一种简单而有效的信用评分方法

本文设计了一种简单易行的信用评分方法,给出了其构造的过程与应用步骤,而后采用实际的信用卡数据对该方法进行了检验,两类信用区分的实证结果表明,与流行的信用评分方法相比,该方法在本数据集中获得了很好的分类效果.     

基于组合分类的消费者信用评估

为了降低单个分类模型的不稳定性,提高其应用于消费者信用评估的准确性,提出一种基于组合分类的消费者信用评估方法.首先通过有监督聚类将各个类别的数据样本划分为若干子集合,使得各个子集合中数据样本均来自同一类别,再对不同类别子集合之间进行两两组合得到训练样本子集合,然后在各个训练样本子集合中分别建立不同的分类模型.在分类模型结果综合阶段,以各个分类模型在待分类样本的近邻训练样本中的分类性能作为权重,对各个分类模型的结果进行加权投票以产生待分类样本的最终分类结果.实证研究以决策树作为基本分类器,通过在实际的消费者信用数据集上的比较分析,说明所提出方法相对于其它组合分类方法具有更高的分类准确性,可以有效应用于消费者信用评估.     

我国信用消费者权益保护研究

我国信用机制建设的严重滞后正成为制约我国信用交易尤其是信用消费发展的“瓶颈”。我国信用消费者个人的隐私权、知情权等公民基本权利缺乏有效的法律制度保障。本文结合我国实际，从隐私权保护和知情权保护两方面提出我国信用消费者权益保护的制度构建。     

信用评估风险的组成要素研究

随着经济全球化的脚步越来越快,对企业市场行为的信用评估显得愈加重要。本文站在信用评估中介的角度,对商业信用评估过程中的风险问题做了一定的研究,希望能树立评估人员的风险意识,进而提高信用评估结论的准确度。     

商业银行信用风险评估预测模型研究

依据商业银行信用风险的内涵,指出信用风险评估应当充分考虑信贷资金安全系数的不 确定性和信用风险的相对性特征,并以“信用风险度”作为系统的输出,构建了基于人工神经网 络的信用风险评估预测模型,为有效转变信用风险的分类评估模式,提供更为全面的信贷决策 支持奠定了基础.     

基于ANFIS和Elman网络的信用评价研究

BP神经网络用作信用等级分类可取得较好的效果,但在过分要求输出信用分值时效果不佳。针对该缺陷,本文采用自适应神经网络(ANFIS)和Elman网络研究公司信用评分。文中提出了一套甄选方法准则,用于建立适合我国企业的信用评分指标体系;然后依据该指标体系建立了基于Elman网络和ANFIS的信用评估模型;采用V foldCross validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

Logit模型在商业银行信用风险评估中的应用研究

以不良贷款率作为信用风险衡量标准,尝试构造商业银行信用风险评估的Logit模型,并结合t检验和主成分分析法对模型进行实证分析.结果表明,流动性与偿还能力对信用风险的影响作用最大,其后依次为赢利性指标、资本结构和财务杠杆指标、资产管理效率指标、现金流指标和成长性指标,资本市场表现和资产质量的影响并不显著.进而证明Logit模型具有非常可信的识别、预测及推广能力,是商业银行信用风险评估的有效工具.     

小议新消法中的信用档案

2013年10月25日,全国人大常委会第十二届第五次会议高票通过了《关于修改〈中华人民共和国消费者权益保护法〉的决定》(以下简称《消法》),自2014年3月15日实施。此次修改内容涉及面广,对诸多消费者权益保护热点问题作了明确规定。其中有关信用档案内容的首次录入,无疑是一个重大的创新之举。     

基于消费者感知的C2C电子商务信用研究

本文在C2C电子商务环境下研究基于消费者感知的信用评价模型,说明了模型的两个应用,运用层次分析法对信用反馈模型指标赋予权重,提出了模型应用需要第三方认证机构的支持.     

Bagging-BP算法及其在客户信用评估中的应用

随着银行信贷的发展以及其对信用风险的关注,客户信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中采用单个分类器进行评估,预测精度难以提高,本文提出了Bagging-BP算法,它以BP神经网络作为基本分类器,利用Bagging方法产生多个基本分类器,最后用简单多数投票法进行集成。在UCI中的German和Australian信用数据集上的实验结果表明,Bagging-BP优于单个分类器和以其他基本分类器进行组合的算法。     

主成分分析法在承诺评价模型中的应用

承诺是企业间相互合作进而形成战略联盟的重要条件。系统地分析了影响分销商对制造商承诺的主要因素,建立了评价分销商承诺的指标体系,构建了相应的承诺综合评价模型。在此基础上,以制造商的视角,提出了利用主成分分析法逐层对该模型进行定量分析评价的思路,并测度了分销商对制造商的承诺水平。     

基于主成分分析的国有商业银行竞争力评价研究

在现有商业银行竞争力评价指标的基础上,建立了一套完善的可量化的商业银行竞争力评价指标体系库.运用主成分分析法对该指标体系库的指标进行筛选,得到了信息反映程度高且不受指标间相关性影响的商业银行竞争力评价指标体系.该体系的特色与创新表现在:从现实竞争力和潜在竞争力两方面综合地考察国有商业银行的竞争力;通过主成分分析筛选得到包含较少指标的指标体系,能够反映全部原始数据的信息;降低了信息丢失程度,避免了指标间相关性对后期评价的影响;利用OBLIMIN斜交旋转法得到显著影响综合竞争力的若干因素,有利于国有商业银行更有针对性地提高自身竞争力.从实证的角度,运用斜交旋转法,找出影响国有商业银行竞争力的银行的盈利能力、发展能力、创新成果等主要因素,为国有商业银行的发展提供了具有实践意义的参考.     

基于信用风险度的商业银行风险评估模型研究

本文依据商业银行信用风险的内涵,结合信用风险的不确定性和相对性特征,提出以"信用风险度"作为系统的输出,并针对传统模式识别评估方法的不足,构建了基于补偿模糊神经网络的信用风险评估预测模型,为有效转变信用风险的分类评估模式、提供更为全面的信贷决策支持奠定了基础.实证结果表明,该模型是一种较为有效的评估方法.     

信用评估中的鲁棒赋权自适应Lp最小二乘支持向量机方法

消费者信用评估是金融风险管理和信用产业竞争的一个重要方面.信用评估数据中常带有噪声点,并且其类别是不均衡的.最小二乘支持向量机是一个被广泛应用的分类模型,其模型简单,求解速度快,但鲁棒性差.本文提出了一个鲁棒赋权自适应L_p最小二乘支持向量机模型,能够适应信用评估样本数据库类别不均衡的特点,可以有效处理信用评估数据中带有噪声点的问题.在仿真数据和三个信用数据库上的实证分析表明,本文所提出的模型具有较好的鲁棒性和分类能力.     

区域生态安全的主成分投影评价模型及应用

本文探讨了区域生态安全评价指标的选取和赋权方法,建立了区域生态安全的主成分投影评价模型,并通过安徽省17个地级市的实证分析,得出具有较强实际意义的结论,为区域生态安全评价研究和生态安全管理实践提供理论基础。     

基于供应链的企业信贷风险评估研究

提出了基于供应链的企业信贷风险评估指标体系,全面地评估贷款申请企业的偿贷能力,克服了当前企业信贷风险评估中存在的只对申贷企业孤立评判的不足.应用BP神经网络,基于新提出的企业信贷风险评估指标体系,开发了风险评估的数学模型.算例研究的结果表明,该模型具有良好的可操作性,能对企业贷款申请进行有效、精确地评估.     

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。     

基于核主成分分析的生态评价模型及其应用研究

利用"驱动力-压力-状态-影响-响应(DPSIR)"框架构建了生态评价指标体系。建立了基于核主成分分析的生态评价模型,并对中国10个副省级城市的生态状况进行了分析。创新与特色一是将人的需求、经济发展和社会进步等要素纳入DPSIR概念框架构建指标体系,克服了现有生态评价片面关注环境与资源状况或只关注环境保护与治理状况的不足。二是通过比较各备选核函数对应的核矩阵与最优核矩阵的相似度确定了最优核函数和最优核参数,改变了现有研究的核函数和核参数随意选取的问题。三是通过对评价指标和评价系数进行属性聚类确定影响生态评价的关键因素,改变了核主成分分析无法判断关键影响因素的问题。四是研究结果表明,影响中国副省级城市生态状况最重要的指标分别是人均绿色GDP、人均绿地面积、空气质量和万元GDP SO2排放强度;而人均居民生活用电量、人口密度和人口自然增长率对其影响很小;影响中国副省级城市生态状况的最重要的评价准则依次是驱动力、状态、压力和响应。     

基于差分进化自动聚类的信用风险评价模型研究

随着风险评价的日益复杂化, 多维度、多时序等不规则的样本数据增加了评估的难度。本文建立信用风险评价的差分进化自动聚类模型, 并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据, 相反, 通过群体智能去寻找最优的分区。通过数据仿真, 并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究, 结果表明, 该模型能够非常准确的找到数据对应的分区, 大大提高了信用评估的准确性, 降低了风险成本, 对信用风险的管理和控制具有很高的利用价值。     

小样本数据信用风险评估研究

针对我国商业银行信用风险评估有效历史数据样本容量小的特点 ,本文提出了一种小样本情况下的信用风险评估建模技术 ,该方法通过样本的重复使用 ,提高了有限样本的使用效率 ,减小了预测的偏差 .实证结果表明 ,与传统的判别分析方法相比 ,该方法建立的信用评估模型精度更高