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.     

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。     

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.     

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。     

行业内中小企业信用评估模型及应用

在对中国中小企业特点的分析基础上,建立起三层次的行业内中小企业信用评估指标体系。并将其中的财务状况指标体系单独列出,通过对20家安徽省农资中小企业的调查,以此行业为例,利用主成分分析法筛选变量.简化原指标系统,进一步利用Logistic函数对财务状况指标计算公式进行了修正.然后通过层次分析法对各层指标权重进行计算,建立起行业内中小企业信用评估模型.同时根据商业银行的放贷目的,对模型进行了进一步讨论,在确定银行贷款临界概率的基础上,利用中小企业信用评估模型建立起银行贷款决策模型,并代入2005年度上半年合肥丰乐种业股份有限公司的数据进行了实证分析.     

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。     

需求依赖于库存量的供应链商业信用期问题研究

针对需求依赖于初始存货量的供应链商业信用期问题展开研究,而在供应链内供应商的决策是商业信用期,零售商的决策是库存水平.通过分析与证明,分别给出了分散决策与集中决策两种情况下,最优商业信用期及库存水平的决策步骤.为了达到渠道协调的目标,提出了利润补偿机制以对渠道内增加的利润进行重新分配.同时模型的性质也通过数值算例进行了详细说明.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

FMS中"柔性"的定量评价模型研究

本文首先根据柔性制造系统的组成,给出FMS系统中柔性的定义,并试图给出FMS中“柔性”的随机动态规划定量评价模型,为定量判断一个生产系统的柔性情况提供依据。该模型的建立,使得可以在FMS系统设计初期确定柔性大小,进而对确定预期的投资、技术,具有一定的现实意义。     

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．     

企业资信的模糊数学评价方法

根据企业资信定量指标的特性及定性指标的模糊性 ,提出了企业资信优序评价的新模型 ,该模型有效地解决了传统资信评价中软指标的处理难点 ,提高了企业资信评价的准确度 ,具有一定的实用性 .     

基于Entropy-Topsis的区域系统发展脆弱性分析与测评

脆弱性是区域系统发展历程中出现扰动的本质内因,脆弱性的优化调整有利于区域系统自身的功能完善、干扰缓冲、环境适应以及发展演进;本文界定和解析区域系统发展脆弱性的内涵,设置区域系统发展脆弱性测评指标和判别准则,建立基于Entropy-Topsis的区域系统发展脆弱性测评模型,收集黑龙江省1999～2007年度的统计资料开展实证研究,深入分析测评结果的演进规律和经济内涵,为区域规划和调整策略的制定提供参考依据.     

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。     

改进的云重心评判法在高技术企业信用评价中的应用

提出一种改进的云重心评判法,并应用于高技术企业信用评价.首先,借鉴TOPSIS法的基本思想,基于理想状态和负理想状态,对综合云重心向量进行归一化,并采用修正的加权偏离度来衡量云重心的变化,从而克服了传统云重心评判法的不足.其次,针对高技术企业信用评价中的不确定性,运用改进的云重心评判法对高技术企业信用状态进行实证测评,结果证明了该方法的合理性和适用性.     

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。     

基于主分量分析和BP神经网络的个人信用评估模型

运用基于主分量分析和神经网络(PCA-NN)的个人信用评估模型以期取得更好的预测分类能力.经实证分析及与SVM方法、线性判别分析、Logistic回归分析、最近邻估计、分类回归树及神经网络等方法的对比,结果表明,该方法有很好的预测效果.