具有线性趋势回归信度模型异方差的score检验

回归信度模型在保险研究中具有重要的作用.本文分险种内部,险种之间,险种内部及之间三种情形讨论了具有线性趋势回归信度模型异方差的score检验问题.首先推导了异方差存在性检验的score检验统计量,然后利用Monte-Carlo方法模拟了这几种检验统计量的功效,功效模拟结果显示：这几种检验统计量都有很好的检验效果.最后利用文中所得到的检验方法对旅客意外身体伤害保险数据进行了实例分析.     

The card game 24 and its application to math education

The card game 24 is a mathematical game that traditionally engages elementary students to practice their mental computational skills. In this paper, we use probability to formulate and explore the game. We create score of difficulty level for solvable card combination set under various setup of game rules. Based on our findings, we create new playing rules and provide suggestions for different levels of players. Our results may serve as guidelines on introducing the game 24 into the practice of math education.     

A dynamic binomial expansion technique for credit risk measurement: a Bayesian filtering approach

Credit risk measurement and management are important and current issues in the modern finance world from both the theoretical and practical perspectives. There are two major schools of thought for credit risk analysis, namely the structural models based on the asset value model originally proposed by Merton and the intensity‐based reduced form models. One of the popular credit risk models used in practice is the Binomial Expansion Technique (BET) introduced by Moody's. However, its one‐period static nature and the independence assumption for credit entities' defaults are two shortcomings for the use of BET in practical situations. Davis and Lo provided elegant ways to ease the two shortcomings of BET with their default infection and dynamic continuous‐time intensity‐based approaches. This paper first proposes a discrete‐time dynamic extension to the BET in order to incorporate the time‐dependent and time‐varying behaviour of default probabilities for measuring the risk of a credit risky portfolio. In reality, the ‘true’ default probabilities are unobservable to credit analysts and traders. Here, the uncertainties of ‘true’ default probabilities are incorporated in the context of a dynamic Bayesian paradigm. Numerical studies of the proposed model are provided.     

互联网环境下消费信贷行为研究

采用结构方程建模方法,实证分析了感知易用性、感知有用性、感知风险、信用卡效应及使用的态度与互联网环境下消费者使用信用卡支付的意愿之间的作用路径关系,从而建立了互联网环境下消费信贷行为影响因素的概念模型．研究表明,除感知风险与使用的意愿之间存在负相关关系外,其余四个因素与使用的意愿之间均存在正相关关系,其中使用的态度对使用的意愿的影响最大．     

工薪类个税征收标准对调节居民收入分配作用的统计分析

个人所得税一直是中国老百姓最关注的话题之一,2011年个税征收标准改革的问题再次引起大家的关注,主要焦点集中在工资、薪金类的个税征收的起征点和累进税率。本文选择2001至2010年31个省份的19行业的平均工资为基础数据,运用SPSS统计分析软件分别按省份和行业作为因子对税前和税后的平均工资做方差分析,利用假设检验的P值构造统计量,定义了调节比和调节得分两个评价指标,用这两个指标衡量个人所得税征收标准对缩小工资差距的效用。本文中该模型把个税征收标准对调节居民收入分配的效果数量化,通过得分指标的变动说明过去两次个税征收标准调整的必要性以及今年审议的第四套个人所得税征收标准草案的优劣。还可以通过该模型构建的指标对某套个人所得税的征收标准是否适应当前经济发展需要起到参考作用。     

基于连续用电量和缴费时间差的客户信用动态评价模型

加大供电量和提高电费回收效率是供电商增加收益的主要途径,并且用电客户的缴费时间差直接影响着电费回收效率。在用电客户信息较少的情况下,仅仅依赖用电客户的用电量信息和缴费时间差信息,采用扩展的“S型”函数对用电量信息和缴费时间差信息进行整合建模,构建了一个能够度量客户持续用电能力和缴纳电费积极性的客户信用动态评价模型。应用构建的模型对赤峰市宁城县实际用电客户进行信用评价,评价结果与领域专家评价结果具有较高的一致性。     

一种新的组合模型在信用评分中的应用

针对信用评分的特点,首先对传统的Bagging算法进行改进,然后基于不同的基分类器构建多个改进的Bagging组合模型,最后根据一种全新的方式将其组合,得到双层组合模型.通过实证分析得出以下结论:一、与原Bagging算法相比,改进算法能有效降低第二类错误率;二、与单层组合模型相比,多层组合模型能进一步降低第二类错误率和损失率.     

基于信息增益和Bagging集成学习算法的个人信用评估模型研究

机器算法中存在许多不同类型和方式的运行模式,而在诸多算法之中,集成学习的算法是一种基于统计理论以计算机实现的良好机器学习方法.阐述了集成学习的基本思想和实现步骤,运用Bagging集成学习算法试图建立一个个人信用评估模型,以期取得更好的预测结果.运用信息增益法筛选指标,采用V折交叉确认法,利用UCI的信用数据对单个分类器、Bagging集成分类器模型的分类精度和稳健性进行试验比较.结果表明,Bagging-决策树有效的提高了样本的精确性,在个人信用评估的分析中占有较强的优势.     

属性识别预警系统(AFS)——一种新的信用评价方法

在属性集和属性测度函数的基础上建立了属性测度预警系统.利用我国深、沪两交易所2000年公布的106家上市公司作为训练样本,计算出“差”企业和“好”企业的属性测度均值,构造出属性测度函数.进而对2001年公布的13家预亏公司进行预警分析,用置信度准则及最大属性测度准则判别,预警准确率分别达到92.31%和100%.因此,属性识别预警系统在信用评价方面具有良好的应用前景.