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。     

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.     

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.     

基于径向基神经网络的盐水中CO_2溶解度模型

确定盐水中CO_2的溶解量对CO_2地质封存潜力和外溢风险评估至关重要,经典溶解度模型建立在热力学平衡定律上,具有一定的限制性,而RBF径向基人工神经网络具有很强的泛化能力,能够关联复杂变量之间的映射关系.利用收集到的实验数据建立了RBF神经网络用于预测盐水中CO_2的溶解度,和之前已经建立的BP神经网络模型对比,将实验数据、RBF神经网络模型、BP神经网络预测结果、PR-DUAN模型以及亨利定律计算值做了对比,为确定盐水中CO_2的溶解度提供了一种新的RBF神经网络预测模型.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

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.     

灰色理论和BP神经网络在大学生就业信心指数预测中的应用

采用大学生就业信心指数来分析预测其就业信心是值得研究的问题.提出一种灰色理论和BP神经网络相结合的方法对大学生就业信心指数进行预测.首先对影响就业信心的主要因素建立不同的灰色模型,然后将每个灰色模型的预测值作为神经网络的输入,利用神经网络进行组合预测以作为其最终的预测值.结果表明组合模型的预测值相对误差更小,精度更高.     

基于概率神经网络的欺诈性财务报告的识别研究

本文探索概率神经网络PNNs(Probabilistic Neural Networks)在构建欺诈性财务报告识别模型方面的有效性,重点探讨了PNN模型变量的选择及平滑参数的确定问题,同时将所提出模型的性能和人工神经网络(ANNs)、logit回归模型的性能进行了比较.结果证明,PNN模型具有很高的预测力,并发现该模型的性能优于ANN模型以及logit回归模型.     

城市道路短时交通流量预测

结合BP神经网络模型和自回归求和滑动平均(ARIMA)模型对城市道路交通短时区间流量进行预测.影响交通流的因素有很多,难以一一量化,但这些因素都可以由线性自相关结构和非线性结构结合线性组合得到.而BP神经网络对非线性关系有很好的拟合效果,ARIMA模型则具有良好的线性拟合能力.在训练模型时,先用ARIMA模型拟合训练集,与原始数据作差得到一组残差;用BP神经网络模型拟合残差;将两个模型结合得到组合模型.将2017年7月1日7:00到2017年7月1日18:00期间,贵阳市某个路口断面所采集的过车数据作为训练集,建立ARIMA模型和BP神经网络模型以及组合模型,预测2017年7月1日18:00到2017年7月1日19:00的短时交通流.过车数据统计时间间隔为5min,则训练集共有有效数据132组,测试集的有效数据为12组.分别用三类误差分析指标比较三个模型的拟合、预测效果,结果显示组合模型的预测效果比两个模型单独使用的预测效果更准确.     

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。     

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。     

基于面板logit模型的上市公司财务困境预测

目前关于财务困境预测的研究大多是局限于截面数据的静态计量和统计模型,忽视了公司的财务状况是不断变化的事实.为了揭示公司财务状况的变化过程,利用面板数据建立了panel logit概率模型.研究结果表明,panel logit模型在预测准确度方面优于普通的logit模型.     

基于小波分析的滑动GA-BP-GRACH模型对股票的预测研究

以“平安银行” 00001号股票收盘价为实证背景,基于小波分析下的滑动GA-BP-GRACH模型对该股票变化趋势进行预测研究,即:通过小波分解得到两类股票变化数据(低频、高频),并建立滑动窗口下的GA-BP神经网络对其低频数据进行预测,鉴于高频数据表现出的波动性特点,采用GRACH模型进行预测.结果显示,两类模型的预测效果均为良好.最后,再基于小波重构得到股票的最终预测数值.实验表明,所述模型在股票预测方面比传统神经网络模型更加优越,对股票变化规律刻画也有着一定的参考价值.     

基于权益再融资与策略性债务支付的公司财务困境纾解研究

为了应对公司财务困境问题,在兼顾股东与债权人利益的基础上,采用激励相容理论,构建了基于权益再融资和策略性债务支付的公司定价模型,厘清了权益再融资、债务重组、财务困境及其伴生的再谈判之间的关系,据此提出了一种公司财务困境纾解方案。特别地,给出了策略性债务支付下进行权益再融资的可行性依据,并辅以再谈判手段及股东、债权人双方利益最大化目标,确定了最优重组边界及最优减记息票。分析结果表明:①将策略性债务支付置于财务困境之后、兼容权益再融资的综合方案,可在一定程度上避免策略性债务支付行为的投机性所导致的对公司定价的高估,产生了在一定条件下增加债务价值、放缓信用价差增长速度的效果;②权益再融资成本与信用价差之间呈现倒U型关系;③基于纳什均衡博弈的策略性债务支付减记息票不受流动性及权益再融资的影响,并可保证其处于公司的支付能力之内。     

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 .     

MEA-BP模型在遥感影像分类中的应用研究

遥感影像分类作为遥感技术的一个重要应用,对遥感技术的发展具有重要作用.针对遥感影像数据特点,在目前的非线性研究方法中主要用到的是BP神经网络模型.但是BP神经网络模型存在对初始权阈值敏感、易陷入局部极小值和收敛速度慢的问题.因此,为了提高模型遥感影像分类精度,提出采用MEA-BP模型进行遥感影像数据分类.首先采用思维进化算法代替BP神经网络算法进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于思维进化算法的BP神经网络分类模型,并将其应用到遥感影像数据分类研究中.仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值.     

基于随机森林融合朴素贝叶斯的信用评估模型

利用随机森林特征选择算法,对信用评估的可用指标集进行特征选择,在此基础上建立基于随机森林融合朴素贝叶斯的信用评估模型.选取UCI数据库中的German数据集进行实证研究,结果表明,通过随机森林进行特征选择的随机森林融合朴素贝叶斯模型具有更高的预测准确度.     

利用Elman神经网络模型评估广东热带气旋灾情

热带气旋灾情评估是防台减灾工作的重要环节.介绍的Elman神经网络的基本原理,并将Elman神经网络应用于广东省热带气旋灾害经济损失评估中.选取14个评估因子,选用1998²008年影响广东的36个台风作为数据样本,再运用主成分分析法降维处理,构建了基于Elman神经网络和基于BP神经网络的评估模型,分析结果显示,基于Elman神经网络模型的评估结果均方误差为0.953,平均误差率为17.76%,优于BP神经网络.研究的模型可实际应用于广东省实际热带气旋灾害经济损失评估,为防台减灾工作提供决策信息.