基于随机森林算法的绿色信贷信用风险评估研究

绿色信贷信用风险评估过程面临复杂性、非线性以及不确定性等问题,现阶段商业银行采用的传统评估方法较难适用。为此,将组合分类前沿研究领域的随机森林算法应用到该评估过程中,在建立较为全面、综合的评估指标体系的基础上,构建了基于随机森林算法的绿色信贷信用风险评估模型,并以重污染行业上市公司为对象进行了实例分析。与传统模型评估结果的对比表明,该评估模型实现速度更快,评估准确率更高,较为有效地提升了评估效率。     

小型进出口企业信用等级评价指标体系的构成

虽然大型的进出口企业仍然是国际部国际结算业务的支柱,但是小型进出口企业的占比呈快速增长的势头国际结算业务是商业银行整体业务中不可缺少的部分,同其他业务相比利润较高,是银行利润的重要来源。虽然大型的进出口企业仍然是国际部国际结算业务的支柱,但是小型进出口企业的占比呈快速增长的势头。以浙江为例,浙江市场经济发展较快,开放程度较高。而小型进出口企业是浙江经济中最有活力的一部分,具有明显的浙江特色,在对这部分企业进行信用评价时,应当充分考虑到这些特点。小型进出口企业有着自身特别的优势。譬如出口退税、地方财政的扶…     

基于随机森林的基金评级模型选择

首先汇集基金常用评价指标,建立一个统一的基金评级指标体系;其次利用随机森林建立基金评级模型;最后通过实验验证了该方法的有效性和优越性．本研究将为投资者提供一个投资决策的优良工具．     

基于Python的随机森林算法在电网企业人力资源审计中的应用研究

大数据的运用不仅改变了电网企业的发展和管理模式,也给内部审计带来了前所未有的机遇与挑战.本文介绍了在审计大数据的背景下,基于Python的随机森林算法在电网企业人力资源审计中的应用方法,进一步提高内部审计管理的科学化水平,以提升内部审计的工作质量和效率.     

基于随机森林模型的股票多因子投资研究

机器学习模型由于其对变量间共线性及非线性关系的处理能力,在金融投资领域得到了越来越广泛的应用.利用23个常见因子建立随机森林模型,对中证500指数成分股收益率进行预测并构造投资组合,发现随机森林模型能够对个股的相对收益率进行较好的拟合和预测,多空投资组合的年化收益率和夏普比率分别高达27.31％和1.59;通过因子重要性分析发现,动量因子在随机森林模型中的作用最强,而长期的流动性水平显得最不重要;随机森林模型所代表的非线性因子在估值因子、规模因子和盈利因子上有一定暴露,超额收益极其明显.研究结论有助于促进人工智能和金融学的交叉融合研究,同时也为多因子投资提供了理论和现实参考.     

基于蚁群算法优化随机森林模型的汽车保险欺诈识别研究

汽车保险欺诈在全球范围内逐步蔓延,车险欺诈识别越来越受到社会关注。本文针对实际汽车保险索赔数据中样本数量大且不平衡的特点,提出了平衡随机森林和蚁群结合的组合分类器。首先,对高维、不平衡的车险索赔数据集进行特征选择与分类,将随机森林的特征重要性评价得分和数据的统计检验得分作为启发式信息,利用蚁群算法进行智能搜索,把随机森林的分类精度反馈给蚁群进行信息素的实时更新,挖掘出判别车险欺诈的特征组合。然后将基于蚁群优化算法的平衡随机森林模型应用到汽车保险欺诈识别中。研究结果表明：基于蚁群优化随机森林算法的汽车保险欺诈识别模型能够更好地对车险索赔数据进行分类预测,挖掘车险欺诈规律,具有更好的精确度和稳健性。     

浅析基于互联网的企业信用体系建设

随着互联网技术的发展和设备的普及,信息成为了社会中最重要的组成部分之一,科学家和学者们号称人类社会即将走入"信息时代"。21世纪是不折不扣的信息时代,且数据量的激增已经给人们生活、工作的各个领域带来了质的变化。数据成了企业的核心竞争力,数据思维主导着组织的发展和变革,企业能够从数据中挖掘出更大价值,人们已经进入了大数据时代。在企业信用体系建设中互联网的互联、互通问题是困扰企业互联网监管机构的顽疾。企业在数据传播过程中需要进行资源共享,只有建设好基于互联网的企业信用体系,才能够保证大数据技术的开发和利用。     

涉农企业融资效率研究——基于非正式制度视角

本文以涉农企业为研究对象,研究了非正式制度中政治关联、金融关联与涉农企业融资效率的关系,研究发现现阶段涉农企业融资效率问题突出表现在融资难、融资贵,其中融资渠道的单一与融资渠道的不畅是重要因素。进一步研究发现,在法律制度欠发达的地区,政治关联与金融关联对融资的促进作用将会更加显著。     

随机森林房地产自动评估模型构建及其比较研究

本文利用徐州市2018年20 000余条二手房挂牌数据,揭示了随机森林自动评估模型的构建特点,并从评估精度、泛化能力和经济解释等方面与其他模型进行了比较分析。结果表明:回归树分裂时特征子集的特征个数对随机森林自动评估模型的评估精度有显著影响;总体而言,随机森林模型的评估精度显著优于特征价格模型、BP神经网络模型和支持向量回归模型,且具有稳定的泛化能力,能够揭示房地产价格的构成特征,在实践应用中具有明显的优越性。     

基于模糊综合评判下的企业信用评价

通过对企业信用的影响因素的分析,提出关于企业的信用指标体系。并在此基础上建立模糊综合评判方法和德尔菲法相结合的模糊综合评判模型。从而,获得比较客观、合理、精确且符合实际的风险评价结果。     

涉农企业的内部控制与融资效率——基于货币政策变更视角

涉农企业由于受其规模性和盈利性的影响,可获得的信贷融资有限。本文基于不同货币政策的视角分析内部的控制对涉农企业融资效率的作用机制,发现在货币紧缩时期,内部控制质量较好的涉农企业更容易获得债务融资。因此加强涉农企业的内部控制建设对于提高其融资效率具有很重要的作用。     

涉农企业的内部控制与融资效率——基于货币政策变更视角

涉农企业由于受其规模性和盈利性的影响,可获得的信贷融资有限.本文基于不同货币政策的视角分析内部的控制对涉农企业融资效率的作用机制,发现在货币紧缩时期,内部控制质量较好的涉农企业更容易获得债务融资.因此加强涉农企业的内部控制建设对于提高其融资效率具有很重要的作用.     

基于模糊综合评判下的企业信用评价

通过对企业信用的影响因素的分析,提出关于企业的信用指标体系.并在此基础上建立模糊综合评判方法和德尔菲法相结合的模糊综合评判模型.从而,获得比较客观、合理、精确且符合实际的风险评价结果.     

我国森林火灾保险的风险评估与区划

为实现森林保险的可持续经营,必须对实际森林灾害风险大小进行测评,依据科学的理论和方法合理划分风险区域,从而为实施保险费率分区和差异化补贴政策奠定基础。通过选取并量化森林火灾保险的风险区划指标,采用因子和聚类分析法,对我国省级区域的森林火灾风险等级进行划分,并据此提出促进森林火灾保险发展的对策建议。     

国有企业并购完成率预测及其影响因素研究——基于数据挖掘和随机森林算法的分析

随着国有资本和社会资本交叉融合的国企改革不断深入,国企并购重组业务不断涌现,然而很多国企由于盲目而导致并购未能完成。本文探索融合多种影响因素数据,利用随机森林算法构建国企并购完成率预测模型。设计影响国企并购完成率评价体系,应用Python爬取网页和文本数据,运用Logistic回归分析影响并购完成率的相关因素,基于随机森林算法构建国企并购完成率预测模型,将结果与4种经典机器学习模型作对比实验以评价预测效果。结果表明：并购以现金结算、出让方为非上市公司、非重大资产收购更加有利于提高并购完成率;买方支付净资产比、买方支付净利润比、结算方式对于并购完成率的预测更加重要和有效;预测结果精确度为86%(F值)和87%(AUC值)。基于随机森林算法的预测结果在所有模型中表现最优,具有更强的鲁棒性和适用性。本研究丰富了人工智能算法在并购重组领域的运用,为早防范、早发现、早干预,从而使国企更有效地开展并购活动提供了实践帮助。