基于BP神经网络的商业银行信用风险模型改进探究

BP神经网络信用风险管理模型以其较强的逼近非线性函数的能力而适应商业银行信用风险管理的要求,但是其自身的权值调整方式存在的缺陷影响了模型的应用。分别采用Adaboost算法和遗传算法对BP神经网络信用风险模型进行了改进,通过对200家上市公司的财务数据指标进行考察,比较了两种模型的优劣:经过Adaboost算法改进后,模型可以平稳地达到系统判别的最小误差,但运行时间较长;遗传算法采用变异操作可以迅速达到系统判别的最小误差,但由于权值改变过于激烈,可能造成系统过于注重权值的改变而忽视了原始数据指标的特性。     

基于BP神经网络的中国居民消费价格指数预测

本文采用归一化数据处理方法,建立了基于BP神经网络的中国居民消费价格指数预测的数学模型.经检验,该模型的预测值与历史值的系统总误差只有0.035%,并利用该模型对2010年中国居民消费价格指数走势进行预测,提出了相应的政策建议.     

改进的反向传播学习算法

采用激励函数可调的多层神经网络，并对ＢＰ算法进行了改进。     

基于人工智能预测的中国国债收益率

随着中国社会经济不断的发展,中国国债的发行以及国债的交易规模不断扩大。国债收益率曲线可以反应出每时每刻已上市的国债收益率,它也在金融市场中有着标杆的地位,为各种资产提供标价的基准信息。本文运用2003年～2018年间中国国债收益率的数据,采用人工智能的方法,建立数学模型。从大到小排列依次选择五个特征。然后,采用BP神经网络和集成模型分别对中国国债10年期收益率进行预测,发现使用集成模型预测的效果比BP神经网络模型预测的效果更好,更贴近真实情况。本文的研究可以更有效地预测中国未来的经济情况,帮助国家改进发行的国债品种,提高货币政策的可实施性。     

ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

BP神经网络在权证定价中的应用研究

采用BP神经网络方法,选取2006年4月15日前所有上市欧式权证作为研究对象,建立了权证定价的BP模型。其中,标的股价波动率是影响权证价值的一个重要变量,对所选14只权证的历史波动率和隐含波动率进行了估计,并将其同时作为BP模型的输入参数,以比较其影响。研究结果显示,不论是使用历史波动率还是隐含波动率,BP模型在定价精确度上均优于B-S模型;BP模型使用隐含波动率后,整体降低了与市价的误差。     

基于改进遗传BP网络在糖价预测的研究

首先采用灰色理论技术对市场糖价数据进行处理,而后利用改进的实数编码遗传技术优化神经网络权阀值学习训练,使其成为简单通用、快速收敛的改进BP模型。在此基础上,将该模型应用于一维的糖价市场实例预测,结果表明,提出的RINAGA BP预测模型在以糖价形式的经济数据模拟分析上,效率和精度有明显提高。     

人口老龄化与中国养老保险制度改革

人口生育率降低和预期寿命的延长使得人口老龄化问题成为世界各国面临的共同难题。我国从20世纪70年代末开始实行计划生育政策,加之人口基数大,人口老龄化问题与世界其他国家相比尤其严重,而且老龄人口增长态势明显。人口老龄化的出现使养老保险制度的受益人数急剧增加,老年人口赡养比率上升,从而对现行养老保险制度构成严峻挑战。探索养老保险制度创新,积极应对老龄人口增加对政府养老保险预算和社会经济的冲击具有重要的实践指导意义。     

基于PCA-BP的地裂缝危险性预测

为了更准确地对地裂缝的危险性进行预测,以苏锡常地区地裂缝为例,构建主成分分析(PCA)-BP神经网络模型。利用主成分分析法五个影响地裂缝危险性的指标进行分析,包括导水系数、地下水位、黏性土层厚度、基岩埋深以及基岩起伏程度。通过线性变换排除这些影响因素之间的相关性,并利用各主成分的贡献率对分析后的主成分进行筛选,得到三个主成分指标。对三个主成分进行全新解释：其中,第一主成分主要反应工程水文地质对地裂缝危险性的影响,第二主成分主要反应基岩起伏程度,第三主成分主要反应基岩埋深情况;利用BP神经网络对地裂缝的危险性进行预测。结果表明,PCA-BP神经网络模型对地裂缝危险性的预测效果相较BP神经网络更与实际吻合。PCA-BP神经网络模型可以作为一种对苏锡常地区地裂缝危险性预测的手段;全面细致地进行了主成分分析与BP神经网络在实际应用时的建模过程与结果分析,为PCA-BP神经网络模型的实际工程应用提供了一个有效参考。     

从抚养比看我国人口老龄化及其政策取向

人口老龄化给我国的经济发展、人口、资源、环境和社会保障等方面提出了严峻的挑战。基于我国人口老龄化逐渐加重,社会全民保障体系尚未建立与完善,人口控制任务依然艰巨的情形下,通过指出在抚养比的计算中存在的问题,以及比较分析不同人口政策的抚养比,借以阐述我国的抚养比存在失真,即存在"高估"或"低估"现象。为正确认识我国劳动年龄人口的真实抚养比,进一步稳定和完善人口控制、建立适当的社会保障体系等政策提供了现实依据。     

梯度法在人工神经网络中的应用

本文介绍了人工神经网络的基本结构,采用梯度算法对人工神经网络中由非线性变换单元组成的前馈型网络公式进行了推导。     

基于统计和机器学习的中文Web网页正文内容抽取

在搜索引擎中为了减小索引文件的大小、加快检索的速度和提高检索的精确度,必须对网页中的文本内容去噪并有效地抽取网页中的主题信息.根据对大量网页的特征分析,本文提出了一种较为简单和实用的网页主题信息抽取方法,该方法利用主题信息在网页中分布相对集中和文本密度较高的特征,利用BP人工神经网络进行自动识别,实验结果表明,该方法对于信息发布类网站平均准确率较高,具有一定的实用性.     

遗传和神经网络算法的果实定位误差修正

在番茄收获机器人视觉系统的目标定位研究中,由于实际的左右摄像机不可能完全平行放置,而且作业环境存在很多不确定因素,收获目标空间定位必然存在误差。在对收获目标空间定位误差分析的基础上,将双目立体视觉技术恢复出来的番茄空间坐标与该番茄的实际空间坐标进行比较,提出用遗传和神经网络算法(GA-BP法)修正定位误差。对测试样本进行仿真试验,结果表明收获目标空间定位的绝对误差X和Y值均可控制在0~5mm之间,Z值可以控制在0~7mm之间,达到了番茄收获机器人的定位精度要求。     

基于BP网络方法的长江水质综合评价

水质综合评价因子权重的确定方法使得评价结果带有较强的主观性,神经网络方法则可以有效地排除主观因素的干扰。文章构造了一个多因子水质综合评价的3层BP网络模型,以溶解氧（DO）、高锰酸盐指数（CODMn）、氨氮（NH3N）为评价因子,对长江17个监测点的水质进行了综合评价。其中1个站点为Ⅰ类水质,7个站点为Ⅱ类水质,6个站点为Ⅲ类水质,2个站点为Ⅳ类水质,1个站点为Ⅴ类水质。     

市盈率估值法和市销率估值法在我国A股市场的应用分析

市盈率估值法和市销率估值法是国外成熟的证券市场上常用的股票投资价值的评估方法,但他们作为单一指标具有一定的局限性。以市盈率和市销率相结合的方式可以共同体现上市公司的相对价值,更加有利于投资者对股票的投资价值作出正确的判断。根据盈率估值法和市销率估值法的特点、应用的局限性以及我国上市公司的成长性并结合实证研究的结论,提出以低市盈率和低市销率相结合并加入成长因素的综合价值评价方法进行股票价值评估能够更客观的反映我国上市公司的投资价值。     

一种改进的非凸秩最小化算法及其在矩阵恢复中的应用

在分析现有处理矩阵恢复问题的非凸秩最小化算法的基础上,提出了一种基于超松弛迭代的改进算法,并给出了松弛因子ω的确定准则。仿真实验表明:在惩罚参数选取较大的情形下,改进算法较原算法具有更快的收敛速度及更高的收敛精度,同时展示了基于非凸秩最小化算法的矩阵恢复技术在图像去噪中的应用。