基于灰色理论的银行类上市公司经营绩效评价

商业银行是我国金融体系的支柱,在国民经济中占据着十分重要的地位,而银行类上市公司是商业银行的重要组成部分,具有一定的行业代表性.科学合理的评价银行类上市公司的经营绩效,对了解银行业的整体绩效水平,提高银行的竞争力具有重要意义.围绕银行的安全性、流动性、盈利能力和成长发展能力四个方面建立较为完善合理的评价指标体系,搜集银行类上市公司2012年、2014年和2016年三年的数据,基于灰色综合聚类法建立绩效评价模型,通过比较静态分析法对银行类上市公司的经营绩效进行评价.结果显示近几年我国银行类上市公司的整体绩效水平呈下降的趋势.     

基于部分数据缓冲的GM(1,1)模型预测精度研究

根据灰色系统理论中新信息优先利用原理,在对缓冲算子和数据灰色序∥生成研究的基础上,借用计量经济学虚拟变量的思想,构造一类利用缓冲算子对单调数列部分数据进行灰色序列生成的新方法,有效解决了冲击扰动数据序列在建模预测过程中常常出现的定量预测结果与定性分析结论不符的问题,实例分析表明,这类新的方法能显著提高GM(1,1)模型的预测精度.     

基于灰色聚类分析和TOPSIS的上市银行创新能力评价

增强创新能力是银行在利率市场化和金融脱媒时代下提高自身竞争力的重要方式.从银行经营能力和金融创新能力两方面出发,选取可体现银行特征的经营情况指标和广泛应用金融创新评价指标构建银行创新力评价指标体系.以30家上市银行为研究对象,基于2015-2019年数据,分别运用灰色聚类和熵权TOPSIS的方法对上市银行创新能力进行评价,紧接着对两种评价体系下上市银行的表现进行分析,并根据两种方法的评价结果提出了一种综合排名方法,形成了同时考虑两种方法的综合排名结果.     

基于反余弦函数变换的灰色预测模型研究

提出了反余弦函数变换方法,证明了这种变换是级比压缩变换,能够提高序列光滑度,可以保持序列凹凸性,不会增大还原误差,满足数据变换的构造准则.通过具体算例表明,基于反余弦函数变换的GM(1,1)模型的预测精度优于传统GM(1,1)模型和基于幂函数变换的GM(1,1)模型,说明了该变换的有效性.