研究生教育信息化风险评价

在对研究生教育信息化的风险因素进行深入分析的基础上,构建了研究生教育信息化风险评价指标体系.依据评价指标模糊性的特点,将模糊数学与神经网络结合,建立了基于模糊神经网络的风险评价模型.选取12所高校作为实例说明了模糊神经网络评价模型在研究生教育信息化风险评价中的适用性.研究结果表明,该模型具有很好的适用性,网络训练完善后,可广泛应用于研究生教育信息化风险的评价.     

基于模糊神经网络的企业人力资源风险评价

作者针对企业人力资源风险评价中的模糊性特点,将模糊逻辑与神经网络融合在一起,并应用模糊神经网络的评价方法,实现了对基于模糊神经网络的企业人力资源风险评价。该评价方法具有很强的学习能力,同时各个评价指标的权重是由网络通过学习自动生成的,因此更具客观性和准确性。     

基于神经网络技术的房地产商业贷款风险分析

本文根据建筑行业项目给出了具体的商业风险评价指标,建立了模糊神经网络模型.旨在通过数据挖掘的方法对房地产行业的贷款客户进行贷款的风险评价,以便预测贷款的风险等级.     

神经网络在银行信用风险评估中的应用

利用人工神经网络对我国商业银行企业信用风险进行了评估,提出了基于BP人工神经网络、以VC为平台的算法程序的人工神经网络信用评级模型,并以某企业的财务数据为样本,进行了信用评级分析。同时利用SPSS软件,与传统Logit模型作了对比,结果表明BP人工神经网络模型的评价效果确实优于传统模型。神经网络模型解决了传统评级方式中的主观性问题,以及难以处理高度非线性模型的问题,对我国银行具有十分重要的现实意义。     

以模糊评判为基础的大学生素质BP神经网络模型

文章建立了大学生综合素质评价的指标体系,并利用模糊数学多级综合评价的原理,对大学生的综合素质进行模糊评判。同时,利用评判结果建立了误差反传的BP神经网络模型,并在该模型中引入非模糊评判的教师对,该模型克服了模糊评判时权重的不可改变性,实现了素质评价指标和大学生综合素质的非线性映射。计算结果表明:该神经网络模型具有一定的合理性和实用性。     

公路施工企业信用评价

施工企业的信用评价是公路行业信用体系的核心。现行公路施工企业信用评价多是商业银行以防范信贷风险为目的而进行的,指标设置偏重于衡量企业财务状况。根据公路施工企业经营管理的特点,从招标审查的角度构建公路施工企业信用评价指标体系,应用层次分析和模糊综合评价相结合的方法,确定各指标权重及企业的信用等级。实例模拟评价结果表明,信用指标设置符合工程实际,模糊层次分析方法对公路施工企业的信用评价是切实可行的。     

煤矿井下工人安全特质综合评价模型

根据人因事故在煤矿事故致因中占比很大的现状,针对不同的主体数量描述了两种对煤矿井下工人安全特质进行综合评价的模型:一是结合模糊综合评价和BP神经网络的适用于单个员工评价的模糊神经网络综合评价模型;二是结合层次分析法和灰靶决策方法的适用于多个员工优选的灰靶比较模型。结果发现,模糊神经网络综合评价模型和灰靶比较模型分别针对个体和群体评价提供了客观、定量的方法。     

基于神经网络和模糊逻辑的信用评价模型

在对Z评分模型以及KMV模型、J.P.摩根的Credit-Metrics模型、瑞士信贷银行的Credit-Risk模型、麦肯锡的信用组合模型等信用风险模型进行分析的基础上,提出在多元综合回归分析的基础上建立企业财务状况指数测算公式,再使用模糊聚类方法进行信用等级评价、使用模糊神经网络进行风险预测的信用评价的新方案。     

商业银行操作风险评价模型的研究

针对商业银行风险领域中的操作风险评价问题,运用模糊综合评价方法,建立了定性分析和定量计算相结合的商业银行操作风险评价模型.其中,根据操作风险定义并结合发生操作风险自身特点,对操作风险进行分类,得到评价指标体系;运用基于操作风险实际发生数和损失金额确定各评价因素的权重,实现评价商业银行操作风险发生程度的大小.     

农业产业化龙头企业信用风险评价的改进——基于农村金融联结视角

参与农村金融联结改变了农业产业化龙头企业的信用风险状况,商业银行如何识别企业信用风险是金融联结实现的前提。研究发现KMV模型能够识别参与农村金融联结企业的信用风险,参与联结对企业信用风险的影响取决于:企业的风险管理能力和农户贷款的系统性风险水平。研究结论为评价金融联结中介的风险提供了新的思路,提高了商业银行参与农村联结的可操作性,以及农村金融联结的推广。     

构建商业银行信贷风险分类预警模型

针对我国各类银行全面实行贷款风险五级分类管理,文章提出了一种信贷风险分类预警的方法。该方法首先应用聚类方法对指标进行筛选,然后以熵权法构建贷款风险综合指数,最后采用模糊神经网络实现对信贷风险的分类预警。该方法在综合考虑财务与非财务因素对信贷风险产生影响的同时,还可以通过对风险指标的敏感性分析来把握主要风险来源,为风险的防范工作提供重要的依据。     

供应链融资的客观信用风险评价方法研究

在大多数中小企业的发展过程中,融资难的问题始终伴随着它们。供应链融资使得中小企业依托供应链和其中信用良好的核心企业,为中小企业融资提供了新思路。本文通过建立BP神经网络供应链融资客观信用风险评价模型,并且运用“3σ准则”做出初始信用风险评价,规避评价主体对样本信用评价的主观偏差,最终得出BP神经网络法在供应链融资客观信用风险评价中具有较好的适用性。     

基于BP-KMV模型的商业银行信用风险评价研究

建立BP神经网络和KMV模型相结合的BP-KMV信用风险评价模型,并选择上市的49家样本公司的财务数据和股价水平对BP-KMV模型进行实证分析,将结果与商业银行现行的评价结果相比较,表明BP-KMV模型更符合实际情况。进一步发现评价结果的差异体现在信用度相对较高、风险相对较大的区域。     

基于BP神经网络的中小企业信用评价研究

利用因子分析法建立了我国中小企业信用评价财务指标体系,据此构建了单隐层结构的BP神经网络,并以2006年100家ST和非ST上市公司为训练样本,详细考察了隐含层结构和网络训练函数对BP神经网络辨识性能的影响,最终得到了具有较快收敛速度和较高准确率的BP神经网络。在此基础上,以2006年财务数据为研究样本,对102家上市中小企业进行了信用评价。结果表明,各中小企业之间的信用评价结果存在较大的异质性,说明采用BP神经网络进行信用评价具有较高的可操作性。     

基于BP神经网络的农户小额信贷信用风险评估研究

利用2009年杨凌区三家农村信用社的实地调研资料进行了农户小额信贷信用风险评估的实证研究,对指标变量分别进行正态性检验、差异性检验和多重共线性检验,利用MATLAB7.0软件建立了8—14—1结构的BP神经网络农户信用风险评估模型。模型对训练集样本的总体判别正确率为100%,对测试集样本违约类农户的预测正确率达90%,总体正确率达84.09%。准确度较高,能够为农村信用社识别农户信用风险提供较好的依据。     

基于模糊优选和神经网络的保险企业经营风险预警系统构建

论述基于模糊优选和神经网络的保险企业经营风险预警方法的理论依据,阐述组成我国保险企业经营风险预警系统的三个重要环节:基于BP神经网络的风险预警指标预测子系统、基于模糊优选理论的风险测评子系统和基于模糊优选BP神经网络的风险报警子系统三个子系统的构建原理,并通过实例分析证明该方法有效、可行。     

第三方物流企业自身违约风险评估模型

为了降低第三方物流企业的信用风险损失,从企业外部不可控性违约风险因素和内部可控性违约风险因素两方面构建第三方物流企业违约风险评估指标体系的思想。鉴于风险因素的复杂性和不确定性,应用构造区间判断矩阵的模糊综合评价方法建立了违约风险评估模型,并以物流企业作实例研究,对违约风险进行定性分析和定量计算。结果表明：基于构造区间判断矩阵的模糊综合评判模型能准确评估物流企业自身违约风险大小,并且可靠性高,易量化计算,可操作性强。     

我国中小企业资信评估模型的建立、验证和分析

为了降低银行贷款风险，保证资金能够顺利归还，在研究评估理论知识的基础上，运用模糊综合评价方法，通过对影响资信评估因素的定性和定量分析，建立了行之有效、灵活的我国中小企业的资信评估模型，并结合实例给予验证和分析。