商业银行可持续发展评价研究

以16家上市商业银行为研究对象,构建出我国商业银行可持续发展评价指标体系,采用因子分析法对我国商业银行可持续发展能力进行实证评价研究,得出影响商业银行可持续发展的4个主因子以及16家上市商业银行可持续发展水平的单项及综合评价排名,据此对我国商业银行可持续发展状况做出评价并给出建议.     

我国商业银行信用风险管理讨论

商业银行的信用风险管理在国外已经形成了比较成熟的理论依据,而我国的金融市场开始比较晚,对商业银行的信用风险管理的研究相对发达国家也较晚.因此,对我国商业银行信用风险管理的实证研究,对于我国商业银行信用风险管理的发展有着现实的参考作用.     

我国商业银行零售业务发展存在的问题及对策

研究了我国商业银行零售业务发展中存在的问题,针对我国商业银行的情况,提出了发展我国商业银行零售业务的建议。     

商业银行经营管理与风险控制

金融业特别是商业银行系统的资源优化配置和风险管理在国民经济中起着极其重要的作用。中国科学院和中国社会科学院金融与管理科学研究组 ,围绕商业银行经营管理、金融市场变化和风险管理等重大理论和实际问题进行了研究 ,提出了相应的对策与建议 ;并结合当前商业银行亟待解决的问题 ,与商业银行开展广泛合作研究 ,为商业银行经营调整、风险防范提供决策支持     

金融自由化下商业银行多角化经营之影响因素--基于台海两岸商业银行之实证研究

本文以台海两岸上市商业银行为研究对象,根据不同股东结构研究在金融自由化过程中两岸商业银行多角化经营之影响因素。实证结果显示：中国大陆商业银行非利息收入比率显著低于台湾省商业银行;影响中国大陆商业银行非利息收入比率之主要因素是资产规模且成显著正相关关系;台湾省因金融自由化程度较深并出现银行过度竞争现象,故净息差成为决定商业银行非利息收入最重要之因素并成显著负相关关系。     

基于金融体制创新的商业银行利率风险管理研究

以商业银行利率风险管理为背景.构建解决商业银行利率风险问题的金融创新研究平台,从金融体制创新角度探寻商业银行利率风险管理的最优方案.为商业银行的利率风险管理与科学决策提供理论思路.     

我国商业银行风险评价研究

商业银行风险管理是商业银行经营管理中的重要内容。以商业银行风险为研究对象,对商业银行风险进行评价。在构建指标体系后,本文采用层次分析法和熵权法两种方法来确定各指标的权重,最后通过该指标体系和计算出来的权重,得出16家上市商业银行风险得最终得分值,对这16家商业银行的风险水平进行比较,做出评价。     

论我国商业银行利率风险管理机制的构建

随着我国利率市场化进程的加快,利率风险将逐渐上升为商业银行的主要风险之一,利率风险管理也成为商业银行资产负债管理的核心内容。但是,由于我国长期实行利率管制政策,商业银行普遍缺乏利率风险管理意识,利率风险管理水平比较低下,缺少科学完善的利率风险管理机制。如何应对利率市场化的新形势、加强利率风险管理、构建利率风险管理机制是当前我国商业银行应当重点关注并亟待解决的重要课题,因此研究我国商业银行利率风险管理机制具有十分重要的意义。文章从实际出发,探索研究了构建我国商业银行利率风险管理机制的问题。     

技术创新、效率改善与商业银行全要素生产率差异化增长

采用非参数Malmquist DEA前沿分析方法对中国41家不同类型的商业银行2000—2018年间的全要素生产率进行实证研究。研究结果表明,中国不同类型商业银行全要素增长率不仅存在明显的差异性,而且导致这种差异化增长的决定因素也各不相同：技术创新对全国性股份制商业银行全要素生产率的快速增长贡献率最高;区域性商业银行则更多地受益于自身的效率改善;国有控股商业银行在技术创新和效率改善上都低于平均水平,因此增长率相对较低。研究结论对我国商业银行在新常态下增加技术投入、加强技术创新并改善经营效率,借助创新驱动实现可持续的中高速发展提供参考借鉴。     

我国商业银行信息化发展研究与启示

深入研究商业银行信息化发展的问题,已经成为事关国内银行业生存和发展的重大课题.本文将近年来我国学术界关于商业银行信息化的研究作一归纳梳理,并对我国商业银行信息化发展进行提炼分析,以期能够促进我国商业银行信息化建设的发展.     

关于支持向量回归机的模型选择

支持向量机是在统计学习理论基础上发展起来的一种新型的机器学习方法。模型选择是设计支持向量机的重要内容之一。本文在分析用于回归的支持向量机原理的基础上,分别从核函数的选择、模型参数的作用、模型参数的调整方法等模型选择方面进行了综述,并讨论了模型选择的优缺点,最后指出在实际应用中常见的核函数和模型参数调整方法。     

基于SVM和KNN的文本分类研究

本文在详细介绍文本自动分类流程的基础上,通过实验对SVM和KNN两种算法进行比较研究,实验结果表明:SVM算法使用多项式核函数的分类准确性高于使用径向基核函数的分类准确性,且多项式核函数的分类准确性随着参数q的增大而提高;SVM采用多项式核函数进行分类的准确性普遍高于采用KNN的分类准确性;采用多项式核函数的SVM和KNN两种算法对短文本的召回率高于对长文本的召回率。     

基于SVM与KNN的中文文本分类比较实证研究

本文详细介绍了中文文本分类过程以及SVM和KNN两种方法在中文文本分类中的具体步骤,给出了中文文本分类的模型。通过实验对SVM算法和传统的KNN算法应用于文本分类效果进行了比较性实证研究。研究表明,SVM分类器较KNN在处理中文文本分类问题上有更良好的分类效果,有较高的查全率和查准率。     

Multi-source information fusion to identify water supply pipe leakage based on SVM and VMD

In order to solve the problem of the low leakage recognition rate of water pipes due to operating conditions influence in practice, a multi-source information fusion recognition method based on VMD and SVM is proposed. In this method, it firstly uses VMD to decompose the acoustic vibration signal of water pipes, and then a principle of IMF component selection is proposed. The IMF component selection is selected to extract the kurtosis vector of VMD, the sample entropy vector of VMD, the center frequency vector of VMD. Because the different eigenvectors to the sensitivity of different operating conditions have a great gap, the three eigenvectors become a new eigenvector by multi-source information fusion, which is finally input into SVM classifier for leak recognition. The comparison of experimental results show that this method can effectively recognize the signals of water pipes leak and other operating conditions. The recognition accuracy rate reach 98.75%, which is 1.04 times higher than SVM sorting technique, 1.18 times higher than that SVM classification recognition accuracy based on the sample entropy vector of VMD,1.14 times higher than that SVM classification recognition accuracy based on the kurtosis vector of VMD, and 1.11 times higher than SVM classification recognition accuracy based on the center frequency vector of VMD.     

改进的支持向量机无线网络安全检测算法模型

针对传统网络入侵算法在WLAN中的异常检测效率低,提出了一种SVM算法的WLAN入侵检测方法,首先对网络入侵的数据计算信息增益,从原始数据中选取对分类结果影响较大的特征属性,对SVM参数进行优化,最后采用优化的SVM算法对无线网络数据进行检测,得出网络入侵结果.实验结果表明,提出的算法检测正确率高、漏报率与误报率低,具有很好的应用前景.     

SVR算法在太阳黑子活动预测上的应用

支持向量机(SVM)是建立在统计学习理论基础上的一种通用的研究机器学习规律的方法。它具有很强的学习能力和泛化能力,可以有效地处理分类,回归等问题。SVM在处理非线性问题时,通过使用一个核函数来解决复杂计算问题。最小二乘支持向量机(LS_SVM)是SVM的一种改进,它提高了求解问题的速度和收敛精度。本文以太阳黑子为数据集,基于LS_SVM工具,使用了支持向量回归算法(SVR),实现了太阳黑子活动的预测。     

SVM决策树在沉积微相识别中的应用

支持向量机(SVM)作为统计学理论最年轻的分支,其应用日益广泛。针对油层沉积微相的多类识别问题,可采用支持向量机和决策树相结合的方法。对传统的SVM决策树进行改进的基础上,在SVM核函数选取过程中,构造了与实际问题有关的核函数。此方法有效的降低了支持向量机的设计难度,同时提高了识别精度和泛化能力。最后用实例对比神经网络验证了该方法的优越性。     

基于支持向量机的土地覆被遥感分类

遥感图像的分类是研究土地变化的基础。传统的遥感图像分类存在着精度不高,不确定性强的特点。本文使用支持向量机（SVM,Support Vector Machine）技术对遥感图像分类,并与传统的最大似然分类进行对比试验。结果表明不同参数组合下SVM的分类总精度和Kappa指数普遍高于最大似然分类的结果,其最高总精度高出最大似然分类0.9779%。SVM和最大似然分类结果都存在着类别混分,但是SVM混分程度远小于最大似然分类,其精度保持在可接受的范围内,如对于低密度草而言,最大似然分类的用户精度下降到84.68%,而支持向量机的用户精度虽然也有下降但还是保持在92.31%。SVM在样本数目很少的情况下表现出了出色的学习能力,是机器学习领域很有希望的一种学习方法。     

基于SVM的实时自动超声钢轨伤损检测分类系统

介绍了一个更有效的基于支持向量机的实时超声波钢轨伤损自动检测分类系统.根据钢轨伤损的特点提取特征量,利用基于支持向量机的分类预测算法实现钢轨伤损的实时检测分类,并基于统计处理的计算伤损尺寸.在嵌入式系统DSP中利用该机器学习算法实现了伤损的实时处理和测试.实现了钢轨伤损实时报警、显示伤损类型、所处轨内位置及程度.     

基于支持向量机的股票投资价值分类模型研究

本文遵循价值投资理念,建立基于支持向量机的股票投资价值分类模型。首先随机抽取500支A股股票作为样本,并选取对股票投资价值影响显著的财务指标构造样本特征集,然后采用支持向量机方法建立股票投资价值分类模型,最后将其与BP神经网络和RBF神经网络相比较,结果表明支持向量机的分类效果和泛化能力最优。