incentive-compatible solution for trade credit term incorporating default risk

This paper studies the optimal trade credit term decision in an extended economic ordering quantity (EOQ) framework that incorporates a default risk component. A principal-agent bilevel programming model with costs minimization objectives is set up to derive the incentive-compatible credit term. The supplier determines the credit term as the leader in the first level programming, by balancing her/his financing capacity with the retailer’s default risk, order behavior and cost shifting. At the second level, the retailer makes decisions on ordering and payment time by reacting on the term offered by the supplier. A first order condition solution procedure is derived for the bilevel programming when credit term is confined within the practically feasible interval. Two key results are obtained – the condition to derive incentive-compatible credit term, and an equation system to derive threshold default risk criterion filtering retailers suitable for credit granting. Numerical experiments show that the capital cost of the supplier is the most important factor determining the credit term. Default risk acts like a filtering criterion for selecting retailers suitable for credit granting. Empirical evidence supporting our theoretical considerations is obtained by estimating three panel econometric models, using a dataset from China’s listed companies.     

Influence analysis of non-Gaussianity by applying projection pursuit

The Gaussian distribution is the least structured from the information-theoretic point of view. In this paper, projection pursuit is used to find non-Gaussian projections to explore the clustering structure of the data. We use kurtosis as a measure of non-Gaussianity to find the projection directions. Kurtosis is well known to be sensitive to influential points/outliers, and so the projection direction will be greatly affected by unusual points. We also develop the influence functions of projection directions to investigate abnormal observations. A data example illustrates the application of these approaches.     

基于NS族模型的中国公司债信用利差预测

本文以中国公司债为研究对象, 基于NS族模型研究了信用利差的预测问题。通过对不同期限、不同信用评级公司债信用利差的样本内外预测效果进行实证比较, 得到主要结论如下:(1)模型对中长期公司债信用利差的预测误差低于短期公司债。(2)不同信用评级公司债信用利差的预测效果受剩余到期期限的影响:1年期的AAA级公司债的预测误差低于AA+和AA级公司债; 5年期的AA+级公司债的预测误差低于AAA和AA级公司债; 10年期的AA级公司债的预测误差低于AAA和AA+级公司债。成果为各经济主体预测信用利差提供了具体思路和方法, 有利于做出合理的金融决策。