风险企业信用等级评估及其灰色关联模型

在风险投资运作过程中,风险投资机构如何正确地选择有信用的风险企业合作,关系到整个风险投资的成败．本文将就风险企业信用等级指标体系的构建及其评价模型进行研究．由于风险企业的信用等级评估是一个信息不完全的复杂多因素综合决策问题,适合于运用灰色系统理论进行信息处理．为此本文从风险投资机构的角度,构建了风险企业的信用评价指标体系及评价因素集,并建立灰色关联信用评估模型,较好地解决了对风险企业的信用进行综合评估的问题．     

放松管制与社会福利

运用定量分析的方法构造了博弈数学模型,讨论了寻租存在与否两种情况下,放松管制所导致的社会福利变化.结果表明,在不存在寻租的情况下,政府放松管制将促使社会福利增加;在存在寻租的情况下,政府放松管制对社会福利的影响和在位企业与潜在进入企业的相对数目相关.只要潜在进入者数目相对在位企业数目足够多,即使存在寻租的情况,放松管制仍然可以提高社会福利.这从一个角度解释了为什么我国在目前行政管理体制改革滞后、地方保护主义、权力寻租依然存在的情况下,实行放松管制等经济改革措施能够提高社会福利.     

风险企业信用等级指标体系的构建及模糊判断

在风险投资运作过程中,风险投资公司如何正确地选择有信用的风险企业合作,关系到整个风险投资的成败.从风险企业信用等级的角度构建了风险企业的指标评价体系及评价因素集、权重集,并以定性分析与定量计算相结合的FCE方法较好地解决了对风险企业信用进行综合评价的问题.     

产品市场竞争与大股东控制下的自愿披露决策

在自愿披露的竞争劣势成本动机理论基础上,假设大股东是以利益最大化为目标的经济人,在博弈论的指导下,利用古诺模型探讨上市公司自愿披露决策。发现产品市场竞争劣势成本降低了上市公司的信息披露水平。在存在大股东控制的情况下,尽管可能损害公司价值和小股东利益,上市公司管理层仍以大股东利益最大化为目标调整公司的自愿披露决策,但有效的投资者赔偿诉讼机制可以纠正管理层的信息披露决策。分析了模型结论对经济实践的借鉴与政策含义。     

基于实物期权的布图设计价值评估

针对布图设计产业化过程中的不确定性、风险差异性和投资决策的动态序列性,提出了基于实物期权的布图设计价值评估模型,并通过算例分析证明了实物期权方法的客观性和有效性.     

随机扰动下的电力系统强迫振荡分析

为了研究随机扰动下电力系统强迫振荡的特点,基于同步机机械功率上随机扰动的功率谱密度模型,为多机系统建立了模态叠加形式的频率响应模型.由功率谱密度分析方法得到了同步机功角的功率谱密度表达式,进而分析了随机扰动下系统强迫振荡的4个影响因素.在新英格兰39节点系统上比较了不同随机扰动的激励下同步机功角的随机振荡情况.结果表明,当随机扰动功率谱密度的峰值频率和系统固有频率一致时,发生随机意义上的共振现象.发生随机共振时,同样强度的随机扰动,谱密度峰度越大系统振荡越剧烈,而随机扰动的峰值频率在固有频率附近、扰动谱密度峰度较小时更容易激起系统强迫振荡.     

重置变结构神经网络的算法

神经网络的结构直接影响到网络性能的优劣，进而影响其推广使用，是目前研究的焦点之一．尝试将重置算法应用于经典BP神经网络的结构优化，研究了重置算法中最佳重置时间的性质，同时提出一种重置变结构经典BP神经网络．     

基于神经网络专家系统的创业企业信用等级评估研究

该文从风险投资机构的角度，研究了创业企业的信用评价构建的基本原则，并给出相关的评价指标体系及评价因素集。引入人工智能中的神经网络理论，建立了神经网络专家系统信用评估模型。实例检验表明，该模型能较好地对创业企业的信用进行综合评估。     

前馈神经网络学习新算法及其仿真

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛．为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入拟牛顿(QuasiNewton)优化算法,并与LM(Levemberg—Marquardt)法相结合,构建基于LM—QuasiNewton法的前馈神经网络．仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性．     

前馈神经网络权值学习综合算法

目前基于高斯牛顿法及其衍生算法的前馈神经网络虽然可以达到局部二阶收敛速度,但只对小残量或零残量问题有效,对大残量问题则收敛很慢甚至不收敛.为了实时解决神经网络学习过程中可能遇到的小残量问题和大残量问题,引入NL2SOL优化算法与GaussNewton法相结合,并引入熵误差函数,构建基于GaussNewton NL2SOL法的前馈神经网络.仿真实例表明,该神经网络较好地解决了残量问题,具有良好的收敛性和稳定性.