PCA-Fisher判别模型在煤层底板突水预测中的应用

针对当前煤层底板突水影响因素复杂、预测精度低及难度大等问题,通过结合主成分分析法(PCA)和Fisher判别分析法,构建了PCA-Fisher煤层底板突水判别模型,并将该判别模型应用于贵州省六盘水月亮田煤矿9号煤层对其进行底板突水危险性预测.笔者将含水层水压、隔水层厚度及煤层倾角等6个指标作为影响该煤层底板突水危险性的主要因素,把18组实测数据输入PCA-Fisher判别模型并进行煤层底板突水预测.结果显示:PCA提取的3个主成分F1、F2及F3的方差贡献率达94.179%,且判别模型的前14组训练样本正确率达85.7%;最后判别未参加训练的后4组样本,误判率为0%,其精度高达100%,结果印证了PCA-Fisher的判别模型对煤层底板突水预测的正确性.     

带随机延滞的ARCH模型的几何遍历性

本文对带随机延滞的ARCH模型进行了分析,并得到该模型伴随几何遍历的一个判别准则.     

基于集对分析评价模型的城市交通态势判别

为提升道路交通态势判别精度,构建了交通态势判别集对分析模型,该模型从交通态势的同一性、差异性、对立性三个维度,构建了路段饱和度、行程时间比、行程速度的六元联系度函数,以及基于梯形模糊数截集的差异度系数取值函数。基于路段检测器数据,分别利用集对分析模型、模糊综合评价模型、行程时间比模型对交通态势进行判别,并将判别结果与《城市交通运行状况评价规范》(GB/T33171-201)中交通特征参数所表征态势等级进行误差分析,结果表明,集对分析模型、模糊综合评价模型、行程时间比模型的MSE误差值分别为0.12、0.17和0.46,证明集对分析法误差更小且抗干扰性更强.     

两类带渐近扰动的随机过程的若干性质

本文考虑两类带渐近扰动的随机模型.一类是带渐近扰动的非紧邻随机游动,考虑其常返暂留性,并给出该模型正常返性的判别.另一类是带渐近扰动的随机环境中分枝过程,通过分析其相关随机游动的极限行为,给出分枝过程灭绝和不灭绝的判别条件.     

基于MTALAB的神经网络判别模型

判别分析是判别样品所属类型的一种统计方法.利用M ATLAB提供的神经网络工具箱为基础,设计了一个三层BP神经网络判别模型,提出了一种进行判别分析的新方法,实例表明,利用BP神经网络建立的判别模型是进行判别分析的有效方法.是对研究分类问题的方法的扩充.     

随机环境下NLAR模型的非遍历性

本文对随机环境下的NLAR模型进行了分析，并得到该模型非遍历的一个判别准则。     

基于主成分和Fisher判别的DNA序列分类方法

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

基于主成分和Fisher判别的DNA序列分类方法北大核心

统计DNA序列中64种包含3个碱基字符串的频率,基于生物学知识,以此作为区分不同类别DNA序列的特征.对此频率数据使用主成分分析和Fisher判别两种方法进行数据降维操作,根据降维后的数据建立距离判别模型,用训练样本回判,检验模型判别效果,最后对未知类别序列进行判别归类,比较分类结果.     

用回归模型作多类判别的一种数量化方法

§1.引言$ 早在30年代,R.A.Fisher提出两类母体的判别分析模型的同时,就指出过可以虚构一个因变量y,建立回归模型来进行判别分类.这时,若观测数据来自第1类,则设y的观测值为1,否则为0.估计出回归系数之后,为了分类,可算出相应的估计值,并根据值靠近1或0来判定该观测来自第1类或第2类.这种模型通常称为二值回归模型, 其后,Fisher的判别分析模型被推广到多于两类母体,但是把二值回归模型直接往多值上推广却发生了困难.例如,三类母体的情况,虚构的y值可以依次取1,2,3来区     

DNA序列的分类

本文对 A题中给出的 DNA序列分类问题进行了讨论 .从“不同序列中碱基含量不同”入手建立了欧氏距离判别模型 ,马氏距离判别模型以及 Fisher准则判定模型 ;又从“不同序列中碱基位置不同”入手建立了利用序列相关知识的相关度分类判别算法 ,并进一步研究了带反馈的相关度分类判别算法 .对于题中所给的待分类的人工序列和自然序列 ,本文都一一作了分类 .接着 ,本文又对其它各种常见的分类算法进行了讨论 ,并着重从分类算法的稳定性上对几种方法作了比较 .     

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。     

基于连续用电量和缴费时间差的客户信用动态评价模型

加大供电量和提高电费回收效率是供电商增加收益的主要途径,并且用电客户的缴费时间差直接影响着电费回收效率。在用电客户信息较少的情况下,仅仅依赖用电客户的用电量信息和缴费时间差信息,采用扩展的“S型”函数对用电量信息和缴费时间差信息进行整合建模,构建了一个能够度量客户持续用电能力和缴纳电费积极性的客户信用动态评价模型。应用构建的模型对赤峰市宁城县实际用电客户进行信用评价,评价结果与领域专家评价结果具有较高的一致性。     

适合中小型制造企业的客户信用评估的研究

本在对中小型制造企业的客户管理调研基础上，建立了适合中小型制造企业的信用评估指标体系，提出了基于AHP、TOPSIS和聚类分析的客户信用评估方法，并在上海某企业进行了实践，取得了较好的效果。     

付费模式与评级制度对信用评级机构竞争的影响研究

基于信用评级行业的关键作用与改革争议,本文根据信用评级行业的双边市场特征,建立由信用评级机构、债券发行方、债券投资者组成的平台竞争模型,设定了发行方付费且单评级、投资者付费且单评级、发行方付费且双评级的三种信用评级制度,对信用评级机构的竞争行为与社会福利进行对比分析。研究发现:目前主流的发行方付费且单评级制度下,信用评级机构的评级费用和利润水平均为最高,社会总福利水平则居中。在单评级制度下推广投资者付费模式,可以在信用评级机构受冲击最小的情况下,适当提高社会总福利水平,不失为当前我国信用评级制度改革的最佳选择。单评级制度下,信用评级机构可以通过增加差异化程度来提高评级费用和利润水平,但在双评级制度下则面临全新竞争决策的挑战。     

增信措施对城投债评级和定价的影响

本文以2010~2018年城投债数据,研究增信措施对城投债的发行评级和融资成本的作用,以及43号文前后增信效果的差异。实证发现,增信措施可提高债项评级,降低主体融资成本,同时这种增信效果对信用资质较弱的城投债作用更显著。进一步地研究发现,2015年前发行的城投债的发行成本基本不受增信措施的影响,投资者更看重城投债发行主体所在区域的经济发展水平,体现了城投平台背后隐含地方政府信用;而在2015年之后,新增城投债的担保比例增加,各种增信措施均能显著降低融资成本。上述结果间接证明了43号文之后,增信措施给城投公司带来了融资便利。     

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。     

基于多分类支持向量机的评估模型研究

支持向量机中的参数直接影响其推广能力,针对参数选取的主观性,提出基于改进的遗传算法优化其参数,并将其应用于银行个人信用的五等级分类问题中,针对多分类问题,设计了3个二值分类器,不同分类的参数不同,通过实验证实可以达到更精细的分类效果.     

Bank-sourced credit transition matrices: Estimation and characteristics

This study proposes and analyses a novel alternative to credit transition matrices (CTMs) developed by credit rating agencies - bank-sourced CTMs. It provides a unique insight into estimation of bank-sourced CTMs by assessing the extent to which the CTMs depend on the characteristics of the underlying credit risk datasets and the aggregation method and outlines that the choice of aggregation approach has a substantial effect on credit risk model results. Further, we show that bank-sourced CTMs are more dynamic than those of credit rating agencies, with higher off-diagonal transition rates and higher propensity to upgrade. Finally, we create a set of industry-specific CTMs, otherwise unobtainable due to the data sparsity faced by credit rating agencies, and highlight the implications of their differences, signalling the existence of industry-specific business cycles. The study uses a unique and large dataset of internal credit risk estimates from 24 global banks covering monthly observations on more than 26,000 large corporates and employs large-scale Monte Carlo simulations. This approach can be replicated by regulators (e.g., data collected by the European Central Bank in the AnaCredit project) and used by organisations aiming to improve their credit risk models.     

Credit rating analysis using adaptive fuzzy rule-based systems: an industry-specific approach

This paper presents an analysis of credit rating using fuzzy rule-based systems. The disadvantage of the models used in previous studies is that it is difficult to extract understandable knowledge from them. The root of this problem is the use of natural language that is typical for the credit rating process. This problem can be solved using fuzzy logic, which enables users to model the meaning of natural language words. Therefore, the fuzzy rule-based system adapted by a feed-forward neural network is designed to classify US companies (divided into the finance, manufacturing, mining, retail trade, services, and transportation industries) and municipalities into the credit rating classes obtained from rating agencies. Features are selected using a filter combined with a genetic algorithm as a search method. The resulting subsets of features confirm the assumption that the rating process is industry-specific (i.e. specific determinants are used for each industry). The results show that the credit rating classes assigned to bond issuers can be classified with high classification accuracy using low numbers of features, membership functions, and if-then rules. The comparison of selected fuzzy rule-based classifiers indicates that it is possible to increase classification performance by using different classifiers for individual industries.     

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...