预案分析的贝叶斯网络方法

在对预案进行评估分析和执行过程中常会涉及不确定性问题,传统的预案编制工具关键路径法(Critical Path Method,CPM)不具备处理不确定性问题的能力。本文推荐的贝叶斯网络法(Bayesian Networks)因其处理分析不确定性问题的能力已经被广泛应用于一系列的决策支持应用,但对预案评估分析的应用是新颖的。本文介绍了用贝叶斯网络法分析传统关键路径法编制的预案。     

基于Python朴素贝叶斯分类器的营业收入审计可靠性研究

中国上市公司数量与市值持续增长，审计行业出现更多需求的同时也面临执业质量的挑战。朴素贝叶斯模型已经在制造业、网络安全等领域得到成熟应用，文章选取上市公司及其子公司的营业收入审计底稿作为训练样本与测试集，基于Python朴素贝叶斯分类器，依据执行的审计程序抓取相关特征，以探究朴素贝叶斯模型在判断营业收入科目审计结论的准确程度，并展望该模型在审计领域的应用前景。     

高速公路交通事故概率预测方法研究

准确的高速公路交通事故概率预测可提高高速公路行车安全。通过分析高速公路交通事故的影响因素,建立高速公路交通事故影响因素体系,构造贝叶斯网络,提出基于贝叶斯网络的高速公路交通事故概率预测方法。此方法利用数据库先验概率信息及贝叶斯预测模型,得出高速公路交通事故概率值,以此判断事故危险等级。     

贝叶斯决策分析方法在工程投标决策中的应用

文章利用贝叶斯决策分析方法对工程项目进行计算,确定最优报价。针对工程项目广泛采用招标投标方式的要求,利用贝叶斯决策分析方法对承包商依据招标文件的要求,就如何进行合理投标决策进行分析。贝叶斯决策分析方法在工程投标决策中可行性高,能够使承包商在一定中标概率下确定合理报价。     

基于贝叶斯网络方法的客户忠诚研究

提高客户忠诚是企业的核心原则。在与传统的数据挖掘及决策分析方法比较的基础上,提出了用贝叶斯网络方法来对客户忠诚进行研究。用贝叶斯网络方法对客户数据进行分析,确定影响客户忠诚的各因素之间的贝叶斯网络结构,得出这些因素之间的相互决定关系,为采取有效措施提高客户忠诚提供了理论依据。     

贝叶斯方法在指数编制中的应用

本文首先阐述了统计指数的实质,并以此为基础介绍了贝叶斯方法及其与统计指数的关系,最后结合上证180指数与居民消费价格指数,对统计指数的贝叶斯方法作了实证分析。     

VaR准确性检验的贝叶斯方法

文章对VaR准确性检验的失败检验法进行了分析,提出了一种新的失败检验法,即贝叶斯检验法。并与传统的正态近似法和Kupiec检验法进行了比较,说明了贝叶斯检验法的合理之处。     

保险公司未决赔款准备金的稳健贝叶斯估计

未决赔款准备金的谨慎提取对保险公司的稳健经营具有非常重要的意义。本文从分层贝叶斯分析和BMOM方法入手研究最大熵先验分布问题，给出了保险公司未决赔款准备金的稳健贝叶斯估计，然后通过一具体实例说明本文方法的有效性，最后将未决赔款准备金的稳健贝叶斯估计同经典估计进行了比较。     

朴素贝叶斯分类算法浅析

贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类.而朴素朴素贝叶斯分类是贝叶斯分类中最简单和常见的一种分类方法.它之所以叫朴素贝叶斯分类,关键在于它的假设条件:一个实例的特征属性值在给定类别值的条件下是相互独立的.     

基于贝叶斯方法的项目投资风险决策

由于投资受政策、社会环境、经济环境、管理水平等诸多因素的制约，因而投资成败的不确定性极大。本文将贝叶斯决策理论应用于投资决策中，建立了投资贝叶斯风险决策模型，分析了决策模型中各种参数的确定方法，并阐述了该模型对降低决策风险的作用。在风险决策中，信息的价值可以定量，运用贝叶斯公式分析在风险决策中增大信息量，有益于降低决策风险。     

BP神经网络在工程项目管理中的应用及其贝叶斯正规化优化

BP神经网络已经在很多领域应用,而对于工程项目评价中的应用还处在起步阶段,缺乏有效的理论和经验。通过实证的方法,说明贝叶斯正规化方法在工程项目评价中的应用和精度高、自动归一化的优势。     

概率分布设定风险与投资选择

从主客观概率之争入手,结合现实金融资产投资中概率分布的不可知性,讨论金融资产投资分析中的概率分布设定风险,同时借用贝叶斯学习过程与序贯决策策略,探讨概率分布设定风险的控制与投资决策的优化。分析结论认为,基于贝叶斯分析的序贯决策,无论在提升期望收益方面,还是在控制概率分布设定风险方面都是有效的。     

非寿险精算中的贝叶斯信用模型分析

针对传统B櫣hlmann-Straub信用模型不能有效地解决缺失数据信息处理问题,本文利用贝叶斯统计方法,构造了一类新的贝叶斯信用分析模型,引入基于吉布斯抽样的马尔科夫链蒙特卡洛方法进行数值计算,建立了一个索赔后验分层正态模型进行实证分析,证明模型的有效性。研究结果表明,基于MCMC的贝叶斯信用模型能够动态模拟模型参数的后验分布,提高模型估计的精度,对保险公司经验费率厘定方法的改进具有重要的现实意义。     

贝叶斯非线性分层模型在多元索赔准备金评估中的应用

本文将贝叶斯非线性分层模型应用于基于不同业务线的多元索赔准备金评估中,设计了一种合适的模型结构,将非线性分层模型与贝叶斯方法结合起来,应用WinBUGS软件对精算实务中经典流量三角形数据进行建模分析,并使用MCMC方法得到了索赔准备金完整的预测分布。这种方法扩展并超越了已有多元评估方法中最佳估计和预测均方误差估计的研究范畴。在贝叶斯框架下结合后验分布实施推断对非寿险公司偿付能力监管和行业决策具有重要作用。     

基于贝叶斯组合模型的物流需求预测及分析

为克服单一预测方法假设条件及适用范围存在局限性的不足,以贝叶斯概率模型为基础,建立了基于GM(1,1)和多元线性回归模型的贝叶斯组合预测模型,各模型权重能够根据前期预测误差进行自适应调整,以保证预测精度.以北京市2009-2013年物流需求预测为例进行实例分析,结果表明贝叶斯组合预测模型的平均预测误差为0.95%,模型具有良好的自适应性和动态调整性,预测精度较高,可应用于物流需求预测研究.     

基于贝叶斯网络的工厂选址决策

提出运用贝叶斯网络与总体拥有成本(TCO)结合的方法,建立工厂选址决策模型。旨在更有效的表述不确定性数据和模棱两可的信息,起到改进决策质量的作用。首先对贝叶斯网络的基础知识进行介绍,进而阐述了基于贝叶斯网络的工厂选址模型的实施步骤,在分析和评价与选址有关的成本时,将成本要素层细分为不同的因素层和准则层,同时考虑有形和无形的选址决策准则,将决策问题分解成许多易于理解和处理的子部分。最后,实例验证选址模型的可行性和有效性。     

一种改进的贝叶斯网算法在入侵检测中的应用研究

这种改进的贝叶斯网算法采用粗糙集理论对数据集进行降维处理,减少贝叶斯网学习的计算成本;利用互信息理论,提出一种基于互信息的贝叶斯网结构学习算法。实验表明这种算法,即提高了检测精度又提高了检测效率。     

用贝叶斯公式分析风险决策与信息的价值

用贝叶斯公式分析在风险决策中增大信息量 ,有益于降低决策风险 ;在风险决策中 ,信息的价值可以定量。     

智能化变电站的通信网络可靠性分析

随着电力系统对智能化要求越来越高,常规的变电站已不能满足未来电网的需要,所以变电站发展的前景是智能化变电站。本文论述了智能化变电站的特点,提出了智能化变电站系统的通信网络选型要求。针对通信网络网络可靠性的问题,研究了故障树和贝叶斯技术,并用故障树和贝叶斯技术相结合的方法,分析计算了数字化变电站网络结构的可靠性。     

改进的ENPV法在项目投资评价中的应用

本文通过对传统的项目投资决策方法的分析,引入了期权理论和贝叶斯理论,提出了一种改进的ENPV法。