基于改进模糊综合评价法的小微企业

本文结合小微企业的具体环境及实际情况构建小微企业信用评价指标体系,通过对比分析国内外信用评价方法,提出一种基于信息熵与层次分析法(AHP)结合的改进综合评价法,该方法利用信息熵计算客观权重,运用层次分析法计算主观权重,并对主客观权重进行拟合得出综合权重,分析得到小微企业信用评价等级,实现对小微企业金融风险的分析。实验结果表明,基于改进模糊评价法的小微企业金融风险分析模型可操作性较强,评估结果相对准确合理。     

基于改进模糊综合评价法的小微企业金融风险分析模型研究

本文结合小微企业的具体环境及实际情况构建小微企业信用评价指标体系,通过对比分析国内外信用评价方法,提出一种基于信息熵与层次分析法(AHP)结合的改进综合评价法,该方法利用信息熵计算客观权重,运用层次分析法计算主观权重,并对主客观权重进行拟合得出综合权重,分析得到小微企业信用评价等级,实现对小微企业金融风险的分析。实验结果表明,基于改进模糊评价法的小微企业金融风险分析模型可操作性较强,评估结果相对准确合理。     

区块链交易环境下中小微物流企业信用寻租约束机制研究

中小微物流企业因其自身信用不足,往往存在融资难、贵等问题,且为了降低融资成本倾向进行信用投机,这些现象直接关系到物流服务供应链信用生态的平衡性和稳定性.鉴于此,文章将核心企业与中小微物流企业交易产生的应收账款作为数字债券凭证,搭建物流服务供应链各级中小微物流企业信用信息流转框架;进一步,基于不完全信息理论构建中小微物流企业信用寻租约束模型,通过对比一般交易环境和区块链交易环境下三级物流服务供应链中不同主体期望收益,实现博弈均衡状态,进一步通过仿真分析验证结论:区块链交易环境能够有效约束一级FLSP的信用寻租投机行为,银行通过“惩罚”因子可以最大程度保障寻租风险下的自身收益,且该环境对于遵循合理交易规则的物流企业具有一定保护机制.文章研究验证了区块链交易环境在物流服务供应链信用信息流转中的有效性,同时为物流服务供应链基于核心企业针对中小微物流企业开展供应链金融相关授信业务提供了支撑.     

基于相对熵和可变模糊集理论的战略性新兴产业企业信用评价

针对现有模糊评价方法缺乏动态可变性的不足,将可变模糊集理论引入到战略性新兴产业企业信用评价中;同时,考虑到主观赋权法与客观赋权法各有优缺点,采用基于相对熵的组合赋权法确定指标权重,从而构建了基于相对熵和可变模糊集理论的战略性新兴产业企业信用评价模型.模型克服了现有模糊评价方法的不足,较好的兼顾了赋权的主观偏好和客观信息,提高了信用评价结果的可信度、可靠性与稳健性.以20家战略性新兴产业上市公司为样本,实证分析结果说明了模型的可行性和适用性.     

企业信用评估指标体系与评价方法研究

市场经济是信用经济,但当前我国经济运行中失信问题突出,诚信建设尤其是企业信用建设亟待加强。信用体系建设的核心是选择科学的信用评估指标体系与评估方法。本文从企业征信的基本模式、企业信用评估的指标体系和评估模型三个方面阐述信用评估方法,同时结合我国实际对信用体系建设提出了建议。     

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明：基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.     

基于EEMD与模糊回归的投资组合选择模型及实证

随着模糊理论的不断发展与其在证券市场的广泛应用,越来越多的学者关注到参数模糊化对投资组合优化具有重要作用。本文利用集合经验模态分解(EEMD)和模糊线性回归相结合的预测方法,构建了基于对称三角模糊数的投资组合模型。并将提出的模型与集合经验模态分解和普通最小二乘结合的方法、单一模糊线性回归方法进行了对比分析,结果表明基于集合经验模态分解和模糊线性回归建立的投资组合模型最优,这对构建最优投资组合具有参考意义。     

基于投影寻踪和最优分割的企业信用评级模型

提出一种基于投影寻踪和最优分割的企业信用评级模型。该模型运用投影寻踪对样本企业进行信用综合评分,将信用综合得分由大到小排序,生成有序样品序列;利用最优分割法对有序样品进行聚类,得出明确的聚类结果;将最优分割点对应的信用综合得分作为划分信用等级的阈值,从而实现对样本企业的信用评级。应用实例证明了该模型的可行性和有效性。     

涉农企业信用评价动态指标隶属度向量判别研究

对涉农企业信用评价中的动态指标的隶属度向量进行判别研究.首先借鉴X-12-A砒MA季节调整法的思想对信用数据进行剥离,构建一种过程连续性的动态信用指标;其次通过时间序列三指数平滑模型对动态信用数据的变化进行预测,得到动态信用指标隶属度向量;再次,结合熵权-AHP法确定的权重,确定动态信用指标的综合隶属度向量;最后实证检验了方法在企业信用评价中应用的有效性.     

基于迁移学习的客户信用评估模型研究

客户信用评估是银行等金融企业日常经营活动中的重要组成部分。一般违约样本在客户总体中只占少数,而能按时还款客户样本占多数,这就是客户信用评估中常见的类别不平衡问题。目前,用于客户信用评估的方法尚不能有效解决少数类样本稀缺带来的类别不平衡。本研究引入迁移学习技术整合系统内外部信息,以解决少数类样本稀缺带来的类别不平衡问题。为了提高对来自系统外部少数类样本信息的使用效率,构建了一种新的迁移学习模型:以基于集成技术的迁移装袋模型为基础,使用两阶段抽样和数据分组处理技术分别对其基模型生成和集成策略进行改进。运用重庆某商业银行信用卡客户数据进行的实证研究结果表明:与目前客户信用评估的常用方法相比,新模型能更好地处理绝对稀缺条件下类别不平衡对客户信用评估的影响,特别对占少数的违约客户有更好的预测精度。     

大数据背景下基于GRBF神经网络的P2P机构信用风险预警研究

针对P2P机构信用风险预警问题,提出了基于大数据思维的信用评估体系,采用基于动态特征的广义径向基神经网络对228家P2P机构12个月的高维数据指标进行信用风险评估.应用设计的广义径向基神经网络和BP神经网络进行对比,准确率分别为91.9%、85.2%,广义径向基神经网络在处理实时高维数据时表现出良好的性能,可以对我国P2P机构信用风险进行预警.同时深入对预警机构进行数据分析发现,如果企业资金流动性较差、净流入低也可能存在较高风险,企业应依据小额分散的借贷原则,降低借款集中度可以有效防范企业信用风险.     

企业协同创新质量评价的组合参考解方法

在开放式创新背景下,对企业协同创新质量的评价有利于其开展创新活动以及创新能力的提高。本文在分析企业协同创新活动的内涵和特征后,以犹豫模糊集描述评价信息,集成以参考解依赖评价规则的TOPSIS和EDAS方法为方法构架,提出了一种基于指标优劣水平的犹豫模糊组合参考解的企业协同创新质量评估模型。此外,在该评估模型中构建了一种基于Kendall相关系数的犹豫模糊测度,用于考虑多维评价指标间的相互依存性,以及传统距离测度无法刻画负向距离等问题。最后,通过对高技术企业协同创新质量评价的实例分析以及与其他方法对比分析,证实了所提方法的有效性和优越性。     

数据包络分析在信用评估中的应用

提出了一种基于拒绝案例集的数据包络分析模型和边界为分段线性分离超平面的分类方法，探讨了在只掌握单方面信息(信用差的单位)的情况下，如何对新单位进行信用评估的问题，并给出了评价决策单元信用状况的具体方法，应用实例表明所提出的模型和方法是可行的。     

网络小额贷款业务个人信用风险评估——基于DNN-SMOTEENN-ExtraTrees组合模型

针对网络小额贷款业务,构建组合模型DNN-SMOTEENN-ExtraTrees评估网络小贷信用风险.首先利用SMOTEENN算法处理样本数据中“好”和“坏”样本分布极端不平衡情况,再利用极端随机数算法ExtraTrees对特征重要性进行评估并剔除无关变量,最后采用深度神经网络DNN评估网络小贷个人信用风险.通过召回率、精确度、F1值和AUC值等模型性能评价指标,与BP神经网络模型、Logistic回归及支持向量机比较,发现组合模型分类能力更显著,泛化能力更加优异,更适合数据规模大、维度高的网络小贷市场评估信用风险.     

供应链金融信贷市场三方演化博弈动态

供应链金融业务的产生与发展为中小微企业的融资提供了有效的途径。核心企业在为中小微企业提供信用担保的同时,也对中小微企业的生产等经济活动进行监督,以维持供应链上各企业的信用及效益。本文考虑供应链金融各参与方之间的相互影响,构建"金融机构——核心企业——中小微企业"三方博弈主体的演化博弈动态模型。运用演化博弈理论与Lyapunov判别法分析三方演化动态模型的均衡点以及其渐进稳定性。结论表明:中小微企业得到的预期利益越大、违约的成本越大,就越不容易选择违约,供应链金融信贷系统将演化到核心企业为中小微企业提供贷款信用担保,金融机构对中小微企业进行贷款、中小微企业选择不违约的演化均衡状态,信贷市场呈良性发展的趋势。     

基于BP神经网络的企业信用评估模型

本文研究了企业信用评估中的模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.     

随机模糊的等比例-最小方差投资组合优化研究

Markowitz的均值-方差模型在投资组合优化中得到了广泛的运用和拓展,其中多数拓展模型仅局限于对随机投资组合或模糊投资组合的研究,而忽略了实际问题同时包含了随机信息和模糊信息两个方面。本文首先定义随机模糊变量的方差用以度量投资组合的风险,提出具有阀值约束的最小方差随机模糊投资组合模型,基于随机模糊理论,将该模型转化为具有线性等式和不等式约束的凸二次规划问题。为了提高上述模型的有效性,本文以投资者期望效用最大化为压缩目标对投资组合权重进行压缩,构建等比例-最小方差混合的随机模糊投资组合模型,并求解该模型的最优解。最后,运用滚动实际数据的方法,比较上述两个模型的夏普比率以验证其有效性。     

基于蚁群算法的模糊分类系统设计

提出了一种基于最大-最小蚁群算法的模糊分类系统设计方法.该方法通过两个阶段来实现:特征变量选择和模型参数优化.首先采用蚁群算法对特征变量进行选择,得到一组具有较高分辩性能的特征变量,提高模型的解释性;在模型结构确定后,蚁群算法从训练样本中提取信息对模型的参数进行优化,在保证模型精确性的前提下,构造具有较少变量数目及规则数目的模糊模型,实现了精确性与解释性的折衷.最后将本方法运用到Iris和Wine数据样本分类问题中,并将结果与其它方法进行比较,仿真结果证明了该方法的有效性.     

基于WOE-Probit逐步回归的信用指标组合筛选模型及应用

依次使用证据权重法(WOE)、逐步回归法、Probit模型的系数显著检验法对信用评价指标进行三轮筛选,构建了一套精简且区分违约状态能力强的信用评价指标三重组合筛选模型,并以某商业银行信贷数据库中的782个微型企业样本进行了应用分析.通过ROC曲线对构建的评价指标体系进行检验,得到AUC值为0.9472,表明了基于WOE-Probit逐步回归的信用指标组合筛选模型的合理性.通过与WOE-Logistic逐步回归作对比,得到基于WOE-Probit逐步回归的信用指标组合筛选模型的AUC值大于基于WOE-Logistic逐步回归的信用指标组合筛选模型的AUC值,表明方法的优越性.     

基于合理粒度原则的多层模糊规则模型构建

模糊IF-THEN规则模型因其可产生具有较好解释性的推理结果受到了广泛的关注。对于高维、复杂的问题,模糊IF-THEN规则模型却未充分利用数据特征中包含的层次信息,对数据的多水平表征能力较弱。此外,模糊模型的构建往往受到数据质量、专家知识等因素的影响导致数值输出伴随着不确定性。本文基于合理粒度原则提出了一种具有多层结构的Takagi-Sugeno(T-S)模糊模型的建模方法。该方法在粒计算框架下将模糊技术与多层学习策略相结合,并在数据子空间内部采取逐层划分的方法进一步挖掘数据中隐含的结构信息,使模型具有良好的可解释性,同时以信息粒为输出体现了主要的预测范围。最后,在公开数据集上进行数据实验,检验了所提方法的有效性。