FCM-SVM集成方法在财务危机预警中的应用

支持向量机(SVM)对小样本问题具有良好的学习能力和泛化能力,但应用到数据分布不平衡的财务危机预警问题时,对"正例"的识别效果不佳;模糊C均值(FCM)聚类能够在保持原有样本数据信息的同时较好的实现"正例"和"反例"的平衡。文章在FCM实现数据预处理的基础上,应用SVM方法对企业财务危机进行识别,实证分析证明这种方法在是有效的。     

非均衡数据下基于BPNN-LDAMCE的信用评级模型设计及应用

研究目标:非均衡样本信用风险的有效预测。研究方法:针对反向传播神经网络BPNN交叉熵损失函数在非均衡样本信用评级中对非违约样本识别过度、违约样本识别不足的现象,利用标签分布交叉熵(Label Distribution Aware Margin Cross Entropy,简记LDAMCE)函数对交叉熵损失函数进行改进,并采用两阶段方式对BPNN模型进行训练,构建基于BPNN-LDAMCE的信用评级模型;基于多模型对比思路,验证BPNN-LDAMCE模型对中国某金融机构1298笔真实贷款数据信用风险预测的有效性;利用UCI公开的A地区、B地区信贷数据,检验BPNN-LDAMCE模型的稳健性。研究发现:BPNN-LDAMCE在保证对非违约样本识别力的同时,提升了对违约样本的预测准确率。研究创新:通过测算非违约、违约样本到分类面的“最优分类间隔”γ₁~*、γ₂~*,利用γ₁~*、γ₂~*对交叉熵损失函数进行改进,构建基于“最优分类间隔”的BPNN-LDAMCE信用风险评价模型,既可提升BPNN信用评价模型...     

基于机器学习算法的信用风险预测模型研究

为了解决西南财经大学“新网银行杯”竞赛数据中存在的高维稀疏数据、无标签数据、多产品客群来源及好坏样本不平衡等问题,采用机器学习方法,如Logistic回归、决策树、Adaboost、GradientBoosting和LGB模型对数据进行训练,得出LGB模型的性能评价指标AUC数值最大的结论。     

深入执法维权优化消费环境——福建省各级质监部门广泛开展"3·15"系列活动

福建省质量技术监督局: 开展消费品质量提升行动.一是围绕空气净化器、电饭煲、智能马桶盖、玩具、家具等重点消费品开展质量提升行动,2016年共抽查18类2550家企业2935批次产品,合格率达94.21%,同比提升1.09个百分点.二是深入开展儿童用品、食品相关产品、家用电器、电子产品等"质检利剑"执法行动,共检查企业1962家次,立案查处289起,有效保护消费者权益.三是启动缺陷消费品召回工作,督促小家电、童鞋生产企业召回缺陷产品3202件,召回率超过83%.四是加大"汽车三包"争议调处力度,成功调解108起"汽车三包"问题纠纷.     

平衡计分卡在中国

平衡计分卡作为一种概念,最早进入中国约在1 996年,当时实施的也只是少数一些在中国有业务的跨国公司.但自2001年后,平衡计分卡作为战略管理工具的理念和方法真正开始在中国受到重视和运用,众多研究人士和企业界在积极讨论其推广与运用问题.现在对平衡计分卡最感兴趣的已经不再是外资企业,而是中国的民营企业.但现实情况是,平衡计分卡的使用目前在国内还不太普遍.这种背离与中国企业的现实状况密切相关.     

人民币汇率购买力平价问题的重新研究——基于结构突变检验与变结构协整的视角

本文应用LM结构突变检验以及Gregory-Hansen等变结构协整方法,对人民币汇率购买力平价问题进行了重新研究。研究发现样本期内人民币汇率发生了两次结构突变,第一次发生在2005年7月,第二次发生在2006年12月。LM检验显示,发生了结构突变的汇率数据生成过程仍为单位根过程,意味着某些经济冲击确实对数据生成过程(DGP)产生了实质影响。进一步对比研究发现,在未考虑结构突变情况下,样本期内购买力平价不成立;但在考虑结构突变情况下,两种变结构协整方法都支持购买力平价成立。     

基于FMTSVM的企业财务危机预警研究

财务危机给企业管理人员和广大利益相关者带来巨大负面影响,如何事先识别财务危机发生的征兆,并对管理者进行预警已成为当前财务管理研究的热点.针对目前财务危机预警中存在样本数据不均衡、野值噪声干扰等难题,提出一种基于模糊间隔孪生支持向量机(FMTSVM)的财务危机预警模型,并使用2018—2019年间被证交所ST的66家A股上市企业数据作为财务危机企业样本,综合财务及非财务指标,对模型进行实证研究.结果证明:与目前应用较为广泛的Logistic、支持向量机等预警模型相比,模糊间隔孪生支持向量机在模型预警精度、噪声野值下的抗干扰性、不平衡数据下的稳健性和分行业中的泛化性等方面都有明显优势,具有一定的理论和应用价值.     

基于TPOT的信用卡逾期识别算法

文章提出了一种基于自动机器学习(Automatic Machine Learning)框架TPOT的信用卡逾期识别算法。通过K-近邻、决策树、支持向量机、随机森林、多层感知神经网络、TPOT自动机器学习这6种算法构建了信用卡逾期识别模型,进而以准确率、精确率、召回率、混淆矩阵、F1值为基准进行不同模型的性能评价。经反复的实例论证和理论测算,该框架相较于传统机器学习,平均准确率达到80%以上,能够在节省参数调节时间的基础之上,获得更佳的效果。     

基于高斯平滑的视频时序检测算法

动作候选区域的生成是一个重要而又具有挑战性的问题,因为具有丰富动作内容的时间候选区域对于分析持续时间长且比例不相关的现实世界视频是必不可少的。这个问题不仅需要产生候选区域的方法,还具有精确的时间边界,而且所要检索的候选区域要包括召回率高且重叠度高的真实动作片段。为了解决这些困难,提出了一种有效的候选区域生成方法,该方法采用基于高斯分布对动作片段的边界生成概率进行优化。在ActivityNet-1.3公开数据集上进行了实验,该方法具有较高的精确度,并优于其他同类算法。     

基于数据驱动的车辆生产下线质量分析及其工艺优化

文章对下线检测系统采集的质量数据进行数据分析,根据分析结果,提出质量提升的建议和工艺优化的措施。采用z-score标准化等预处理方法对原始质量数据进行预处理,运用K-Means聚类对排放数据进行聚类分析,从而确定具有潜在质量问题的车辆;将质量数据统计分析与检测系统工作原理相结合,找出ECU检测工位存在的质量问题,针对此问题,提出了基于检测系统在线防错软件的优化方案,经实车批量测试验证了该方案的可行性,满足企业使用要求。