基于数据挖掘的上市公司信用评级变动预测

文章研究如何利用机器学习算法来预测中国上市公司的信用评级变动.选取了中国2003-2015年可得信用评级的记录,得到330条信用评级变动的记录.随后利用包含传统的线性分类器和最近提出的AdaBoost及随机森林分类模型等五类模型进行了实证.实证结果显示,随机森林分类模型对信用评级变动的预测能力最强.     

基于淘宝网的信用评级制度与管理

据国内著名互联网分析机构艾瑞咨询调查,淘宝网占据了国内电子商务80％以上的市场份额。虽然淘宝网引入了信用评价体系,但其提供的是一个虚拟的平台,虚假交易、假冒行为、合同诈骗、侵犯消费者合法权益等各种违法违规行为屡屡发生。建议加强买卖双方诚信管理、建立透明的信用体系、完善网购的法律制度等来强化信用评级管理。     

基于RBF神经网络的商业银行客户信用评级

文章旨在为商业银行提出一种较科学的企业信用等级评定方法——基于RBF神经网络的企业信用的评级方法。提出了客户信用的评价指标;并利用RBF神经网络模拟各评价指标和客户企业实际信用之间的复杂非线性关系。本文使用matlab编程建立RBF神经网络,并通过试算法确定隐含层神经元的个数和径向基函数的分布密度(spread)取值,使所得网络仿真效果达到最佳。     

基于累积Logistic回归的西部上市企业信用评级模型

在企业获取资金的过程中,对企业进行全面的信用评级是成功获取资金的关键。文章对信用评级做出了简介,利用累积Logistic回归分析法对我国西部地区上市企业信用评级进行了分析和对比,讨论了模型的局限性和未来的研究方向。     

早教品牌信用评级的实践和思考

让更多的家庭受益于早期教育研究成果精华,让更多的宝宝接受科学、系统地早期教育知识和训练,是所有早期教育工作者面临的责任和使命。通过对早教服务行业进行品牌信用评级及分析,分析目前我国早教服务行业品牌建设存在的问题、解决办法及其发展方向。本文通过对《品牌信用评级实施细则》中各项指标详细解析,指出了企业在各项指标上存在的问题并提出解决办法供企业参考。     

我国创业板上市公司信用评级研究

文章选取2015年我国创业板上市公司的多元财务指标,运用因子分析法,在对每家企业进行K-means聚类分析的基础上,用Z值进行分类,将之作为该年度创业板上市公司信用评级的基准.然后利用该年度的数据作为测试集,以该模型对创业板上市公司的评级结果作为目标输出构建BP神经网络模型,并利用2016年创业板上市公司的财务数据,套用该模型进行仿真预测.发现创业板公司评级整体在中等偏下水平,且涨幅排名前十的公司信用评级整体上明显优于排名最后的十家公司,该评级结果说明,在2016年股市波动较大的情况下,创业板上市公司财务状况越好,其评级越高,越能经受住市场的考验.     

信用评级合谋的行为特征与监管的动态博弈模型

文章从发行公司、评级机构和监管部门三方的角度出发研究信用评级合谋的行为特征及其监管策略。通过建立某种动态博弈模型对案例和参数敏感性进行了分析。结论表明:首先发行公司的净收益总是为正,因此具有与评级机构合谋的动力,其信用评级的虚假程度与发行公司和评级机构的贴现因子以及查处概率成反比。其次评级机构一般往往倾向于合谋,其合谋收益分成比例由发行公司和评级机构的贴现因子的比例关系决定。再者监管部门付出的监管成本越大,信用评级的虚假程度就越低。据此给出了几点政策建议。     

对两阶聚类法自动确定聚类数规则的求证

文章从两阶聚类法(TwoStep Cluster TSC)的原理出发,以联合对数极大似然估计值为基础,论证了BIC、BIC变化、BIC变化率、距离变化率等核心指标的计算公式,进而系统阐述了TSC分两步确定聚类数的规则,并通过实例对规则进行了演示.     

基于遗传算法的有序样本聚类及其应用

传统的解决有序样本聚类的Fisher最优分割法对计算机存储能力要求较高,不适合由于样本长度较大时的情况.实践中常用的最优二分割法只能求得局部最优解.文章提出了一种基于遗传算法解决有序样拳聚类问题的新算法.该算法适用于多种聚类距离,适合于大样本,可以解决方向聚类问题.     

消费行为的因子检验与消费价值的聚类统计

文章运用主成分分析法实证检验我国大中城市居民消费价值观对休闲消费行为的影响,并对消费者消费行为做出聚类分析.研究发现:消费者价值观可分为自信进取型、时尚享乐型、传统保守型等3大聚类,不同聚类消费者的休闲消费行为呈现出不同特征.     

基于分位点回归系数聚类的时间序列分类方法

时间序列曲线分类的目的是为了找到曲线之间相似波动结构、减少建模工作量和进行预测,所以分类的结果将直接影响模型的质量和预测的精度.为此,文章提出了一种新的时序曲线分类方法-分位点回归系数聚类法.它可以有效地避免一些分类方法带来的局限性,能够更为全面、详尽地考查待分类时序数据的运行方式,改善分类的效果并为预测提供强大的支持.     

基于构成要素的聚类算法

目前国内外各种聚类算法数以千百计,本文提出了一个基于聚类算法构成要素的分类框架,进行了文献综述,并指出了四个研究热点。     

银行信用风险小样本评级模型的构建

针对实际能够获取到的样本银行数量少而无法准确划分信用级别的问题,文章构建了一个小样本评级模型:通过逼近理想点赋权模型确定评级指标的权重,建立评级总得分的测算模型;通过非参数核密度估计方法与切片取样方法获得反映小样本分布规律的评级大样本,解决了科学扩充小样本的难题;通过ward聚类对评级大样本进行有序分类,建立了可分为9个信用级别的小样本评级模型.     

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。     

基于灰色聚类的企业自主创新能力评价

本文依据创新能力评价的基本原则,构建了我国企业自主创新能力评价的指标体系;继而以我国主要行业领域内的14个代表型企业为评价样本,运用灰色聚类分析方法对其自主创新能力进行了客观量化实证研究;得出灰聚类评估结果并对评价结果进行了归纳性分析。     

基于稀疏聚类的高维数据特征选择及应用

文章研究了一种高维数据聚类特征选择方法——稀疏聚类,稀疏聚类是通过对特征变量赋予权重,并添加lasso惩罚因子,压缩权重,得到对变量的权重排序,即重要性排序,使其在进行分类预测的同时达到自动剔除冗余变量的效果,从而起到了对高维数据聚类时的特征选择作用.将此方法运用于中国环保问题,将中国31个省份根据环保情况分为3类,并从现有的104个环保指标中筛选得到20个重要指标.     

基于区间数观察值的灰色白化权函数聚类模型重构

针对区间数观察值的白化权函数取值范围是一个区间数的思路,文章结合单一实数值不同测度白化权在不同区段内白化权取值的增减特性,给出一种基于区间数观察值的典型、上限、三角、下限测度白化权函数的新算法,并结合区间数可能度排序方法,提出了新的对于区间数观察值的灰色白化权函数聚类决策步骤.并验证了本文算法的有效性.     

基于粗糙集指数加权的聚类算法

对数据集进行聚类分析的过程中,由于数据属性包含的个性信息有差异,导致数据属性在聚类过程中的作用会有差异。因此需要对属性进行加权,以减少包含共性较多的属性对聚类结果的影响。目前粗糙集加权研究仅用于属性值为少数离散值的情况。提出了基于粗糙集指数加权算法,对原始数据集进行预处理,并设计实验,验证了该算法能够有效提高聚类算法的正确率。     

基于互信息量的改进K-Modes聚类方法

文章提出了一种基于互信息量的改进K-Modes聚类方法,采用样本互信息来刻画数据对象属性之间的相互关系。在此基础上提出了一种新的距离度量,该距离度量方法既考虑了对象某个属性值本身的不同,又考虑了对象其它属性对该属性值的影响,使之更符合实际问题情况。实验结果表明,聚类方法有效地提高了聚类精度。     

回收率与违约率负相关下的信用违约互换定价研究

现有关于信用违约互换的定价模型中,大都假设回收率与违约概率相互独立。但实际经济中,回收率与违约概率存在着负相关性,尤其在经济衰退时期。文章利用穆迪公司的违约与回收率数据,运用Eviews5.0建立了三种可能的负相关模型,并通过违约概率与违约强度的关系建立了回收率与违约强度的负相关模型。最终选取对数模型来表示这种负相关性,并引入到CDS的定价中去,拓展了现有模型。