企业信用模糊评价模型的实证分析

本文运用模糊综合评判理论,提出了新的企业信用评价模型,并选取某企业1999-2003年的有关资料数据进行了实证分析。结果表明,该模型对企业信用因素变化的评判结果比传统模型更加符合企业的实际情况。     

网络经济环境下企业信用风险的动态管理

本文在全面分析网络经济环境下企业信用风险成因的基础上,构建了动态风险管理模型。通过该模型的分析和应用有利于企业在信用交易过程中各阶段的正确决策,从而可以实现风险的迁移和降低风险的危害。     

基于大数据技术的中小企业成长性评价方法研究

无论政府对中小企业扶植政策的实施与政策效果识别,还是利用金融资本投资助力中小企业发展,均需针对其成长性展开评价研究。围绕现有中小企业成长性评价信息不充分及难以检验评价结果有效性等问题,一方面通过构建基于文本挖掘的指标测度方法提升评价指标信息,另一方面建立基于机器学习算法的成长性分类模型,进一步增加评价结果的分类信息,并通过比较分类信息与传统评价方法排序信息的一致程度,检验评价模型的可靠性。实证结果表明上述方法能够为投资决策提供更为有效的参考依据。     

关于工商部门推进企业信用体系建设的思考

企业信用体系是国家社会信用体系的重要内容,是对企业信用资源进行管理和对企业信用交易进行监管的一整套机制。从契约经;齐角度看,企业信用是指一个企业建立在安全、信赖基础上,其他经营者乐于与其从事相互间的交易。并无需立即偿付即可获取资金、物资和服务的能力。     

企业信用状况的定性评价——基于logistic回归模型的分析

以材料和机械制造行业100家上市公司综合财务数据为样本数据,采用主成分分析和logistic回归模型,对企业的信用风险进行定性评价,简要评定企业的守信状况,影响企业信用的主要是企业的偿债能力,且同资金的流动性和运营效果密切相关,并给出结论与建议,指导债权人、投资者和交易方投资决策。     

大数据背景下网络突发事件动态监测研究

通过互联网以及社交平台的数据监测社会突发异常事件是当前社交网络传播研究的热点问题,本文基于大数据背景,对网络突发事件动态监测算法进行了创新性研究.论文首先介绍了常用的几种网络动态监测算法,并指出了其在社交网络中应用的局限性,提出了基于Kleinberg的改进算法,最后用改进的算法进行了实证研究,研究结果显示:改进后的算法通过给定合理的调节参数,能迅速准确地监测到网络异常状况的发生,从而不仅避免了传统主观上直接通过突发事件出现的频次来划定临界值的不科学性和直接使用微博量排行榜方式所产生的时间上的滞后性,也避免了直接通过划定一个固定的微博增加量来判断是否有异常事件发生的不合理性.本文在大数据背景下为网络突变事件的动态监测提供了新的研究方法,为政府加强网络安全建设、优化网络监管模式、净化互联网环境具有一定的实践指导意义.     

基于动态DEA学习效果评价模型研究

文章深入研究和探讨了传统DEA评价模型的性质,通过对有效决策单元进行排序,对动态DEA模型进行了分析改进,并以学习效果评价为例验证说明改进模型和方法的可行性。     

浅议TOPSIS在企业信用综合评价中的应用

现行或潜在的债权人、投资者客观准确地对企业信用进行综合评价,然后据以科学计划与决策,是降低风险、增加收益的一个必不可少的环节。然而对企业信用进行综合评价涉及到的指标很多,且每个指标在各个企业间表现差别很大,各个指标又不能用统一标准度量。因此,除了建立科学、合理的评价指标体系外,还要借助于科学的评价方法。本文试将多目标决策分析中的TOPSIS方法用于企业信用综合评价。一、TOPSIS评价方法基本原理TOPSIS是多目标决策分析中的一类决策方法：即逼近理想解的“排序方法（TechniqueforOrderPreferencebySimilari…     

国外大数据硕士人才培养的经验与启示——基于大数据文本挖掘

利用半结构化文本数据分析方法,从国外高校387个大数据硕士相关项目及国内22个相关硕士项目人才培养方案中提取出大数据高端人才培养的七大方向,并对不同方向的培养目标、课程、学分、学制等设置及其对应的人才市场需求匹配情况等相关内容进行剖析,为改革中国大数据高端人才的供给提出一定建议。     

基于海量交易数据的房地产特征价格模型的构建

文章以大连市商品住宅市场海量交易数据为基础,综合考虑各住宅特征信息的可获得性,从建筑特征、邻里特征和区位特征等三个方面,确定了22项影响住宅价格的特征变量及大连市"标准商品住宅"的标准;并据此构建了大连市商品住宅特征价格模型,进而对各住宅特征对住宅价格的影响方向、影响数值及影响程度进行了分析和比较。     

大数据风控有效吗?——基于统计评分卡与机器学习模型的对比分析

随着金融科技的巨大进步,机器学习在金融风控领域的应用也逐渐深化起来。信用评分卡模型作为一种应用最为广泛的风险评估模型,在大数据时代存在着不能对高维、复杂、非线性的个人征信数据进行全面分析的局限性。从中国的互联网金融发展的实际情况出发,提出一种基于XGBoost机器学习算法的互联网金融风控模型,并与传统的统计评分卡模型进行了对比试验,同时给出了将机器学习模型预测结果转化为传统信用评分的解决方法。研究结果表明,机器学习模型能更好地预测个人信用风险,从而构建更加有效的风控体系。     

基于大数据的跨境电商平台供应商信用评估研究

跨境电商平台要实现其质量担保功能,必须对供应商进行有效信用评估。结合跨境电商交易模式及平台供应商的特点,充分考虑供应商信用评估数据的来源和处理方法,构建基于大数据的跨境电商平台供应商信用评价指标体系和基于BP神经网络的信用评估模型,并进行实证研究;在数据集基础上采用机器学习K-折交叉验证和混淆矩阵对模型进行评估,证明该模型具有较好的泛化能力和准确度。应用基于大数据的跨境电商平台供应商信用评估指标体系及评估模型,有助于实现跨境电商平台的质量担保功能,减少平台交易中出现的信息不对称问题。     

煤炭大数据指数编制及经验模态分解模型研究

基于开放性数据源、连续观测昨多变量数据编制的大数据指数,与传统的统计调查指数存在的差异不仅在于数据本身的无限扩张,而且在于编制方法以及分解研究的规则、模型方面的差异。在大数据背景下,率先尝试性地提出大数据指数的定义和数据假设,将"互联网大数据指数"引入煤炭交易价格指数综合编制太原煤炭交易大数据指数,从而反映煤炭价格的变动趋势;导入经验模态分解模型,对所编制的煤炭大数据指数进行分解研究,尝试比较与传统的统计调查指数的差异。研究表明:新编制的煤炭价格大数据指数要比太原煤炭交易价格指数更为敏感和迅速,能更好地反映煤炭价格的变动趋势。随着"互联网+"和大数据战略的逐渐普及,基于互联网大数据编制的综合指数会影响到更多领域,将成为经济管理和社会发展各个领域的晴雨表和指示器;与传统统计调查指数逐步融合、互补或者升级,成为宏观经济大数据指数的重要组成部分。     

建筑业企业信用评价体系初探

当前建筑业陪标串标、挂靠转包、拖欠工资等现象屡见不鲜,一些建筑业企业不从提高自身能力着手,仅在隐瞒劣绩、行贿业主、偷工减料等投机取巧上做文章,严重扰乱市场秩序,也阻碍其持续健康发展。为有效制止建筑业企业失信行为,让信用度的高低成为交易成功的决定性因素,形成优胜劣汰市场机制,必须建立一套科学的建筑业企业信用评价体系。     

大数据与数据工程学

大数据的冲击并非是对以样本数据为对象的统计学的颠覆,而是对现代统计学的扩展。本文结合大数据的相关特征,以数据经济价值的扩展为切入点,从数据价值挖掘的角度论证了数据挖掘与大数据分析的关系,探讨了大数据背景下数据衍生品的创造与数据工程学创建的必要性。在此基础上,参照“金融工程学”的概念及学科体系,对“数据工程学”的概念进行了界定,并对数据工程学学科体系构建的相关理论基础、主要研究内容与分析技术进行了归纳与说明。     

不平衡数据下模型评价指标的有效性探讨

模型评价指标对于衡量模型的表现尤为关键,只有正确合理的评价指标才能更好地反映模型的性能优劣。由于AUC和KS指标在被用于评价信用评级模型时,均存在忽视了数据的不平衡性和类别误判代价不等价性的不足,故文章从代价敏感矩阵出发计算总损失,进而提出新的评价指标——AKS指标。进一步地,模拟分析的结果表明,由AKS指标确定的阈值较KS指标更合理,且不同情形下AUC、KS和AKS指标的有效性分析结果表明AKS指标可以较好地衡量模型的分类性能。     

基于大数据的碳价预测

为了研究大数据是否能够帮助我们预测碳排放权价格,本文讨论了结构化数据和非结构化信息对预测碳价所起的作用。结构化数据选取了国际碳现货价格、碳期货价格和汇率,非结构化信息选择百度搜索指数和媒体指数。考虑到当解释变量很多时,平等对待每一个解释变量是不合理的,所以提出了网络结构自回归分布滞后（ADL）模型,在参数估计和变量选择的同时兼顾了解释变量之间的网络关系。实证分析表明,网络结构ADL模型明显优于其他模型,可以获得较高的预测准确性,更适合基于大数据的预测。     

基于大数据思维的统计学若干理论问题

本文基于大数据思维,对统计学若干理论问题进行了讨论。本文认为：在大数据背景下,统计学以数据为研究对象没有变,作为方法论科学的性质没有变,以探索真相为根本任务没有变;但是作为统计学研究对象的数据出现了四个新的动向,即数据内涵有新理解,数据结构与来源有新方式,数据不确定性有新表现,数据分析思路与技术有新要求;为此,需要重新理解和定义总体、个体与样本,标志与变量,可靠性与有效性这三组统计学中最基本也最重要的概念。最后论文指出,大数据为统计学发展提供了新的平台,需要我们从数据、方法和应用三个维度同时发力。     

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.     

企业信用风险5C评价的变权TOPSIS贴近度法

企业信用评价是信用管理的难点问题.与单纯的财务指标评价相比,5C评价法不仅考虑赊销方的客观财务实力,而且兼顾对方的主观偿债意愿,因而从方法论上讲,是一种较好的评价方法.受标杆管理的启示,文章引入变权理想点法,建立相应的线性规划数学模型,并以实例加以验证,在解决实际问题的中,该方法更加贴近人们的认知程度,具有一定的应用价值.