基于BP神经网络的工程索赔模型

文章在系统分析了工程索赔过程及索赔相关方关系的基础上,依据系统论和神经网络思想,建立了工程索赔管理系统化模型,对此模型进行了详细阐述,并对模型状态进行了分析.利用该模型可以预测工程索赔出现的可能性,解决工程索赔的程序问题,并快速计算出索赔值.同时本文基于模型分析结果,对如何有效提高模型双方的索赔利益行为,发挥索赔管理最大作用,保证项目质量和效益提出了相应的措施.     

神经网络模型与车险索赔频率预测

汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松-逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松-逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。     

基于机器学习的车险索赔频率预测

近年来,广义线性模型已被广泛用于车险定价,而一些研究结果显示机器学习在某些方面优于广义线性模型,但这些结果都只是基于某个单一数据集。为了更全面地比较广义线性模型与机器学习方法在车险索赔频率预测问题上的效果,对7个车险数据集进行了比较测试,包括深度学习、随机森林、支持向量机、XGboost等机器学习方法;基于相同的训练集,建立不同的广义线性模型预测索赔频率,根据最小信息准则(AIC)选取最优的广义线性模型;通过交叉验证调参获得机器学习最佳参数和模型。研究结果显示:在所有的数据集上XGboost的预测效果一致地优于广义线性模型;对于某些自变量较多、变量间相关性强的数据集,神经网络、深度学习和随机森林的预测效果比广义线性模型更好。     

全球价值链视角下中国服务贸易国际竞争力研究

文章在分析中国服务贸易国际竞争力的基础上,融入全球价值链的发展研究,通过贸易竞争力指数、显性比较优势指数、国际市场占有率等指标具体分析中国的服务贸易国际竞争力水平,以及在全球价值链中的地位。结果显示,中国的服务贸易无论是整体还是各部门在全球价值链中都处于低端,服务贸易国际竞争力较为落后。为此,应当加快完善与发展中国服务贸易价值链,提升中国服务贸易国际竞争力。     

索赔频率与索赔强度的相依性模型

为了解决索赔频率与索赔强度之间的相依性问题,本文提出了一种相依性调整模型,即首先在索赔频率和索赔强度相互独立的假设下预测纯保费,然后通过索赔频率与索赔强度之间的相关关系对独立性假设下的纯保费预测值进行调整.与现有模型相比,该模型的优点是可以将纯保费的预测值分解为两部分,即独立性假设下的纯保费和相依性对纯保费的影响,便于模型的解释和应用.本文将该方法应用于一组实际数据,并与其他方法进行了比较.实证研究结果表明,本文对纯保费的预测结果在一定程度上优于现有模型,而且更加清晰地揭示了索赔频率与索赔强度之间的相依性对纯保费预测值的影响,即纯保费较低的保单受相依性的影响较大,而纯保费较高的保单受相依性的影响较小.     

系统论视域下的建筑工程索赔管理

在建设项目实施过程中,索赔是正常且经常发生的经济现象。作为建筑施工企业全面工程管理的重要组成部分——工程索赔管理是企业维护和提高经济效益的重要手段。目前虽然有不少施工企业通过工程索赔而获益,但是工程索赔管理至今仍是不少施工企业的短板,不科学的索赔方案、不恰当的索赔时机、不合理的索赔策略等都会影响施工企业的综合效益．提示我们必须加强时工程索赔管理理论与实践的研究。本文主要借助系统论观点,结合工程索赔实践,探索有效的索赔管理体系的构建。     

大额索赔条件下的车险费率厘定

车险费率厘定是财险公司设计产品的核心内容之一。在传统的纯保费预测模型中,通常建立复合泊松-伽玛模型,该方法没有考虑到大额索赔出现的情况。为此,提出了一种处理大额索赔的频率-强度方法。基于一组机动车损失数据,对索赔频率和索赔强度分别建模。比较不同分布的索赔频率模型,得到零膨胀负二项模型效果较好;在索赔强度建模中,得到大额索赔伽玛模型比伽玛模型效果好。实证检验了带有大额索赔的频率-强度模型在车险费率厘定中的优越性。     

基于索赔次数和索赔额的车辆保费计算新模型

在机动车保险中,保单持有人的风险参数是随时间而变化的,在保费厘定过程中看做不变和忽略了索赔额因素对保单持有人是不公平的.文章考虑了投保人的参数的变化,调整风险参数,引入索赔额因素,推导出了最优奖惩系统的三种保费的计算公式.     

基于正交尺度网络的宏观经济预测研究

文章基于多分辨率理论,建立了一个用于宏观经济预测的正交尺度网络模型.该模型的优点在于:一方面因为网络一部分的权值与阈值在训练之前能够根据多分辨分析理论确定,减少了训练时需要调整的参数;另一方面正交性使得网络的结构得到尽可能的优化,因此改善了网络训练时阍和收敛速度,有效提高预测精度.通过对我国1998～2005年我国国内生产总值的学习,并对2006年、2007年国内生产总值的预测,与目前的BP模型和小波神经网络模型结果进行比较,验证了模型的有效性.     

企业财务状况预测的神经网络模型

在竞争激烈的市场经济舞台,总有一些企业因失误而陷入危机,但任何危机都有一个逐步显现、不断恶化的过程,也最终都会通过财务指标数据反映出来。管理人员希望能从企业的财务预测中预先了解企业所面临财务危机的原因,发现企业财务运营体系隐藏的问题,以提早做好防范措施并提出相应的排警对策的财务分析系统。本文拟用现金流量表数据建立神经网络模型来预测企业财务状况。     

基于Chaos和CS理论的工程投资预测方法研究

文章针对当前工程投资预测领域存在的投资目标预测方法不科学、预测方法工作量大、准确性低等问题及原因,在借鉴了国内外相关理论和方法的基础上,运用显著性投资(Cost-signifi-cant,CS)理论寻找显著性项目,简化工程投资估算的操作难度,从而解决了投资预测工作量大的问题;运用混沌理论通过使用自相关法、G-P算法、计算Lvapunov指数等方法,在大量历史时序数据基础上,建立了混沌预测模型并进行了实证验证.实证分析结果证明,混沌预测模型适合于工程投资近期预测,预测精度较高.     

运用遗传神经网络模型对我国上市公司财务危机的预测

神经网络已经被广泛运用于公司财务危机状况的预测,然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果;而遗传算法(Genetic Algorithm)是一种全局寻优搜索算法,能够有效克服上述缺陷。因此,文章提出的将遗传算法和神经网络相结合的遗传神经网络模型(Genetic Neural Networks),既保留了神经网络原有的优点,又克服了上述的缺点。并利用我国上市公司财务数据对公司财务危机状况进行实证分析,结果表明,该模型预测效果令人满意,预测结果明显优于一般神经网络模型。     

四种人力资源的定量预测方法及评述

新型定量预测方法在人力资源预测中的应用,顺应了人力资源管理的发展趋势,提高了复杂环境下的人力资源预测精度。由于这些方法的都具有各自的特点和适用条件,因此,文章选取了四种新型的人力资源定量预测方法加以介绍,并对这些方法的特点和适用条件进行了评述。     

基于小波神经网络的经济预测研究

本文通过小波变换和神经网络的结合,建立了相应的小波神经网络经济预测模型.该模型克服了传统时间序列预测模型只能进行线性预测,避免了一些BP神经网络的固有缺陷.     

基于Elman神经网络的房地产价格预测

文章针对房地产价格的动态特性,提出了基于Elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。     

基于预测期的变权重组合预测法及其应用

文章针对传统变权重组合预测利用基期误差最小化,求得权重与各个单预测方程预测期的预测值进行组合预测的问题,在充分考虑时间信息匹配的基础上,基于变权组合预测的基本原理对最小误差进行了预测修正,使原误差矩阵进行新陈代谢求得预测权重代替基期权重,使预测方程更加平稳.实例验证了预测结果的合理性.     

教学质量评价与预测的人工神经网络方法

BP算法是一个用于预测与评价的很有效的算法.文章综合考虑了影响教学质量的各方面的复杂因素,采用改进的BP神经网络算法用于教学质量评价与预测,给出了神经网络的教学质量评价与预测的模型结构,并在MATLAB中仿真实现.结果表明,该评价与预测方法克服了专家评价的主观因素,得到了合理的结果,具有很好的适用性.     

国际工程总承包项目成功度的评价方法

文章从全面的、系统的角度提出并建立了三级国际工程总承包项目成功度评价指标体系,采用多层次模糊综合评判方法进行评判,并通过实例应用具体评价了影响项目管理人员素质的因素.     

国际服务贸易统计方法制度研究（下）

三、国际服务贸易统计的指标体系(一)基本指标。与货物贸易一样,国际服务贸易基本指标也有贸易总额、出口额和进口额。1.国际服务贸易出口额:国际服务贸易的出口额指服务生产国(地区)向服务消费国(地区)提供服务并获得外汇收入。2.国际服务贸易进口额:国际服务贸易的进口额指服务消费国(地区)从服务生产国(地区)获得服务并以外汇支付报酬。3.贸易总额与贸易差额。贸易总额指一定时期服务出口额与服务进口额之和,它反映一个国家(地区)服务贸易的总规模。一定时期出口额与进口额之差就是贸易差额(顺差或逆差)。除了进口和出口之外,货物贸易中…     

非平稳时间序列的EMD组合预测及其应用

非平稳时间序列预测问题一直都是一个难题,文章运用EMD技术将非平稳时间序列分解为一系列的imf和一个残余量。由聚类分析得到若干个cimf,然后通过对每个cimf以及残余量建立神经网络模型进行预测,达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题,且预测精度达到良好效果。