V-fold交叉验证和BP神经网络在信用评价中的应用

研究关于公司神经网络信用评估问题的现状，提出一套甄选方法准则。用于建立适合于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BP回归神经网络的信用评估模型；采用V—fold交叉验证技术，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。     

企业信用评估指标体系与评价方法研究

市场经济是信用经济,但当前我国经济运行中失信问题突出,诚信建设尤其是企业信用建设亟待加强。信用体系建设的核心是选择科学的信用评估指标体系与评估方法。本文从企业征信的基本模式、企业信用评估的指标体系和评估模型三个方面阐述信用评估方法,同时结合我国实际对信用体系建设提出了建议。     

基于BP神经网络的行业间中小企业信用评估模型及应用

首先构建了行业间中小企业信用评估指标体系,然后利用安徽省不同行业的800家中小企业调查数据,将其分为训练样本集和测试样本集,对BP神经网络的构造进行讨论,确定BP神经网络的算法,建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分分行业数据进行实证,并对仿真结果做出分析,指出造成农、工行业信用较大差距的原因,并提出加强农业行业信用建设的建议.     

基于迁移学习的客户信用评估模型研究

客户信用评估是银行等金融企业日常经营活动中的重要组成部分。一般违约样本在客户总体中只占少数,而能按时还款客户样本占多数,这就是客户信用评估中常见的类别不平衡问题。目前,用于客户信用评估的方法尚不能有效解决少数类样本稀缺带来的类别不平衡。本研究引入迁移学习技术整合系统内外部信息,以解决少数类样本稀缺带来的类别不平衡问题。为了提高对来自系统外部少数类样本信息的使用效率,构建了一种新的迁移学习模型:以基于集成技术的迁移装袋模型为基础,使用两阶段抽样和数据分组处理技术分别对其基模型生成和集成策略进行改进。运用重庆某商业银行信用卡客户数据进行的实证研究结果表明:与目前客户信用评估的常用方法相比,新模型能更好地处理绝对稀缺条件下类别不平衡对客户信用评估的影响,特别对占少数的违约客户有更好的预测精度。     

基于Kolmogorov-Smirnov(KS)统计量的信用评分模型选择方法

信用评分系统在商业,金融,工程和健康等许多领域具有重要意义。Kolmogorov-S mirnov(KS)统计量是一种常用的评估信用评分模型的指标,Directly Maximizes the KolmogorovSmirnov (DMKS)是一种首次将KS统计量作为目标函数进行优化的信用评分方法。本文提出了一种基于DMKS信用评分方法以及交叉验证的模型选择方法,用于选择具有合适特征的信用评分模型,并且证明了该模型选择方法在理论上具有渐近最优性。本文使用Iterative Marginal Optimization (IMO)算法加速了模型选择准则的计算,使得本文所提模型选择方法可以适用于样本量较大的情形;同时利用前向变量选择方法的思想进一步地减少了本文所提模型选择方法的计算,从而加快了选取具有合适特征的信用评分模型的速度。模拟数据和实际数据分析表明了所提模型选择方法的有效性。     

特征选择方法在信用评估指标选取中的应用

在信用评分模型中所运用的指标变量对模型的表现有重要的影响,指标选取方法的科学化规范化水平有待于进一步提高。本文研究了机器学习领域的特征选择方法在定量确定信用评分模型指标体系上的应用。以实际信用评估问题为例,对四种特征选择方法(ReliefF方法、基于相关性的方法、基于一致性的方法和包裹性)进行了比较试验,验证了特征选择方法可以在精简性、速度和准确率三个方面提高信用评分模型的表现。其中基于一致性的方法和包裹法表现优于Reli-efF方法和基于相关性的方法。     

中小企业信用担保机构系统动态仿真模型研究

建立中小企业信用担保机构可以有效缓解中小企业贷款难、担保难的问题，推动中小企业发展、产业结构升级和经济腾飞。本采用系统动力学方法，结合遗传算法，建立了中小企业信用担保机构系统动态仿真模型，对中小企业信用担保机构运行情况进行了定量研究和仿真。实证研究的结果表明：该方法科学、合理，可以为决策提供政策支持。     

融入社会关系强度的个人信用价值度量模型研究

融入社会关系数据的信用评估已成为国内外信用研究热点,文章以三维信用中个人信用理论为基础,嵌入在线社会资本理论,提出了一种融入社会关系强度的个人信用价值度量方法.通过引入节点间的信任强度量化在线社会资本,根据自身节点属性、网络中所处位置、关联节点影响力、以及关联节点间的直接和间接关系强度等要素构建个人信用价值度量模型,实验结合个人支付宝芝麻分经验数据,从实践角度验证了模型对修正个人信用的有效性.研究提出的度量模型对互联网金融服务、大数据征信系统建设,在线社会资本理论研究具有重要意义.     

西部民族地区农村劳动力转移的影响因素分析——基于多水平Logistic模型的研究

本文基于西部少数民族地区农户转移的微观调查数据,根据西部民族地区劳动力转移的实际情况和相关的劳动力转移理论,构建了一个两水平的Logistic回归模型,并利用该模型定量分析了农户的家庭因素、所处行政村的经济、社会发展水平和自然环境等对红河州农户家庭劳动力转移的影响程度,最后据此提出了促进西部少数民族地区农村劳动力转移的相关政策建议。     

基于BP神经网络的企业信用评估模型

本文研究了企业信用评估中的模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

基于BP神经网络的P2P网贷借款人信用评估

评估借款人信用是P2P网贷公司控制风险的重要步骤,对于网贷公司的正常运行有着极其重要的意义。论文参考商业银行信用指标体系并根据P2P网贷自身特点,建立了P2P网贷借款人的信用评估指标体系。根据建立的指标体系构建相应的BP神经网络模型,并利用一步正切法进行优化。然后选取具有代表性的P2P网贷平台的相关数据,对该模型进行训练和仿真,证明了该模型对P2P网贷平台的风险控制起到一定的作用。     

Artificial immune algorithm-based credit evaluation for mobile telephone customers

The arrearage problem is a critical concern for China’s mobile communication services industry. Analysis of customer credit evaluation provides this study with a potential viable solution to the arrearage problem in China. By employing an artificial immune algorithm (AIA), a measure of customer credit based on customer attributes is proposed. This method was applied to one China mobile communication services company with approximately 400?000 customers yielding satisfying results. Utilizing traditional predictive accuracy and alternative metrics, performance comparisons of the proposed AIA were made using the feed-forward back propagation artificial neural network and the logistic regression model. A decision tree analysis of anticipated benefits was performed and indicates workability of the proposed method based on customer credit evaluation.     

基于人工神经网络的商业银行信用风险模型

在对人工神经网络的基本原理进行简要介绍的基础上 ,着重对构建商业银行信用风险的人工神经网络模型进行了研究 ,实证结果表明 ,人工神经网模型具有很高的预测精度     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

Defensive financial decisions support for retailers in Greek pharmaceutical industry

In this paper, we present a decisions support solution designed for Greek pharmacies comprising a cash flow management system for early warning of financial distress and a financial advisor based on a neural network. The cash flow monitoring system integrates accounting elements with real time transactions and a predictive linear regression model while the decision support module is developed with the help of a neural network. For any given business unit the system associates accounting entries with information about credit times to reflect the precise instants of cash flows and using inflows/outflows equations monthly, eventually build its liquidity curve and cash flow balance over time. Alongside, a linear regression module is introduced to estimate future cash reserves based on past profitability ratios. Lastly, combining the power of artificial neural networks with expertise in this sector of pharmaceutical business, the financial decision support tool focuses on the retailers that face financial difficulties and suggests alternative solutions for escaping from distress and insolvency. The model has an ambitious and useful purpose, to inform and consult the owners of the business units and other members of the pharmaceutical chain, thus reduce financial risk for the chain.