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.     

支持向量机在上市公司财务预警模型中的应用研究

利用我国上市公司财务数据,采用支持向量机模型对上市公司财务危机预警研究,将其与神经网络模型进行比较,结果表明,无论在分类能力和预测能力上,支持向量机模型的精度和可信度都高于神经网络模型。证实了该方法用于财务预警的有效性及优越性。     

基于支持向量机的股票预测

股票预测是一种非线性、不确定的时间序列问题,传统方法很难对其进行准确预测.本文分析了支持向量机(SVM)在股票预测中应用的可行性.并通过邯郸钢铁股票数据对该方法进行了检验,结果显示,支持向量机具有较强的泛化能力.     

支持向量机模型在银行客户流失预测中的应用研究

本文结合某商业银行客户流失样本数据探讨利用支持向量机模型(SVM)进行客户流失预测。结果表明,由于商业银行客户流失数据呈现出典型的不平衡特征,直接采用统计预测方法和传统的分类方法预测精度较差,而随机抽样法能通过改变数据集分布从而减小数据的不平衡性。因此,本文利用随机抽样法对支持向量机模型进行改进,并与Logistic回归模型预测效果进行比较,结果发现选取该方法能有效提升模型预测精度,且预测效果优于Logistic回归模型,能较为准确地预测,对于商业银行加强客户管理、提升核心竞争力具有重要的意义。     

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。     

基于支持向量机的ERP实施绩效评价研究

目前在多目标综合评价方面有诸多方法,层次分析法、模糊综合评价等对权重的确定主观性较大或计算过程过于复杂。本文在介绍支持向量机的基础上,依据SVM算法建立ERP实施绩效评价指标体系,以SCI公司的EPR实施为例对其实施绩效进行综合评价,得出与实际情况相符的评价结果。实例表明,将SVM算法应用在ERP实施绩效评价中高效可靠,这为ERP实施绩效评价问题提供了一种新的思路。     

A商业银行小微企业信用评级模型优化实证研究

以A商业银行为例,对小微企业信用评级模型优化进行实证研究.结合当前小微企业信用评级模型的背景和现有数据、模型存在的问题,提出小微企业信用评级模型的优化方案和建议,为我国金融机构及相关研究者提供参考.     

基于支持向量机的利率期限结构实证分析

利率期限结构一直是量化研究领域的重点课题,目前国内关于利率期限结构拟合的研究较多,而对利率期限结构的预测则研究较少,关于利用支持向量机的方法预测利率期限结构的研究更是屈指可数,本文利用支持向量机对国债的即期利率进行了拟合和预测,并与普通的时间序列线性模型对比,发现支持向量机的拟合和预测效果均好于自回归模型。     

基于支持向量机的金融市场指数追踪技术研究

本文研究了指数型基金管理和指数套利中最核心的指数追踪问题。依据结构风险最小化思想,建立了基于支持向量机的指数追踪模型,并利用OR-Library中的测试数据之恒生指数历史数据进行了实证检验。数据结果表明本文提出的新方法能够提高样本外的追踪效果,同时也说明该方法具有良好的鲁棒性,从而具有较高的理论和实用价值。     

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。     

基于支持向量机的套期保值技术研究

本文在结构风险最小化的准则下,从提高样本外套期保值效率的视角,建立了基于支持向量机的套期保值新模型,并利用我国沪深300股票指数和沪深300股指期货仿真交易的历史数据进行了实证检验,并与基于最小二乘回归的套期保值模型进行了对比分析。实证结果表明本文提出的新套期保值技术能够有效提高样本外的保值效果,且该方法具有良好的鲁棒性,从而具有较好的理论和应用价值。     

基于灰色支持向量机模型的基金波动率预测

探讨灰色系统与最小二乘支持向量机组合预测模型在波动率上的应用的可行性,通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优,来提高组合预测模型的预测精度和推广泛化能力。经波动率预测的实证分析得出建立的组合模型比支持向量机模型有较好的预测效果。     

支持向量机在股市预测中的应用

本文以上证综合指数2011年1月4日到2018年1月4日的股市行情为研究对象进行实证分析,建立了一个支持向量机回归机的预测模型。实证分析主要基于MATLAB软件嵌套Libsvm工具箱实现。实证分析结果表明,本文建立的针对股市预测的支持向量机回归机模型是有效的。     

支持向量机在分类中的应用

支持向量机是在统计学习理论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,能有效地解决学习问题,具有良好的推广性能和较好的分类精确性。支持向量机比RBF神经元网络和BP神经元网络在分类方面具有更好的推广能力。     

企业信用评级的国际经验与方法研究

近年来我国金融市场上信用问题愈加严峻,信用评级对于违约预警的准确性、及时性受到市场的广泛关注。国际上穆迪、标普、惠誉三大评级机构已建立了较为成熟的信用评级体系,而我国的信用评级业仅仅是刚刚起步。在此背景下,本文将国际上权威评级机构(穆迪、标普、惠誉、MSCI、德勤等)的信用评级思路方法进行综述并加以对比,涵盖了传统信用评级、市场隐含评级和大数据评级三个评级类型,从评级框架、评级要素、评级方法、难点等多维度进行论述,最后将三种类型的信用评级进行对比分析,并提出了信用评级研究展望。     

小微企业信用评级指标体系研究

现阶段不管是商业银行,还是小贷公司或担保公司,在受理小微企业的融资或担保申请时,都会对小微企业的信用进行评价.由于小微企业信用历史比较短、可供抵押的资产少等因素的影响,其信用评级往往都偏低,导致融资成本升高,进一步制约了小微企业的发展.本文从评级指标的角度,结合我国小微企业的实际情况,分析信贷机构对小微企业的信用评级应考虑的因素,尤其是应当考虑的一些非常规因素,以使对小微企业的信用评级能够更加客观.     

信用评级机构参与借款企业信用评级工作的难点及对策

本文分析了社会信用评级机构参与借款企业信用评级工作的五个难点:宣传不力,难以取得政、银、企的理解、配合和支持;法律缺失,评级机构参与难度大,人行推动效果不佳;依靠人行"唱主角",不利社会信用评级机构业务健康发展;评级标准不统一,社会信用评级机构持续发展难;评级过程缺乏说服力,影响评级公信度。提出了推动社会信用评级业进一步参与借款企业信用评级的建议:加强宣传,增强社会认知度;增强自我推介能力,循序渐进,扩大发展;当好参谋,赢得借款企业信任;加强合作交流,促进外部评级与内部评级的有机结合;制定统一评级标准,为外部评级提供公平参与机会。     

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。