基于信用消费行为的商业银行零售业务信用风险再评估

商业银行零售业务信用风险评估问题具有维度高、数据更新快等明显特征,在此条件下,利用统计分析、数据挖掘技术建立可靠的动态预警模型具有十分重要的意义。基于数据挖掘的思想,充分利用客户信用消费行为数据,以及粗糙集理论对决策表中条件属性进行约简,并构建基于变精度加权平均粗糙度和基尼指数的决策树算法,依照决策属性值进行客户违约还款预测。实验结果表明,改进后的基于粗糙集与决策树算法的信用卡消费信用风险动态预警模型在准确率、稳定性等方面往往优于基本统计模型及机器学习算法。     

个人网上银行服务质量评价实证研究

文章针对个人网上银行的特点提出建立个人网上银行服务质量评价指标体系和评价方法,并对模型进行实证研究,运用SPSS数据分析软件对样本进行因子分析、信度分析、效度分析、相关分析及回归分析等以检验模型的有效性,然后提出了将粗糙集的启发式属性约简算法引入对属性重要性导出的分析中,利用Johnson贪婪算法提取影响个人网上银行服务质量的重要属性集,最后,提出提升个人网上银行服务质量的对策及建议.     

基于粗糙集理论的企业财务预警规则研究

粗糙集在数据挖掘方面具有强大的功能,连同其独特的优越性迅速地应用于许多领域.本文使用粗糙集相关理论,把企业财务指标体系作为条件属性,把企业是否陷入财务困境作为决策属性,通过属性约简,导出企业陷入财务困境的预警规则,从而对企业的财务状况进行预警.实证分析表明,该预警规则具有较高的预警精度.     

基于粗糙集的企业财务失败预警系统

财务失败预警系统是企业防范财务失败的重要手段之一.运用粗糙集这一新的数据挖掘技术,通过知识依赖度对指标属性进行约简,赋予客观权重;通过主客观权重加权构建综合评判式,即企业财务失败预警模型.     

基于非线性组合模型的P2P网贷平台危机预警研究

针对P2P网贷平台现金流较大、利润率较低和财务数据获取困难的特点,构建基于平台交易真实数据的危机预警评价指标体系和组合预测模型.将传统的财务评价指标转换成网贷平台交易数据指标,运用邻域粗糙集属性约简的方法对采集的数据指标进行降噪和约减处理,再基于机器学习理论引入神经网络、支持向量机和Logit回归等模型对数据进行训练.通过分组进行单模型和组合模拟预测,提高了新的破产指标下各模型预测的准确率.     

抛物型扩散模型参数识别的正则化方法

经济计量模型参数识别是对观察的经济数据进行分析而得到经济结果的方法。从数学上讲属于反问题,而这类问题大多是不适定的。本文针对一类典型的抛物型扩散模型采用处理不适定问题的Tikhonov正则化方法来求解。即采用先离散化后正则化的策略利用在误差水平已知的情况下具有三阶收敛速率的算法来处理数值微分,并基于一种快速选择正则参数的混合算法计算正则解。同时对待辨识的分布参数线性和非线性依赖于观测数据两种情况分别进行了数值试验。     

基于ReliefF算法的模糊聚类新算法

模糊K-Prototype(sFKP)算法能够对数值型数据、分类型数据和混合型数据集进行有效聚类,但是算法假定数值型属性对分类的贡献是相同的。为了考虑样本矢量中各维特征对模式分类的不同影响,本文提出了一种基于特征加权的模糊聚类算法,利用ReliefF算法对特征进行加权选择。     

基于RS-DEA的产融结合型农业上市企业经营绩效评价

通过将DEA模型与粗糙集（RS）分析法相结合的方式对我国沪深两市50家产融结合型农业上市企业的经营绩效进行评价。研究发现：产融结合是提高农业企业经营绩效的有效手段;参股、控股银行类金融机构是农业企业的高效选择,同时,非银行金融机构呈现出逐步赶超趋势;从粗糙集离散化后得到的评价规则来看,产融结合型农业上市企业发展不平衡,受到地区优势及经营业务不同等因素的影响,表现出“低投高产”、“高投高产”、“低投低产”以及“高投低产”四种特征。     

基于支持向量机的区域物流需求预测模型研究

本文针对区域物流需求问题,建立支持向量机预测模型。运用基于改进求核算法的属性约简方法筛选预测指标,以货运量为目标函数,建立预测指标体系;进行数据的归一化处理,利用Lagrange乘子法、径向基核函数,建立SVM基本模型,并简述SVM参数确定的两种方法:五折交叉验证法、人工鱼群算法,最终建立完整的区域物流需求预测模型。     

资产风险预警的神经网络技术实现

本文采用美元指数自1973年的日数据进行研究。首先,构造了一个衡量价格波动的函数,在此函数异常波动时,往往就预示看价格将要发生变动;然后,刮用基于遗传算法的神经网络构建资产价格异常波动预警系统。在神经网络的训练过程中,利用粗糙集时训练样本进行了约简,提高了训练效果。结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路。     

运用变精度粗糙集评价商业银行风险控制能力

传统粗糙集理论分类推荐苛刻且分类结果单调.在评价模型中用于确定属性指标的权重时,由于分类要求严格,使原有的信息量不能完全利用,导致许多属性指标的权重相同,与实际情况不相吻合.变精度粗糙集降低了分类要求,丰富了分类的多样性,能够充分利用原有的信息,求得的指标属性一般不会不同,能客观反映现实.运用变精度粗糙集理论确定了商业银行风险控制能力评价指标的权重,并通过模糊评价法对我国部分上市商业银行风险控制能力进行了评价.     

资产风险预警的神经网络技术实现

本文采用美元指数自1973年的日数据进行研究.首先,构造了一个衡量价格波动的函数,在此数异常波动时,往往就预示着价格将要发生变动;然后,利用基于遗传算法的神经网络构建资产价格异常波动预警系统.在神经网络的训练过程中,利用粗糙集对训练样本进行了约简,提高了训练效果.结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路.     

平台经济泛金融化与金融科技监管的研究——基于数据要素的视角

在数字经济的时代,数据既是生产要素、货币化资产,又是信息技术的基础资源。平台紧扣数据这一核心关键要素布局金融业务,从在线支付切入,利用算法优势加强数据规模效应和金融价值挖掘,融合传统金融市场中分散的业务,逐步形成以数据垄断、金融市场关键要素由资本转向数据和平台依赖金融营收为特征的平台泛金融化。本文从创新悖论、系统性风险、新“大而不倒”以及数据与基础设施安全四个角度深入分析了平台泛金融化潜在的风险。平台泛金融化引发的金融科技监管变革也很值得探讨,本文从科技创新与金融监管的辩证关系、反垄断举措、数据确权与隐私保护、科技监管以及金融数据和算法的公众属性五个方面探讨了金融科技监管的重点和痛点,最后提出了政策建议并展望了去中心化数字金融。     

基于粗糙集的指纹图像分割和预处理方法

指纹图像分割是指纹识别预处理中很重要的一步。指纹边界具有模糊性和不确定性,粗糙集理论是用来处理不确定性的一种工具。本文提出一种基于粗糙集理论,运用块灰度属性和块梯度属性来分割指纹图像的方法,并针对性地进行增强。实验证明,分割及预处理效果良好,速度快,适用于实时系统。     

基于数据挖掘的商业银行对公信贷资产质量审计研究

根据商业银行信贷资产质量审计问题的特点,本文研究构建了商业银行信贷资产质量审计属性选择、决策树和支持向量机等数据挖掘算法体系。以A银行对公信贷实际数据为基础,运用定性的经济涵义和量化的属性选择算法,对其进行属性选择分析,并结合商业银行数据库中数据特点,完成数据预处理工作。对经过预处理后的数据集,进行关联规则和分类模式挖掘分析,通过在A商业银行的审计实践应用,识别出了一定金额影响该行资产质量的贷款记录,取得切实的审计成效。     

衍生数据信托的适格性与本土化建构

衍生数据是数据平台对原始数据进行脱敏化处理和技术分析,形成的匿名化（非可识别化）、可读取、有使用价值的数据。数据平台兼具数据“守门员”和“运动员”的双重身份必然带来利益冲突。衍生数据不具有原始数据的高敏感性,且具有财产性和独立性属性,能够作为信托财产的标的。数据信托模式对衍生数据进行受托管理,能够使数据平台“守门员”与“运动员”的双重身份予以分离,维护数据主体权益,降低数据市场垄断风险,有效提高数据市场流通效率。在具体制度设计上,需明确数据平台的委托人和受益人身份,完善数据信托的监管规则、市场准入制度、合规管理等制度设计,促进数据市场的稳定有序发展。     

跨企业供应链绩效评价要素、模型与计量述评及展望

供应链绩效理念的转变带来了供应链绩效评价在要素确认、模型构建及其计量方法上的较大变化。通过对相关文献的观点梳理,发现关于供应链对象属性、指标模型、量值测度等方面的研究仍有不足,有关跨企业供应链评价内容的环境及社会属性强化、评价指标的系统化及模型融合、计量的数据特征及集成算法等问题的研究有待进一步完善。     

基于Binary-SADT的可疑金融交易识别方法

针对目前使用静态数据挖掘技术识别可疑金融交易所面临的监测时效性低、数据覆盖面不全的问题,通过分析可疑金融交易的特征,本文提出了基于流数据分类挖掘的可疑金融交易识别算法,即Binary-SADT算法。SADT算法能够动态解决数据流挖掘中的概念漂移,Binary-SADT在SADT的基础上利用二叉排序树处理金融交易数据流中的连续属性,构建并及时更新识别可疑金融交易的分类模型。理论分析和实验结果表明该算法所构建的分类模型符合业内专家总结的可疑金融交易特征,验证了该算法的可行性和有效性。     

多维地震风险模型与保险基金测算北大核心CSSCI

本文选取我国大陆地区1990~2019年的地震灾害数据为研究样本,以地震造成的直接经济损失、死亡人数和受伤人数三个维度为研究对象,建立了复杂数据结构下的多维地震风险模型。在不同期限结构和不同偿付水平下,运用蒙特卡洛模拟算法测算了我国地震保险基金的风险规模和保费水平。与传统的巨灾精算模型相比,多维地震风险模型不仅解决了连续型、离散型和半连续型数据的联合建模问题,还能够更好地刻画多维地震风险之间非对称的相依结构。实际分析表明,在巨灾风险度量中考虑复杂的相依结构能够更好地分散地震的尾部风险,有效地减少政府的财政负担,提高地震保险的风险覆盖水平,为完善我国地震巨灾保险制度提供理论支撑。     

基于信息熵和改进的K-means算法的客户细分

针对K-means在对客户细分时只能针对数值型数据,而不适用于其他类型的数据的缺点和K-means算法在效率上的不足,本文引进信息熵的理论,并将其与改进的K-means混合迭代得到一个新的算法,其时间复杂度小于原有算法,从而能够准确高效地对客户进行细分。