以短期融资券为研究对象,构建基于信用利差的公司违约概率样本,并将传统正定核最小二乘支持向量机(LS-SVM)模型拓展到不定核LS-SVM模型对公司违约概率展开合理预测分析,进而对不定核LS-SVM模型与正定核LS-SVM模型以及Logistic模型进行了全行业以及分行业公司违约概率的预测精度对比。实证结果表明,基于不定核LS-SVM模型的公司违约概率预测模型无论在全行业还是在分行业中均展现出最优的预测性能,且具有更为优异的稳健性。

天然气消费量的预测对于四川省这样的一个天然气资源大省有着非常重要的意义。影响天然气消费量的因素很多,并且影响机制比较复杂,传统的线形预测模型必然会存在较大误差。文章在考虑影响四川省天然气消费量众多影响因素的基础上,选择出比较有代表性的自变量体系,利用主成分分析方法对自变量体系进行降维及去噪,并将生成的主成分作为四川省天然气消费量预测模型的自变量体系,采用最小二乘支持向量机(LS-SVM)建立非线形预测模型。结果表明,该模型性能明显强于其它预测模型,具有一定的应用价值。

文章提出了一种基于灰色相似度和信息熵的最优样本子集生成方法,进而采用LS-SVM方法建立了软件成本预测模型,并运用混合网格搜索和粒子群优化算法进化得到模型的各项参数。实证以加拿大软件园的desharnais数据集为对象,通过网格搜索确定灰色相似度的分辨系数和样本子集的相似度阈值,采用粒子群算法确定LS-SVM模型的参数,通过与线性回归和不考虑样本子集生成的预测结果比较发现:该方法在软件成本预测中的准确率有较大提高。

文章根据森林火灾的实际数据,选取适当的目标函数,利用最小二乘支持向量机(LS-SVM)建立模型,通过对LS-SVM中超参数的联合优化选择出最佳模型,并把用所选模型进行预测的结果与支持向量机(SVM)预测的结果进行比较,结果表明所建立的森林火灾预测模型具有较高的预测精度。

在信用风险管理领域,由于中国商业银行信贷数据只满足Logistic模型的要求,因而预测单个信用资产违约率只能以Logistic模型为主线建模。以中国某商业银行1999~2005年的信贷数据为样本,实证分析得出,企业本身、宏观经济、地区及行业四方面因素对企业违约概率存在显著相关性。通过以上述四因素为变量,所构建的预测电力、公路、城镇建设三个行业信用资产违约概率的Logistic模型分析与预测单个信用资产违约的结果来看,四要素模型对中国商业银行的信用风险管理具有参照价值。

文章介绍了最小二乘支持向量机及遗传算法的原理,利用遗传算法优化参数后的最小二乘支持向量机建立四川省天然气消费量的时间序列预测模型。并利用两个性能指标将其与BP神经网络模型进行了对比,结果表明,在样本有限保证一定精度的情况下,遗传算法优化参数后的最小二乘支持向量机模型的范化能力较强,能够利用该模型对四川省天然气消费量进行预测,并在最后利用该模型预测2007~2009年四川省天然气消费量。

为了提高财务困境预测的正确率,减少模型的训练样本数和训练时间,在传统支持向量机(SVM)预测模型的基础上,将遗传算法、信息熵和缩减记忆算法应用于最小二乘支持向量机(LS-SVM),提出了一种基于遗传算法和信息熵的缩减记忆式最小二乘支持向量机预测模型。并独立推导出了适合财务困境预测这一离散序列的熵以及支持向量机核函数的表达式,同时,给出了这一改进模型的实现步骤。实验结果表明,该模型无论是预测正确率,还是训练样本的数量和训练时间,都显著优于最小二乘支持向量机以及传统支持向量机模型。

本文利用Logistic回归分析建立了上市公司信贷违约概率预测模型,通过选取样本数据、测试数据、年度配比数据和反映公司的偿债、举债经营和运作资金的能力的15个上市公司财务指标,首先使用样本数据和测试数据对模型进行了分析和检验,其次分别通过改变数据的配比方式、年度数据来观察模型预测分类结果,检验模型的历史预测能力,最后根据全文分析得出相关结论。

本文从期权理论的视角分析了住房抵押贷款违约问题,建立了违约概率预测模型。明确了住房抵押贷款的违约条件,即抵押物的市场价格小于借款人的债务面值,从而把违约概率的预测问题转化为抵押物的市场价格和债务面值的确定问题;在此基础上,提出了房屋价格与贷款余额的计算方法,建立了违约概率预测模型,并以实例说明了模型的有效性。

为准确对乳腺肿瘤进行分类诊断,减轻病患痛楚,提出基于邻域粗糙集与遗传算法修正的LS-SVM解析模型的乳腺肿瘤分类诊断模型。文章对1569例乳腺癌患者数据在邻域粗糙集约简基础上,建立LS-SVM解析模型,利用遗传算法对LS-SVM解析模型参数修正并将修正后的模型对乳腺肿瘤进行分类诊断,与现有的方法对比发现,组合模型精确度高于LS-SVM、神经网络等模型。基于邻域粗糙集与修正LS-SVM解析模型的乳腺肿瘤分类诊断模型具有较好的临床诊断价值,其应用为乳腺肿瘤的诊断提供了一种新思路。

为准确对乳腺肿瘤进行分类诊断,减轻病患痛楚,提出基于邻域粗糙集与遗传算法修正的LS-SVM解析模型的乳腺肿瘤分类诊断模型。文章对1569例乳腺癌患者数据在邻域粗糙集约简基础上,建立LS-SVM解析模型,利用遗传算法对LS-SVM解析模型参数修正并将修正后的模型对乳腺肿瘤进行分类诊断,与现有的方法对比发现,组合模型精确度高于LS-SVM、神经网络等模型。基于邻域粗糙集与修正LS-SVM解析模型的乳腺肿瘤分类诊断模型具有较好的临床诊断价值,其应用为乳腺肿瘤的诊断提供了一种新思路。

用Ｌｏｇｉｓｔｉｃ模型计算公司违约概率在实际应用中存在两个问题：一是在缺乏公司违约记录数据库或违约记录数据库不典型的情况下，无法应用该模型或模型计算结果不准确；二是现有Ｌｏｇｉｓｔｉｃ违约概率模型忽视了不同行业财务指标分布特征的差异性，导致公司违约概率计算结果的准确性降低。针对问题一，本文通过公司债券信用利差计算市场隐含的公司违约概率，在Ｌｏｇｉｓｔｉｃ变换的基础上进一步确定Ｌｏｇｉｓｔｉｃ线性回归的参数，使得公司违约概率的计算结果符合债券市场的实际状况。针对问题二，通过不同行业关键财务指标的单因子方差分析，证实了行业间财务指标的分布特征具有显著性差异，通过拟合优度证实了区分行业建立Ｌｏｇｉｓ．．．

文章依据生存分析统计方法中的比例危险法,提出了违约比例模型来测算商业银行公司类贷款的违约概率,并采用我国某商业银行数据进行了实证分析。分析结果表明,该模型能够准确测算商业银行公司类贷款的违约概率,以便商业银行提取普通准备金和配置经济资本。

为了提高财务困境预测的正确率,改善模型预测的效果,将邻域粗糙集和遗传算法应用于对偶约束式最小二乘支持向量机,提出了一种基于邻域粗糙集属性约简的对偶约束式最小二乘支持向量机预测模型。同时,给出了这一改进模型的实现步骤。实证结果表明,通过邻域粗糙集指标预处理和遗传算法参数优化后,不但提高了模型预测的正确率,还降低了模型运行的时间,证实了该模型应用于财务困境预测是有效的。

In this paper, a new method based on LS-SVM (Least Squares Support Vector Machines) is presented to deal with credit assessment in commercial banks for solving the problem of inadequate samples of the financial data,which usually happended in most banks in China.On the basis of SLT(Statistical Learning Theory),this approach with methodology of SRM (Structural Risk Minimization)will overcome the shortcomings of traditional credit assessment models,such as over fitting and local optimization,and,by using kernel functions in model,it will effectively solve the problems of linear inseparability and selecting parameters of model.The approach has some good properties including a generalization ability and global optimization in terms of sample processing.It is a new way for the credit assessment on the condition of small samples from bank data.The feasibility,effectiveness and practicability of presented approach was verified by experiments.