随机环境中的生产作业计划问题

生产系统中通常会涉及各种不确定因素 ,如不确定的顾客定单、不确定的生产作业时间等 .在当今时间竞争非常激烈的时代中 ,生产型企业如何把握生产系统中的这些不定因素变得尤为关键 .本文研究在不确定的作业时间、工序间延迟时间等情况下的生产作业计划问题 ,利用 scenario模型把这类随机生产计划问题归纳为一个多阶段随机决策问题 .进而 ,采用Lagrangian松弛和 scenario分解的方法求解这样一个大型的决策问题 .最后 ,就一个实例建立模型、进行计算和分析 ,以说明本文提出的随机生产计划方法的特点和有效性     

供应链金融模式下的信用风险评价

以往银行对中小企业信用风险评价主要是把单个企业作为主体,关注企业的财务数据,而在供应链金融融资模式中,对中小企业风险的认识和评价则换了一个新的视角.本文研究了在供应链金融模式下的信用风险评价,提出了考虑主体评级和债项评级的信用风险评价体系,用主成分分析法和Logistic回归方法建立信用风险评价模型,减少目前对供应链金融业务评价大多依靠专家评价的局限,并通过比较供应链金融融资模式和传统银行授信模式下的中小企业守约概率的不同,揭示了供应链金融在一定程度上缓解了中小企业的融资困境,并提出应加强对客户基础数据库的建设,从而有利于对现有信用评价体系的修正和完善,提高其准确性.     

C2C电子商务网站信用评价模型的分析与研究

信用问题是制约电子商务发展的主要瓶颈,目前国内C2C电子商务网站所提供的信用评价体系.在一定程度上保证了网络交易的安全,但也存在着一些问题.本文以占国内C2C市场份额67％的淘宝网为研究对象.分析其信用评价模型存在的问题,在实名认证、信用评价等级设计、信用评价记分方法和交易评价规则等方面提出一些改进措施,并在此基础上建立一种改进的信用评价模型.     

我国上市公司财务信用评价指标体系构建初探

目前,由于我国信用制度缺乏,信用体系涣散,在相当程度上制约了中国经济的健康稳定发展.通过对我国目前信用评价指标体系现状的分析,本文引入平衡记分卡原理设计出一个具体的财务信用评价指标体系,便于各种不同的评价方法对企业的财务信用等级进行界定,并通过证券市场投资者的失信惩罚和监管机构惩罚,实现上市公司财务信用的根本好转.     

基于价值链的生产企业质量信用绩效评价研究

建立企业质量信用绩效评价体系对于提高产品质量安全具有非常重要的作用和意义。本文在借鉴相关研究成果的基础上，建立了企业质量信用管理的价值链模型，并以此模型为依据建立了企业质量信用管理绩效评价指标体系，应用模糊综合评价模型进行企业质量信用绩效综合评价。实例分析表明，通过这种方法，能够发现企业质量信用的贡献因素和制约因素，这将为企业质量信用管理的进一步发展提供决策支持。     

上市公司财务实证比较——以房地产行业与汽车制造业为例

企业之间的财务比较,往往通过财务指标来反映,而仅仅比较财务指标有时并不一定能真实反映两企业之间的财务差异.这是因为企业所属的行业不同,行业间的资金流动、资产运作状况的差异,都可能使得同样的财务指标反映出不同的财务信息.本文拟通过神经网络方法,对房地产行业和汽车行业的财务数据建立预警模型,并将一个公司的数据分别代入两个模型预警,比较不同行业财务指标在反映财务状况方面的差异.     

生存分析在顾客间隔购买时间研究中的应用

越来越多的零售商向顾客发放积分卡并积累了众多顾客购买行为的数据.这些数据对企业提高科学决策水平有重要价值,但是目前我国零售企业还很少对这些数据进行开发,主要原因之一就是缺乏方法上的支持.本文以一家购物中心客户积分卡的历史交易数据为基础,使用Kaplan-eier非参数方法估计了顾客间隔购买时间,应用Cox比例风险模型对间隔购买时间的影响因素进行了分析.研究表明,间隔购买时间具有明显季节性,交易特征和人口统计特征都对间隔购买时间有显著的影响.     

组织学习评价方法和学习工具的研究及在30家民营企业的应用

本文基于提出的组织学习过程模型,建立了组织学习评价体系.该评价体系先在3家企业进行试验和修订,然后在30家民营企业进行应用,文章对评价结果进行了分析和评论.针对当前组织学习工具缺乏的问题,文章还论述了自行开发的组织学习新工具--组织学习自测系统.     

ABC/M系统应用的集成框架研究

随着企业竞争的加剧,传统成本系统所提供的信息已难以满足企业经营决策的需要,越来越多的企业开始关注作业成本管理(ABC/M)系统.但由于实施ABC/M系统耗资巨大,对ABC/M系统的应用价值缺乏全面了解,很多企业对引入该系统还处于犹豫观望之中.本文以ABC/M的传统模型为基础,将与作业成本有关的各种概念和方法整合在一起,系统地论述了ABC/M系统在企业经营决策中的各种应用,以期为企业全面了解ABC/M系统的应用价值提供参考.     

基于BP神经网络的供应商评价选择问题的研究

随着经济全球化,市场上的供应链已经形成,供应链环境趋于完善.越来越多的企业开始重视供应商,考虑构建一个供应商评价系统来实现供应商的选择并加强与供应商的交流合作.但是目前缺乏有效的能够应用于开发系统的供应商评价方案,难以满足实际的需求.供应商评价模型设计是开发供应商评价系统的基础.通过对供应链环境下的供应商评价和BP神经网络的研究,以汽车制造行业为例构建了供应商评价模型以方便供应商评价系统的实现.     

Improving Default Risk Prediction Using Bayesian Model Uncertainty Techniques

Credit risk is the potential exposure of a creditor to an obligor's failure or refusal to repay the debt in principal or interest. The potential of exposure is measured in terms of probability of default. Many models have been developed to estimate credit risk, with rating agencies dating back to the 19th century. They provide their assessment of probability of default and transition probabilities of various firms in their annual reports. Regulatory capital requirements for credit risk outlined by the Basel Committee on Banking Supervision have made it essential for banks and financial institutions to develop sophisticated models in an attempt to measure credit risk with higher accuracy. The Bayesian framework proposed in this article uses the techniques developed in physical sciences and engineering for dealing with model uncertainty and expert accuracy to obtain improved estimates of credit risk and associated uncertainties. The approach uses estimates from one or more rating agencies and incorporates their historical accuracy (past performance data) in estimating future default risk and transition probabilities. Several examples demonstrate that the proposed methodology can assess default probability with accuracy exceeding the estimations of all the individual models. Moreover, the methodology accounts for potentially significant departures from “nominal predictions” due to “upsetting events” such as the 2008 global banking crisis.     

信用风险的动态测量方法

本文提出了以市场波动性为基础的信用风险的一个动态量度框架.首先,通过把市场运动对信用暴露的影响量化,使得在信用风险的量度中融合了市场风险的因素,具有了动态的特征;其次,采用广义违约的概念,通过对基于历史数据的累计违约概率表进行拟合,得到了具有长期稳态的转移矩阵,由此得到的违约概率也具有动态属性;再次,根据有关金融产品优先级的历史数据,可以估计得到回收率;最后,把三者结合,得到了信用风险(信用损失)的动态量度,并对该量度框架的实际应用进行了探讨.     

A Multicriteria Outranking Modeling Approach for Credit Rating

Rating models are widely used by credit institutions to obtain estimates for the probabilities of default for their clients (firms, organizations, individuals) and to assess the risk of credit portfolios. Several statistical and data mining methods are used to develop such models. In this article, the potential of an outranking multicriteria decision‐aiding approach is explored. An evolutionary algorithm is used to fit a credit rating model on the basis of the ELimination Et Choix Traduisant la REalité trichotomique method. The methodology is applied to a large sample of Greek firms. The results indicate that outranking models are well suited to credit rating, providing good classification results and useful insight on the relative importance of the evaluation criteria.     

基于或有可转债的债务悬空应对方法及其定价研究

债务悬空(Debt Overhang)会导致公司陷入财务困境,阻滞其开展正常的投融资活动。现有研究表明,发行或有可转债(Contingent Convertible Bonds,简称CoCos)有望成为一种应对债务悬空的有效方法。本文以债务悬空应对方法及其定价为研究主题,通过改进CoCos债转股的触发阈值,即以债务悬空发生时公司资产账面价值作为触发阈值,以解决现有CoCos产品在债务悬空应对的适配性方面的不足。具体地,结合债务悬空发生时公司资本结构的特征,考虑转股后的破产清算,基于结构化信用衍生品定价方法进行建模,进而得到CoCos债转股及破产清算时公司资产账面价值的触发阈值,并给出了公司资产、普通债、CoCos、股权价值的解析解,据此进一步计算CoCos和普通债的信用价差及公司的财务杠杆。最后,通过数值模拟,探析了波动率、发行期限以及息票支付的税盾效应对CoCos和普通债信用价差的影响,及CoCos和普通债的发行期限和数量对财务杠杆的影响;得到了通过适当提高CoCos合约的债转股比例,可以有效降低债务悬空发生可能性的结论。     

基于Metacost的客户信用评估半监督异构集成模型研究

针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model, Meta-Semi-HE)。该模型主要包括三个阶段：1)用Metacost方法修改初始有标签训练集得到Lm;2)在Lm上通过AdaBoost方法训练N个异构分类器hi(i = 1,…, N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。     

债务抵押债券（CDO）定价模型研究综述

作为近10年来发展最为迅速的信用衍生产品之一,CDO已在国外银行等金融机构的风险管理过程中得到了广泛的应用,美国近期次级贷款市场的不良表现致使CDO等金融衍生品的设计与定价受到更强烈的关注。系统介绍和比较分析了业界普遍采用的BET、Copula、因子Copula等CDO基本定价模型;简要回顾了当前理论界的研究热点——因子Copula模型和动态模型的研究进展;对未来可能的研究趋势作了展望。     

仿EM的多变量缺失数据填补算法及其在信用评估中的应用

数据缺失会显著降低信用评估模型的准确性和可用性,尤其是多变量同时有数据缺失时。本文针对模型应用阶段的多变量数据缺失问题,提出了一种新的数据填补算法。该算法由两阶段构成：准备阶段和数据填补阶段。在准备阶段,算法基于朴素贝叶斯方法以初始数据集进行训练,对每个可能缺失的变量构建起相应的单变量预测估计模型;而数据填补阶段则借鉴了EM算法的思想,利用前期的单变量预测估计模型,对给定的多变量数据缺失样本进行交替迭代,逐步填补更新。理论证明,该算法具有单调收敛性。以人人贷数据集和UCI提供的德国和澳大利亚两个信用评估基准数据集为例,将其与众数填补法、EM填补法进行性能对比实验,结果表明本文方法的数据还原性能和填补后信用评估准确性都明显更优。这为解决信用评估时的数据多变量缺失问题提供了一种更好的处理方法。     

基于互联网金融模式的结构性理财产品风险度量研究进展

针对由期权和固定收益类产品组合而成的结构性理财产品，本文基于互联网金融模式对结构性理财产品进行风险度量理论、方法及应用研究进行了分析和述评，并对基于互联网金融环境下用不同分布类型来刻画风险因子相依关系的线性和非线性资产组合的风险集成度量模型进行了归类总结。最后，提出了基于互联网金融模式的结构性理财产品风险度量研究展望。     

Dynamic Financial Constraints: Distinguishing Mechanism Design From Exogenously Incomplete Regimes

We formulate and solve a range of dynamic models of constrained credit/insurance that allow for moral hazard and limited commitment. We compare them to full insurance and exogenously incomplete financial regimes (autarky, saving only, borrowing and lending in a single asset). We develop computational methods based on mechanism design, linear programming, and maximum likelihood to estimate, compare, and statistically test these alternative dynamic models with financial/information constraints. Our methods can use both cross‐sectional and panel data and allow for measurement error and unobserved heterogeneity. We estimate the models using data on Thai households running small businesses from two separate samples. We find that in the rural sample, the exogenously incomplete saving only and borrowing regimes provide the best fit using data on consumption, business assets, investment, and income. Family and other networks help consumption smoothing there, as in a moral hazard constrained regime. In contrast, in urban areas, we find mechanism design financial/information regimes that are decidedly less constrained, with the moral hazard model fitting best combined business and consumption data. We perform numerous robustness checks in both the Thai data and in Monte Carlo simulations and compare our maximum likelihood criterion with results from other metrics and data not used in the estimation. A prototypical counterfactual policy evaluation exercise using the estimation results is also featured.     

基于改进教学式方法的可解释信用风险评价模型构建

信用风险评价是金融机构风险防控的重要环节之一。近年来，基于机器学习的信用风险评价模型以其准确的预测效果受到越来越多的关注，但机器学习模型具有可解释性不强的弊端，导致投资者无法完全信任其预测结果。针对上述问题，本文提出了一种改进的教学式方法，利用机器学习模型指导生成一个兼顾准确性与可解释性的信用风险评价决策树模型，以辅助投资者决策。为提高决策树对机器学习模型中正确功能的学习能力，提出了基于Weight Synthetic Minority Over-sampling Technique（Weight-SMOTE）的伪数据集生成方法，以提高伪数据集中可信度高的功能所标记的伪样本比例；为实现所生成的决策树在准确性、可解释性以及其与机器学习模型一致性间的有效权衡，在决策树生成过程中提出了一种新的决策树剪枝方法；同时针对保真度评价指标的局限性，提出了真保真度评价指标，来有效的衡量决策树与机器学习模型正确功能的近似程度。最后使用3个真实信用风险评价数据集对改进的教学式方法进行验证，实验结果表明所提出方法能够生成准确且可解释的信用风险评价模型，以满足投资者的决策偏好与实际需求。