基于Stacking算法集成的我国信用债违约预测

通过对2014～2019年我国信用债违约案例的原因分析及相关文献综述，从债券资质、债务主体、财务数据、宏观因素四个维度构建债券违约的指标体系，利用随机森林算法优化，研究发现当影响因素选择18项与37项时，样本内外预测结果达到均衡。基于不同角度的七种算法对比分析，择优选取三种作为底层算法：随机森林算法、梯度提升决策树算法与贝叶斯算法，并结合逻辑回归算法为次级训练算法融合构建基于Stacking算法集成的债券违约预测模型。实证结果表明，第一，Stacking算法的双重集成作用相对底层的单次集成总体精确度提升了1%到8%;第二，对不同指标数量的Stacking算法集成模型的评估表明所构建的指标体系提高了预测水平；第三，基于样本内外预测均衡的底层算法选择方法有效可取，分别纳入相对劣势的底层算法时，会逐渐影响模型稳定性。研究成果可以为我国债券市场风险管理提供技术支持与参考。     

基于联合估计法的债券信用利差期限结构拟合及应用

基于2016~2018年月度数据,通过独立估计的单曲线样条模型和SV 模型、联合估计的多曲线样条模型和SV模型拟合公司债信用利差期限结构,进而对模型拟合效果进行比较,讨论模型在宏观经济预测中的应用,得到以下结论:(1)拟合模型的函数形式是导致理论信用利差期限结构曲线翻折的原因。样条模型和SV模型拟合的信用利差曲线形状完全不同,且模型函数变动引起的误差变动大于曲线变动引起的误差变动。(2)联合估计模型可以修正独立估计模型的人为扭曲形式。多曲线模型的结果更接近实际信用利差,误差波动性明显减小,曲线更为平滑,且联合估计的多曲线样条模型优于独立估计的单曲线样条模型、独立估计的SV 模型和联合估计的SV模型。(3)公司债信用利差期限结构在一定程度上蕴含了市场对未来宏观经济的预期信息,且在短期内预测结果随先行期限延长而改善。因此,宏观经济政策制定者需关注信用利差和期限结构模型拟合研究,重视对信用利差期限结构的深度信息挖掘,从而提高中国宏观政策制定者调控手段的前瞻性和有效性。     

约束中具有Fuzzy参数的多目标规划(Ⅰ)——解的定义及其性质

考察了约束函数中具有Fuzzy参数的多目标规划(FPVP),首先引进Fuzzy集来描述(FPVP)的约束,然后给出α-拟有效解,α-有效解的定义并讨论了其基本性质,最后举例说明本文的解与[2]中的解的区别.     

基于ANP-RBF神经网络的化工行业绿色供应商选择

基于绿色供应链理念,提出了化工行业绿色供应商选择的特色指标,构建了化工行业绿色供应商选择的ANP-RBF神经网络模型。通过ANP确定各指标权重,再结合RBF神经网络,从训练数据中提取隐含的知识和规律,能够方便地用于新供应商的选择。该模型求解算法为增量算法,具有很好的可扩展性,从而增加了评价的动态性。算例验证结果表明,将ANP-RBF神经网络模型用于化工行业绿色供应商的选择具有较强的实用性。     

基于股票期权定价熵模型的套期保值参数研究

基于股票期权定价熵模型,本文给出了一套平行于Black-Scholes期权定价模型（BS模型）的套期保值参数的定义及其计算公式,并与BS模型框架下的套期保值参数进行了相应的数值模拟比较与分析。结果表明：熵模型套期保值参数的灵敏度要大于BS模型,从而为不完全市场中衍生产品风险管理提供了一种新途径。     

基于ARMA模型和VAR模型的中国债券市场信用价差预测比较研究

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

基于离差最大化的决策者权重的确定方法

基于离差最大化思想提出了一种确定多属性群决策中决策者权重的新方法。先根据群决策者对方案属性的客观评价值计算出属性的权重,然后根据各方案的综合属性值,基于离差最大化法给出决策者的权重,进而给出多方案间的排序。该方法充分发挥了离差最大法的客观赋权性,并且能够激励决策者对已知方案进行客观合理评价。最后将该方法应用于某化工建设项目环境影响技术评估,实例表明该方法的可行性和有效性。     

基于不同核函数的非参数利率期限结构模型的估计

给出了用非参数方法估计利率期限结构的过程,并以上海证券交易所的国债回购利率数据为样本,采用4种不同核函数：高斯核、抛物线核、四次方核和六次方核对利率期限结构模型进行估计。结果显示：当利率小于4%时,4种核函数估计结果相近;当利率大于4%时,高斯核和抛物线核的估计结果相近,四次方核和六次方核的估计结果相近;从利率均值回复的角度来说,后两者要优于前两者。所有结果表明：短期利率的密度函数是非正态的,扩散过程的漂移函数和扩散函数是非线性的,印证了非参数利率期限结构模型在刻画利率行为方面的优越性。     

基于4类神经网络的国债利率期限结构预测

以2011年1月至2016年7月的国债月度数据为样本,研究了在利率期限结构预测中,反向传播神经网络（BPNN）、小波神经网络（WNN）、径向基神经网络（RBFNN）和广义回归神经网络（GRNN）4种网络中相关参数的设定对精度的影响,并对预测效果进行实证比较。研究结果表明：广义回归神经网络预测效果较好,反向传播神经网络预测结果波动性较小,小波神经网络和径向基神经网络预测结果波动性较大。     

企业债券信用价差度量多参数优化模型

用多参数利率期限结构模型确定的利率期限结构为输入变量，利用Jarrow简化模型确定信用价差，从而给出一种新的企业债券的信用价差度量多参数集成优化模型。同时选取上海证券交易所多个交易日国债和企业债交易数据，通过遗传算法及两次最小二乘法联合估计得到相对精确的模型参数，由此拟合出企业债券发行主体的信用价差方程。最后选用基准方法作为对比，实证结果表明，以价格为输入变量所得信用价差更符合实际且拟合的模型参数更精确。该方法可以用于度量任何债券的信用价差，具有实用推广价值。