投影寻踪聚类分析在股票研究中的应用

本文选取5个能综合反映一个公司盈利能力的指标对20支股票进行了投影寻踪聚类分析,来预测股票的行情,并采取信赖域算法来寻找最优投影方向,以求解此投影寻踪聚类模型.实证分析表明这种方法对指导股票投资具有有效性和实用性.     

基于机器学习的上市公司财务预警模型的构建

文章通过运用多种机器学习方法分别建立时间跨度为5年和6年的上市公司财务风险预警模型,初始选择了29个指标,利用数据挖掘的特征选择方法,最终选取9个有代表性的指标来建立模型。实验表明,最近邻分类、多层感知机、BP神经网络及逻辑回归四类方法建立风险预警模型的性能相当,可以较好地预测上市公司财务危机。     

新型农村社会养老保险风险预警指标体系的构建

新农保风险预警指标体系能够对新农保制度风险或危机提前发出警报。文章依据新农保制度建立和运行的程序,从制度设计风险、筹资风险、基金保值增值风险、给付风险、管理风险和制度环境风险等六大方面选择指标建立起了新农保风险预警指标体系,通过层次分析法确定出了各指标的权重,并对指标体系的实际运用做了介绍。     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

基于灰色理论和神经网络的公司财务预警模型

通过合理选取财务风险预警指标,基于函数变换的GM（1,1）模型和神经网络建立了动态财务预警模型。实证研究结果表明,该财务预警模型能够有效反映企业财务状况的发展趋势,从而为财务风险预警提供了新的研究方法。     

企业集团风险预警研究

本文通过对企业集团风险指标体系建立、筛选与评价方法以及对集团风险预警信号系统和集团风险预警模型建立,对集团所面临的风险进行综合测评.应用预警信号系统和模糊综合评价法对集团进行定量、定性预警.     

基于GA和BP融合算法的房地产监测预警

本文在研究国内外房地产预警监控理论和实践成果的基础上,选取了房地产预警系统的指标体系;尝试用GA-BP算法预测成都市2007年的有关房地产数据,并通过黄色预警方法中应用较广泛的统计预警法,对成都市房地产市场的综合情况进行评价。     

房地产财务风险预警系统研究

文章首先对2006～2010年A股上市的房地产公司的财务风险预警系统进行了研究,并分析了房地产上市公司的财务风险因素;其次在选取财务和非财务指标作为备选指标,及进行预处理和显著性检验后,运用因子分析对指标项进行了降维处理,并采用BP-Adaboost神经网络算法对房地产公司的财务风险进行了预测;最后结合财务风险预测结果,提出了后续研究内容和思路。     

基于网络结构Logistic模型的企业信用风险预警

随着计算机和互联网的快速发展,特别是在大数据时代,企业积累了大量有关企业经营、财务等相关数据,变量众多且关系纷繁复杂,如果利用传统的logistic回归建立企业信用风险预警模型往往效果不好.本文在充分考虑变量间的网络结构(Network)关系基础上,提出了网络结构Logistic模型,通过惩罚方法同时实现变量选择和参数估计.蒙特卡洛模拟表明网络结构Logistic模型要优于其他方法.最后,我们将其应用到我国企业信用风险预警中,充分考虑财务指标间的网络结构关系,科学地选择评估指标,构建更加适合我国国情的企业信用风险预警方法.     

基于ERM框架的保险公司全面风险预警系统研究

外部监管作为风险预警的方法,实践中对具体的保险企业来讲过于粗糙和不足.文章借鉴当今国际上流行的全面风险管理的理念,建立了由全面风险预警警源、全面风险预警指标体系、全面风险预警辅助支持系统、全面风险预警预案体系和全面风险预警管理系统五个子系统组成的保险公司全面风险预警系统,克服了风险识别重视不够、风险因子考虑不周全、风险处理方案缺乏有效性等传统预警模式的缺点.     

基于AdaBoost组合算法的衍生金融工具风险预测

文章构建了衍生金融工具风险预测的AdaBoost组合算法的单属性测试和决策树模型;详细论述了单属性测试和决策树与AdaBoost算法的分类器组合机制,同时界定了12个风险检测变量指标,运用252个我国上市公司作为初始样本,分别进行了一年、两年和三年的26次衍生金融工具风险预测的AdaBoost组合算法的单属性测试(SAT),AdaBoost组合算法的决策树(DT)、单决策树和单支持向量机(SVM)实验,结果表明,基于AdaBoost组合算法的衍生金融工具风险预测模型可以对公司衍生金融工具风险进有效的预测。     

CGE模型求解算法研究评述

 CGE模型求解算法是模型从一般均衡理论走向实际应用的基础,亦是经济工作者在应用CGE模型时所面对的重要问题.本文通过对现有的求解算法进行综述,包括传统的Scarf不动点算法、牛顿迭代法、Tatonnement算法、Johanson-Euler法、投影拉格朗日(projected Lagrange)算法,以及近期兴起的遗传(GA)算法和模拟退火(SSA)算法,扼要说明它们的求解原理及存在的问题,指出各自的优缺点并作了详尽的比较分析与探讨,对于致力于推进CGE建模与仿真求解技术瓶颈突破的研究者们具体重要的参考意义.     

一种条件概率和微粒群相结合的外贸风险识别方法

为了定量研究外贸业务中存在的风险,建立了外贸业务中风险识别的动态指标体系.文章提出一种务件概率和微粒群算法(PSO)相结合的方法对外贸业务风险进行研究,先采用条件概率计算各指标对风险结果的影响程度.再利用微粒群算法对各指标的权重进行计算,两者结果合成得到风险识别的结果.最后将识别结果与支持向量机方法、神经网络方法进行比较,说明了算法的有效性.     

企业集团风险形成机理与预警研究

文章首先对企业集团风险进行辨识,并对风险所形成的机理进行了分析。其研究思路主要从方法着手,通过对集团风险指标体系的建立、筛选与评价方法,以及对集团风险预警信号系统和集团风险预警模型的建立,对集团所面临的风险进行了综合测评。应用预警信号系统和模糊综合评价法对集团进行了定量、定性预警。     

基于高维分步投影的多重分区聚类算法

基于数据分布密度划分的聚类算法是数据挖掘聚类算法中的主要方法之一。针对传统密度划分聚类算法存在运算复杂、运行效率不高等缺陷,设计出高维分步投影的多重分区聚类算法;以高维分布投影密度为依据,对数据集进行多重分区产生数据集的子簇空间,并进行子簇合并形成了理想的聚类结果;依据算法进行实验,结果证明该算法具有运算简单和运行效率高等优良性。     

基于ANN的预警指标预测系统在企业经济运行预警中的应用

预警指标的预测是进行经济预警的前提,在企业经济运行预警中的主要功能是根据历史数据对指定的预警指标进行预测,这一步预测的有效性直接影响到最终预警结果的有效性.本文提出的预警指标顸测系统的原理是根据已经建立的预警指标体系,从本企业历史财务指标数据库中提取数据,通过人工神经网络进行时间序列预测,得到预警指标未来时段的预测结果.     

基于遗传算法的投影寻踪聚类

传统的投影寻踪聚类算法PROCLUS是一种有效的处理高维数据聚类的算法，但此算法是利用爬山法（Hill climbing）对各类中心点进行循环迭代、选取最优的过程，由于爬山法是一种局部搜索（local search）方法，得到的最优解可能仅仅是局部最优。针对上述缺陷，提出一种改进的投影寻踪聚类算法，即利用遗传算法（Genetic Algorithm）对各类中心点进行循环迭代，寻找到全局最优解。仿真实验结果证明了新算法的可行性和有效性。     

基于状态空间模型的中国金融稳定性评估

采用状态空间模型和Kalman Filter算法,从机构运作、市场运行、宏观环境、抵御外部冲击四个方面选取不良贷款率等9个指标构建中国金融稳定状态指数(FSCI)。得到如下结论:FSCI指数对金融稳定描述的准确性受基础指标权重影响很大,且权重是时刻变化的,目前FSCI指数处在(-5%,5%)之间,金融市场处于相对稳定的状态。为此,建议加强金融稳定监测,并对其监测方法进行改进,建立重点指标的动态监测和预警机制;加强银行市场、股票市场、期货市场、保险市场、房地产市场基础建设,完善各个市场的制度体系,并增强其抵御风险的能力;加强外债和外汇储备管理,优化其构成结构;建立多元化的外交关系等一系列措施。     

BP神经网络在基本养老保险基金支付风险预警中的应用

尝试将BP神经网络引入基本养老保险基金的风险预警中,以期为其提供一种新的预警工具和方法。首先,建立了一套基本养老保险基金风险预警指标体系,构建了基于BP网络的基本养老保险基金风险预警模型;其次,采集1996年至2008年间的上海市各年度基本养老保险基金的历史数据对该模型进行了反复训练和学习,取得了误差率仅为3.86%的预测结果,说明该模型有很好的拟合度;最后,依据国际国内经验对基本养老保险基金的警情指标设置了五个警度输出区间。     

电子商务信用风险评估模型

准确评估电子商务信用风险,有助于企业提高风险监控预警能力,促进健康持续发展.文章构建了基于灰色关联分析和最小二乘支持向量回归(LSSVR)的电子商务信用风评估模型.首先,引入灰色关联分析提取电子商务信用风险重要影响指标;其次,应用LSSVR建立电子商务信用风险评估模型,并利用粒子群优化算法选择LSSVR模型参数;最后,利用实际样本数据进行实证分析,并根据评估结果提出相应的应对策略.