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.     

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。     

AdaBoost集成SVM的供应链金融信用风险评估

为了实现供应链金融信用风险的科学定量管理,建立了一种AdaBoost集成的支持向量机(SVM)算法.该方法首先采用SVM方法对信用风险数据进行分类学习,建立基学习器;接着通过AdaBoost集成算法对基学习器迭代训练,生成最终的供应链金融信用风险评估模型.实证结果表明,AdaBoost集成SVM分类器较模糊积分SVM集成等方法具有更高的分类准确率,因此该模型具有很好的应用前景.     

基于网格优化模型的支持向量机企业信用评级应用研究

本文在分析支持向量机原理后提出了运用网格搜索法选择最佳核函数、模型参数法构建支持向量机模型.笔者以宁夏辖区2020年央行内部(企业)评级数据为样本,通过指标相关性分析、构建F统计量筛选出信息贡献度高的定量评级指标,并利用线性核函数、高斯核函数、多项式核函数分别对宁夏辖区2020年央行内部(企业)评级数据进行建模分析.研...     

基于支持向量机的小微企业信用分类模型研究

随着小微企业在国家发展战略中的重要地位日益显现,小微企业信用评价问题受到广泛关注. 基于这一背景,借鉴国内外信用评价技术,综合考虑小微企业开展信用评价的科学性和可实现性,构建包含小微企业所有者特征、小微企业特征和行业特征的3个一级指标、12个二级指标的信用评价指标体系. 在此基础上,运用支持向量机方法,构建信用分类模型并对某商业银行数据进行验证,结果表明:该模型分类准确性高、性能良好,可为金融机构科学、有效开展小微企业信用评级提供可靠方法.     

基于支持向量机的物业税税基批量评估

物业税批量评估技术是物业税开征面临的一个关键问题,难点在于如何提高评估精度,降低评估成本。本文针对物业税批量评估技术的特点提出了一种基于最小二乘支持向量机回归的物业税税基批量评估模型,并采用数据对该模型进行验证,结果表明该模型的运算结果精度较高,建立模型所需的样本量小、成本低,在物业税批量评估问题中具有很好的应用前景。     

基于集成算法的信用债违约预测模型及其影响因素研究

本文选取2014—2021年的信用债作为研究对象,以单一算法（逻辑回归、高斯朴素贝叶斯、支持向量机和伯努利朴素贝叶斯）分别构建Bagging和Stacking集成学习模型,并将其与单一算法以及传统方法（KMV模型）进行对比,探讨如何提高信用债违约预测精度,证明Bagging集成算法的可靠性,还通过SHAP可解释算法研究信用债违约中的重要指标。实证结果显示,四种单一机器学习模型在预测准确率上优于传统KMV模型;进一步对机器学习模型进行集成,发现同质集成算法在提高预测性能方面不如异质集成算法,且Bagging异质集成算法的预测准确率优于Stacking异质集成算法。将性能最好的Bagging异质集成算法与SHAP可解释算法结合,得到对识别信用债违约具有重要价值的9个指标,分别是违约前债项评级、违约前主体评级、交易所、净资产收益率、债券类型、企业性质、财务费用、总资产增长率以及第一大股东持股比例,关键指标的识别对信用债违约预测具有指导意义。     

企业信用评估中CGM模型的设计及应用

商业银行对客户的评价核心在于明确被评价客户的价值,并以量的形式表现出来。商业银行贷款的目的在于增加自身的价值,而这种价值的获得必须以客户的价值为基点。近年来,对借款企业的信用进行综合评价,国内外学者已经开发了许多客观且量化的信用评分系统,在单变量信用评分系统中,信用分析者将潜在借款人的各种重要财务比率与行业或集团标准作比较,并预测这些变量的趋势。     

基于支持向量机的人脸识别算法

支持向量机（SVM）是在统计学习理论（SLT）的基础上发展起来的一种新的机器学习方法，它基于结构风险最小化原则，能有效地解决过学习问题，具有良好的推广性能和较好的分类精确性。本文采用SVM方法进行人脸识别研究，将人脸识别这一典型的多分类问题构造成适合SVM处理的二分类问题，克服了传统SVM方法在解决多分类问题上的一些缺陷。     

无形资产评估的模糊综合评判模型探讨

针对无形资产评估涉及因素复杂,个体差异大,定量少,变量多,广泛存在模糊性等客观特点,本文提出运用模糊综合评判方法建立无形资产评估数学模型,以确定无形资产的价值,提高无形资产评估的准确性和可靠性。     

基于支持向量机的宠物食品企业价值评估研究——以中宠股份为例

近年来宠物经济的迅速发展为宠物食品企业带来了发展机遇,其企业价值也会有一定的改变。但是宠物食品企业价值评估领域的研究匮乏,理论体系也有待完善。本文基于宠物食品企业起步时间晚、高速成长等特点,并考虑到支持向量机模型在小样本、非线性预测方面的优势,引入支持向量机模型对宠物食品企业营业收入进行预测,再采用自由现金流折现模型评估其企业价值,并与基于灰色预测的自由现金流折现模型的估值结果进行对比分析,充分说明了基于支持向量机的自由现金流折现模型在评估宠物食品企业价值方面的可靠性,提供了新的评估思路。     

基于模糊理论的个体信任评估

本文基于社会学研究成果给出通用信任评估指标,以模糊理论为基础提出基于单个评估对象的信任评估模型及可信度评估值公式,并给出包括直接信任与推荐信任,同时考虑由于观察缺失引起指标不全的综合可信度计算方法,最后补充说明了本模型即可实现论域为多个评估对象的信任模型的信任评估目标,更可应用于需要细分可信度的场合。     

模糊环境下商标权评估的实物期权定价模型

模糊环境下基于实物期权的商标权评估模型,是考虑了商标权具有扩张期权、收缩期权、放弃期权等期权特征,以及商誉潜在价值的不确定性等因素,将实物期权定价模型与模糊集理论相结合而提出的一种商标权价值评估方法。它比传统的DCF法能够更合理地评估商标权的价值。     

基于机器学习算法的车险索赔概率与累积赔款预测

保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。     

上证基金指数波动结构分解与短期预测:基于EEMD模型

上证基金指数反映了基金市场的整体变动情况,研究其波动结构特征对基金市场参与者具有重要作用。研究结果表明:(1)上证基金指数序列可由经济基本面决定的趋势项、重大事件带来的低频分量和短期不均衡导致的高频分量构成,而且趋势项主导上证基金指数的长期走势,低频分量在中期对该指数有较大影响,而高频分量的影响可忽略不计;(2)与直接SVM预测法相比,EEMD-SVM组合预测法有更高的预测精度,说明EEMD分解得到的各结构分量有效地刻画了上证基金指数的内在运行特征。     

基于PSO-SVR的期货价格预测

本文建立基于粒子群优化（PSO）的支持向量机（SVR）,实现对期货价格的有效预测。首先选取代表性的技术指标、收盘价和成交量作为样本特征集,以下一时刻的收盘价作为输出变量。然后通过粒子群优化算法寻找最优的惩罚因子和RBF函数的宽度参数,在此基础上建立支持向量机模型,并用样本集进行训练。最终仿真结果显示基于粒子群算法的支持向量机模型具有学习精度高、泛化能力较强的性质,可用于期货价格的短期预测。     

基于改进汽车能耗积分模型的投资趋向分析

本文根据影响汽车油(电)的主要因素建立静态能耗积分模型,比较三种车型的单位里程燃油(电)的消耗。事实上,不同车速及不同温度因素影响下的等速行驶,能耗也是不同的,因此本文对此方法做了改进。根据不同条件下能耗的相对重要程度,通过大量的实验数据,利用层次分析得到不同工况下的动态循环能耗改进模型,并用一致性检验其是否合理。该模型的建立,可为汽车的投资趋向提供理论依据。     

基于改进汽车能耗积分模型的投资趋向分析

本文根据影响汽车油(电)的主要因素建立静态能耗积分模型,比较三种车型的单位里程燃油(电)的消耗.事实上,不同车速及不同温度因素影响下的等速行驶,能耗也是不同的,因此本文对此方法做了改进.根据不同条件下能耗的相对重要程度,通过大量的实验数据,利用层次分析得到不同工况下的动态循环能耗改进模型,并用一致性检验其是否合理.该模型的建立,可为汽车的投资趋向提供理论依据.     

征信系统中基于迭代SVM的自动相似记录匹配方法

对于征信系统从大量数据源采集数据的问题,利崩SVM学习机最大化分类超平面与支持向量之间距离的特性提出自动化相似记录匹配方法。使用最近邻居法自动选择初始训练样本集,在此基础上对支持向量机进行自动训练,使分类超平面逐步逼近旺配实体对与非匹配实体对的分类边界,实现自动的实体旺配函数学习,通过实验分析,该方法在实现自动对相似记录进行匹配运算的同时可获得较高的匹配精度。