构建基于粗糙集和BP神经网络的信用风险预警模型

本文首先建立了评价企业信用的指标体系,然后在此基础上构造了基于粗糙集和BP神经网络的企业信用风险预警模型。粗糙集用于约简指标体系中的冗余指标,BP神经网络用来构建预测企业信用的分类预警模型。最后,笔者通过实例验证了此模型的可行性和有效性。     

基于GJR—ALaplace方法的开放式基金风险研究

根据我国开放式基金收益率序列的尖峰、厚尾、有偏和波动时变的特征,引入非对gg,Laplace分布对收益率序列进行刻画和拟合。构建度量基金风险的动态GJR—Asymmetric～Laplace模型,在非对称Laplace分布、Laplace分布和正态分布三种分布假设下测算VaR,并做返回检验。选取12只开放式基金在2007．01．04～2009．12．31期间的日累计净值数据做实证研究。实证表明：除了基金大成债券外,其余11只基金显著通过假设,符合非对称Laplace分布,相rELaplace分布和正态分布来说,非对称Laplace分布能更好地拟合基金收益率序列。正态分布假设下风险度量值通过检验的基金数显著少于Laplace分布假设,而Laplace分布下通过检验的基金数亦少于非对称Laplace分布,可知非对称hplace分布假设下得出的基金动态风险值更为有效。