GRNN和PNN模型在信用风险评估中的应用

广义回归神经网络GRNN和概率神经网络PNN,与传统的BP神经网络相比,收敛速度快,学习能力强.本文将其应用到信用风险评估,选取1057组公司财务数据作为训练数据,350组数据作为测试数据,分别建立基于不同属性的模型对样本公司财务状况评判其是守信公司还是违约公司,最终选取精度较高的作为最终模型对财务系统进行预测.结果表明,PNN对于信用风险评估泛化能力好,测试集正确率高,因此可以用作风险预警的模型,给决策者提供智力支持.     

基于两步子抽样算法的P2P信用风险预测研究

随着大数据时代的到来,P2P网络借贷的数据规模日益庞大,导致P2P网络借贷信用风险比传统的金融借贷信用风险更加难以预测,使得大量的P2P机构面临倒闭.文章运用美国Lending Club网站2017-2018年的数据,采取两步子抽样方法抽取样本,建立logistic回归模型对P2P网络借贷信用风险进行预测.研究结果表明...     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

多层感知器信用评模型及预警研究

本文利用多层感知器 ( MLP)原理建立神经网络信用评价模型 ,用来对我国 2 0 0 0年 1 0 6家上市公司进行信用评级 ,并进一步对我国 2 0 0 1年公布的 1 3家预亏公司进行预警研究 .按照各上市公司的经营状况分为“好”、“差”两类 ,每一类由 5 3家上市公司构成数据样本 .对于每一家上市公司 ,主要考虑其经营状况的四个财务指标 :每股收益 ,每股净资产 ,净资产收益率和每股现金流量 .仿真结果表明 ,本文所建立的神经网络信用评价模型有很高的分类准确率 ,达到 98.1 1 % .又由于该信用评价模型有很强的适应能力 ,故可以进一步用来对企业的财务危机进行预警研究 .预警实证分析表明 ,该信用评价模型对我国 2 0 0 1年公布的 1 3家预亏公司进行预警分析 ,预警准确率达到 1 0 0 % .此外 ,文中还给出 MLP网络模型的学习算法和步骤     

基于BP神经网络的P2P网贷借款人信用评估

评估借款人信用是P2P网贷公司控制风险的重要步骤,对于网贷公司的正常运行有着极其重要的意义。论文参考商业银行信用指标体系并根据P2P网贷自身特点,建立了P2P网贷借款人的信用评估指标体系。根据建立的指标体系构建相应的BP神经网络模型,并利用一步正切法进行优化。然后选取具有代表性的P2P网贷平台的相关数据,对该模型进行训练和仿真,证明了该模型对P2P网贷平台的风险控制起到一定的作用。     

基于SVM~(K-Means)的非均衡P2P网贷平台风险预测研究

P2P网贷平台的高速发展,降低了小微企业的借贷成本,提高了投资者的收益与效率,较好地满足了小微企业的融资需求.然而,现阶段中国的P2P网贷平台在发展过程中也暴露出大量的风险问题,不仅使投资者财富遭受损失,也严重危害了P2P行业的健康发展.因此,对P2P网贷平台进行早期风险预测,在风险问题未发生之前对投资者进行风险预警并为投资者提供投资辅助决策是目前学术界广受关注的一个热点研究问题.针对真实P2P网贷平台数据的类别分布非均衡性问题,文章提出了一种基于K-Means聚类和支持向量机(support vector machine,SVM)的非均衡分类方法SVM~(K-Means)用以预测P2P网贷平台风险.通过网贷之家真实数据并以经典的逻辑回归(logistic regression)、支持向量机以及神经网络(back propagation neural network)为基准方法进行的比较试验表明,文章提出的SVMK-Means方法能够更加准确地在早期进行P2P网贷平台风险预测.     

信用担保风险的模糊综合评审研究

信用担保机构是连接银行和企业的桥梁，对于改善企业融资环境和拓展银行业务具有重要意义，信用担保风险的评审是担保机构能否生存及有效运行的关键。信用风险的评审机制主观性强，对担保项目进行客观，公正的评审比较困难。本采用模糊数学中的综合判别方法，全面考虑风险评审所涵盖的各种风险指标及其重要度，建立了定性分析与定量分析方法相结合的信用担保风险综合评审模型，为担保机构提供了一种相对科学、客观的评审方法。     

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。     

基于KMV模型的我国上市公司信用风险研究

在KM V框架的基础上对股权价值计算方法进行了改进,通过改进后的方法,计算出1999年至2006年各年所有上市公司的违约距离、理论违约率、企业价值、股权价值等指标数据.从分析的结果来看,上市公司规模对信用风险有一定影响,上市公司规模越大,信用风险越小,公司规模越小,信用风险越大.从违约风险的变化情况看,2003—2006年上市公司的违约距离呈下降态势,说明近年来上市公司的违约风险加大.对比沪深300上市公司股改前和股改后信用状况,发现股改前后信用状况有显著不同,股改后上市公司的违约风险变大.通过违约距离的敏感性分析,认为股权价值波动率对违约距离最敏感.     

基于KMV模型的我国中小上市公司信用风险研究

经过提高股权价值波动率精度的KMV模型对我国中小上市公司有很强的识别信用风险状况的能力.中小上市公司违约的可能性大于我国大型企业,信用状况不容乐观,整体信用状况在近3年间表现波澜不惊,到2006年违约风险有增大趋势.通过设定两条信用预警线,来监控中小上市公司的信用危机.资产规模对信用风险有显著影响,2004年之后资产规模与违约风险显著负相关,总资产小于3亿元的小公司抗风险能力最差.股份分置改革引起了中小上市公司信用风险短时间的波动,是2006年中小上市公司违约风险变大的重要原因。     

基于相对VaR的信用担保两期定价模型

基于风险价值(VaR)计量模型的信用担保定价方法包括绝对VaR和相对VaR两种方法.对于贷款期限一年以上的风险衡量,相对VaR比绝对VaR更加准确和接近现实.针对现有研究中基于绝对 VaR的只考虑原债务期的信用担保风险计量模型的缺陷,本文采用相对VaR方法,建立了既考虑企业对银行的原债务期风险,又考虑企业对担保机构的债务展期风险的信用担保两期定价模型,从而使基于VaR模型的信用担保定价方法更加科学合理.     

基于IGA-BP神经网络和专家系统的我国银行流动性风险预警研究

以因子分析主成分方法选取预警指标;以免疫遗传算法对BP神经网络收敛速度较慢、易陷入局部极小等缺陷进行改进,形成IGA-BP神经网络.采用IGA-BP神经网络对银行的流动性风险进行预警,并提出以拥有强大知识库的专家系统对其输出的预警信号进行进一步核准和验证,确保预警信号的有效性,构建我国商业银行流动性风险预警机制.     

基于多元二次径向基神经网络的偏微分求解方法

为提高偏微分方程的计算求解精度,设计了以多元二次径向基神经网络为求解单元的偏微分计算方法,给出了多元二次径向基神经网络的具体求解结构,并以此神经网络为求解基础,给出了具体的偏微分计算步骤.通过具体的偏微分求解实例验证方法的有效性,并以3种不同设计样本数构建的多元二次径向基神经网络为计算单元,从实例求解所需的计算时间以及解的精度作对比,结果表明,采用基于多元二次径向基神经网络的偏微分方程求解方法具有求解精度高以及计算效率低等特点.     

基于FOA-RBF神经网络的外贸出口预测

应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.     

P2P网贷平台风险预测研究

随着大数据和机器学习的流行,其在破产预测和风险预测领域逐渐崭露头角。本文运用爬虫技术得到885家网贷平台的16815条数据,通过因子分析及模型验证挖掘出了若干能较好评估P2P平台风险的因子。然后本文通过选取的指标体系建立了Logistics回归、支持向量机、BP神经网络、LightGBM等单模型以及融合模型进行学习训练,所建立的融合模型在测试集中得到最高的准确率,说明本文所建的融合模型能较好地评估网贷平台的风险。本文还选取决策树绘图以及对特征进行重要性排名,选取出了对识别问题平台有重要作用的十项特征。这对投资者选取安全平台进行投资或者监管者选取重点平台进行监管有很好的借鉴意义。     

基于BP神经网络的行业间中小企业信用评估模型及应用

首先构建了行业间中小企业信用评估指标体系,然后利用安徽省不同行业的800家中小企业调查数据,将其分为训练样本集和测试样本集,对BP神经网络的构造进行讨论,确定BP神经网络的算法,建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分分行业数据进行实证,并对仿真结果做出分析,指出造成农、工行业信用较大差距的原因,并提出加强农业行业信用建设的建议.     

基于Pulic智力资本模型的上市公司财务危机预警研究

智力资本在知识经济时代对企业的发展至关重要.本文考察Pulic智力资本评测模型是否能够用于企业财务危机预警.首先基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据对Pulic模型综合指标进行单变量分析证实了该模型的预警可行性,然后根据三项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推.结果表明,Pulic模型在ST前两年具有较高的判断准确性,可以通过对智力资本的考察而预知企业未来的财务状况.     

基于担保的中小企业融资的集合票据的定价研究

在简约化模型框架下,考虑担保机构的违约对集合发债融资的中小企业有违约传染的影响,通过引进一个几何双曲线衰减函数,得到了集合票据的定价公式,在此基础上对担保集合票据所隐含的信用风险进行分析.结果表明:担保机构的存在能显著降低集合票据的信用利差,提高其市场发行价格;且有担保下,担保机构的违约传染风险因子越大,相应的集合票据价格就越低,违约概率越大,信用利差越高,担保价值越低.     

生猪市场价格风险预警的GRNN建模及其实证研究

为了对生猪市场价格风险进行预警,根据我国2009年1月-2011年8月14个指标的32组样本数据,建立了广义回归神经网络(GRNN)预警模型,其中训练样本29组,测试样本3组.训练样本和测试样本的均方根误差、平均绝对误差(AAE)和相关系数都非常接近,说明建立的模型具有较强的泛化能力和鲁棒性,测试样本的AAE为0.0062,平均相对误差为2.3%,说明建立的GRNN模型具有很高的预测精度,可用于我国生猪市场价格风险预警研究和实际预测,并为政府有关部门指导生猪生产和进行市场调控提供决策依据.     

V-fold交叉验证和BP神经网络在信用评价中的应用

研究关于公司神经网络信用评估问题的现状，提出一套甄选方法准则。用于建立适合于我国企业的信用评分指标体系；然后依据该指标体系建立了基于BP回归神经网络的信用评估模型；采用V—fold交叉验证技术，利用样本公司实际指标数据对该模型的评分效果进行了实证研究。