基于神经网络系统的项目投资风险评价探讨

与传统的评价方法不同，神经网络模型具有自学习、自组织、自适应能力等的特点，它较好的克服了传统项目评价局限性以及依赖专家经验的弊端，为项目投资风险评价开辟了新途径。论文阐述了神经网络结构与原理，分析了项目投资风险评价的神经网络模型，通过应用评价，进一步探讨其应用价值及其意义。     

基于卷积神经网络的股票市场择时模型——以上证综指为例

本文在前人的研究基础上,以卷积神经网络为核心模型,构建了上证综指择时模型,并编写了配套的交易策略。模拟账户在2015年和2016年的回测中表现出优异的性能,其收益率在同时期指数型基金和股票型基金中名列前茅。实证研究表明,卷积神经网络在证券行业有着极其广阔的研究和应用前景。本文在一定程度上推动了金融技术的革新,为智慧金融做出了贡献。     

浅谈计算机网络安全评价中神经网络的应用

现如今计算机网络飞速发展,逐步渗透到人们的日常生活当中,在我们日常的工作当中,我们不仅仅用计算机网络处理文件进行办公,还要利用计算机网络实现互联互通。但是,随着计算机系统的沟通能力的进一步增强,也催生了网络安全问题,网络安全问题是现阶段计算机网络应用中的头号障碍,我们必须对其予以高度的重视,采取多种手段,提高计算机网络安全。本文系统地分析了在计算机网络安全评价中神经系统的应用,并提出了切实可行的对策,旨在进一步提高我国网络安全。     

基于BP神经网络的精益供应链协同绩效研究

随着精益管理和供应链管理越来越受到重视和应用,对精益供应链协同绩效进行评价的研究也显得更加重要。以五维动态平衡计分卡作为参考模型,构建精益供应链协同绩效评价的指标体系,并运用BP神经网络对精益供应链协同绩效进行评价,为研究精益供应链系统的运行性能提供决策依据。     

基于神经网络的企业财务危机预警研究——以制造业上市公司为例

现阶段,激烈的市场竞争与动荡的经济环境给各行各业带来了前所未有的挑战,对于企业的经营者与投资者来说,能够准确预测财务危机并有效地规避财务危机具有重大的现实意义。制造业在我国经济中具有举足轻重的地位,文章以制造业上市公司为例,引入财务指标与非财务指标构建指标体系,运用因子分析对筛选的指标进行降维,使各个指标间不相关,消除多重共线性,以得出的公因子作为神经网络模型的输入层来提升神经网络的拟合效率,以企业被特别处理与没有被特别处理作为神经网络模型的输出层,运用此模型对财务危机进行预测。预测结果显示:该财务危机预警模型预测效果较好,能够帮助制造业上市公司识别潜在的财务危机。除此之外,根据结论得出企业的盈利能力是影响制造业上市公司财务危机的最主要因素。     

我国高校债务风险动态预警模型研究

目前,高校负债日趋严重,所面临的债务风险受到广泛关注,如何对高校债务风险进行动态预警尤为重要。文章综合考虑影响高校债务风险的各种因素,选取了10个财务指标和4个非财务指标,利用样本数据,运用主成分分析法算出主成分的综合得分,分别运用模糊隶属度与BP-神经网络分析法,对高校债务风险综合评价比较。实例验证主成分-BP-神经网络分析模型更优。     

四川北部山区输电线路工程可研投资估算模型研究

四川北部山区输电线路工程具有独特性。一种简洁有效的可研投资估算方法和模型在理论上和实际工作中都意义重大。神经网络的非线性、自学习的特点,非常适合建立输电线路工程的投资估算模型。模型选取电压等级、线路长度、导线截面等8个输入变量,建立三层神经网络结构,用收集的训练样本训练神经网络模型,测试样本测试模型。测试结果表明模型效果良好。模型使用者无需掌握过多技术细节,适合于投资发展部门估算,前景良好。     

信用评级模型的验证方法探讨--ROC检验在风险管理中的应用

完整的信用风险管理体系不仅包含科学的违约概率预测方法，可靠的验证程序也是风险管理工作的重要保证。传统的检验方法建立在“50%”临界点的基础上，但这并不是一个可靠的选择。ROC动态检验方法中判断标准被设定为动态变化的，ROC曲线刻画的是在连续临界点取值下，命中率和错报率的组合情况，呈现的检验结果客观直接，且不产生指标间的相互矛盾。通过基于真实数据的实证分析，ROC动态检验被认为是一个更科学的检验方法。     

P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法

P2P网贷在爆发式增长的同时,也面临着重大的信用风险,个人信用评估是降低信用风险的重要方法。根据P2P网贷自身的特点,对影响P2P网贷借款人信用风险的因素进行分析,引入互联网信息领域特有的风险因素,建立了P2P网贷个人信用风险评估指标体系。基于该指标体系,考虑P2P网贷中"软信息"较多、"硬信息"缺失的特点,提出了基于BP神经网络的信用评估模型。为了提高BP神经网络的收敛速度和精度,将改进的果蝇优化算法作为BP神经网络的学习算法,对神经网络的权重进行训练。通过"人人贷"平台收集的样本数据进行实验验证。结果表明:改进果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力,是P2P网贷个人信用风险评估的有效方法。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。