基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

自信心模型在决策过程中的应用

文章对过度信心这一概念进行了着重阐述并回顾了有关模型及其应用。人们避免错误发生的方法可以被归结为三大类，三类方法之间的区别与联系也是文章的一个重要的研究问题。一系列实例也能够帮助分析的进行。但是调整后的决策过程中，错误却发生了变型或进化。文章得出结论：所有的方法都不可能完全避免错误的发生，尤其是对第二层面上的错误以及混合层面错误更是收效甚微。     

时间趋势平稳性检验的带宽选择及其影响

本文将基于最小化两类错误的概率选择带宽的思想引入KPSS检验。文章通过蒙特卡罗仿真实验,对基于最小化均方误差和最小化两类错误概率的KPSS检验的有限样本性质进行了比较;并对中国季度实际GDP对数序列的平稳性进行了检验。结果表明,基于最小化两类错误概率的检验比基于最小化均方误差的检验有更大的水平扭曲,但前者也有更大的检验势;并且在误差项自回归系数小于等于0.5的大多数情形下,基于最小化两类错误概率的检验有更好的有限样本性质;中国季度实际GDP对数序列是带漂移的单位根过程。     

基于马尔可夫过程的软件可靠性模型

软件可靠性工程是软件工程的一个重要分支,主要建立在操作剖面、概率论、数理统计和软件测试等理论的基础之上。本文结合软件可靠性、软件可靠性工程和软件测试的相关理论,设计了基于马尔可夫过程和软件模块化的软件可靠性测试模型;同时给出了软件寿命的估计模型。     

基于Dirichlet过程无限混合模型的基因表达数据聚类算法

Dirichlet过程作为一种典型的变参数贝叶斯模型,基于该过程进行的聚类分析无需预先确定聚类数,聚类数作为模型中的参数由模型和数据自主计算得出,因而成为机器学习研究领域中的一个研究热点,可用于海量数据的聚类分析。文章建立Dirichlet过程无限混合模型对DNA基因表达数据展开了聚类分析。模拟测试数据集和急性白血病的DNA基因表达测试数据集的实验结果表明,Dirichlet过程无限混合模型能够准确地估计出数据中的聚类数。     

浅议第Ⅱ类错误

本文对假设检验中可能出现的第Ⅱ错误进行讨论，使我们对发生第Ⅱ类错误的概率进行控制，不至于在进行假设检验时出现严重的错 误。     

金融市场异方差模型及实证研究

文章介绍了两类异方差模型并对上证指数进行实证研究,通过研究表明上证指数日收益率序列具有明显的高峰厚尾特性和非对称性,且收益率平方具有自相关性.对两类模型进行了比较分析,结果显示:无论是从日收益率的峰度来看,还是从平方收益率序列的自相关函数的描述采看,SV模型都优于GARCH模型.     

两类错误条件下的样本容量选择

应该抽取多少样本,这是在社会调查各个阶段中均会遇到的基本问题.众所周知,在统计假设检验中,会发生"弃真"和"取伪"两类错误,一般的统计检验中,往往随意确定样本容量,且只重视第一类错误,那么对于一些重要的检验,第二类错误就无法控制.文章从两类错误的定义,探讨了两类错误与样本容量的关系;并在控制两类错误的条件下,分别就均值检验、成数检验和方差检验给出了样本容量的确定公式.     

两类错误条件下方差检验中样本容量的确定

在统计假设检验中,会发生"弃真"和"取伪"两类错误。一般而言,在只给出犯第一类错误的概率、样本容量自由选择的情况下,犯第二类错误的概率是无法控制的。文章从两类错误的概念出发,分别探讨了方差检验中单母体及双母体均值已知、均值未知情形下两类错误与样本容量的关系;并在控制两类错误的条件下,推导出了确定样本容量的公式。     

基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

基于潜变量模型的多元有序数据轮廓分析法

提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。     

财务危机预警模型效果的比较

本文运用主成分分析筛选出一致的指标,分别构建了Logit回归模型、二分类线性判别模型、主成分分析模型三个预警模型,根据样本的检验结果发现三个模型的判别精度都在85%左右,根据两类错误概率对其进行比较后,得出了三个模型各自的适用范围。     

运用Visual Foxpro与SAS软件建立高质量数据集

在统计工作中,常常有大量的调查资料需要输入计算机进行分析处理,但在录入过程中,经常会误录一些数字。如何才能在录入数据时减少误录的发生是一个亟待解决的问题。尽管目前有很多软件可以用于建立数据集,但它们各有利弊,很难用一个软件就能建立一个高质量的数据集。基于这一问题,本文将介绍一种联合运用Visual Foxpro6.0与SAS软件建立高质量数据集的方法。在数据输入过程中,它可以减少错误的发生,提高数据的真实可靠性。     

居民消费价格指数的波动性分析

居民消费价格指数(以下简称CPI)在一定程度上反映了通货膨胀或紧缩程度,因此历来为各国政府和社会公众所关注.文章主要应用ARCH类模型对CPI年增长率的波动性进行了建模,结果表明该模型能有效拟合CPI年增长率的波动性特征;并根据分析得出我国市场经济还不成熟,需要进行有效调控,以更好地保持物价的稳定,促进经济快速发展的结论.     

基于偏最小二乘回归的COCOMO模型校准方法

准确的软件成本估算对于实现软件项目的科学管理具有重要意义.COCOMO系列模型是当今实践应用最为广泛的成本估算模型之一.文章针对现有的COCOMO模型参数校准方法只对比例因子和指数因子进行校准的问题,为了更好的实现COCOMO模型本地化,提出了一种基于偏最小二乘回归的参数校准方法,解决了工作量乘数因子的校准问题.采用COCOMO81原始建模数据库对校准后的参数进行验证,结果表明该方法能够明显提升COCOMO模型的估算精度.     

关于假设检验中的几个问题的探讨

文章给出了单边与双边检验拒绝域的区别;证明了各种因素对两类错误的影响及影响方向;讨论了同时减少犯两类错误的方法。     

基于Holt-Winters滤波模型的我国互联网普及率分析

文章运用2000年12月至2015年6月我国的互联网普及率数据,基于R软件来进行分析,通过ARI-MA模型和Holt-Winters滤波模型分别对互联网普及率数据进行拟合,最后经过模型比较选择了Holt-Winters 滤波模型,并运用Holt-Winters滤波模型预测了我国未来5年的互联网普及率.分析表明到2020年6月年我国的互联网普及率将达到59.4％.     

多元线性模型中定类变量的处理

多元线性回归模型一般要求其分析变量有较高的定量层次 ,而社会科学的大量调查数据却往往属于定类变量。这样在实际分析过程中 ,研究者或者弃用这部分变量造成数据的浪费 ,或者将其简单应用而有可能导致错误结论。本文结合西方社会统计学的最新研究成果 ,借助SPSS统计软件 ,通过虚拟编码、效应编码、对比编码三种方式对定类变量数据进行变换 ,使其在多元线性模型中得到较好的解释结果。     

金融投资决策的负权重解读

与非负权重不同，文献中较少讨论负权重的存在及其相关的性质。本文从金融投资决策的角度给出了负权重存在的实际背景，利用经典的均值-方差模型对金融资产进行配置求得了负权重，讨论了负权重的含义。最后，利用MATLAB软件及EXCEL软件对负权重进行图形显示，并将可视化的结果进行了对比。     

线性回归模型设定的两个常见错误分析

删除截距项和遗漏解释变量是线性回归模型估计中的两个常见错误,删除截距项错误发生的原因是检验过程中发现其不显著而将其剔除,这会造成模型参数估计和假设检验的失真;遗漏解释变量的错误发生原因是人们错误认为只要变量存在相关性且存在因果联系就可以进行回归分析,以至于不考虑其它重要的解释变量,此时建立的模型不能用于经济结构分析和政策评价,最多只能用于预测目的。