政府监管视角下建设市场主体信用评价模型研究

良好的信用环境对于促进建筑业的持续健康发展至关重要。在政府监管视角下,分析建设市场主体信用评价要点并从五个方面构建了信用评价指标体系。在此基础上,基于BP神经网络构建了建筑市场主体信用评价模型。选取国内30家建筑企业信用数据对模型进行验证,利用构建的BP神经网络模型并进行了训练和测试。分析测试结果显示,误差数据满足目标要求,基于BP神经网络的信用评价模型具有较好可行性与准确性。     

基于贝叶斯正则化BP神经网络的上市公司信用评价研究

在神经网络训练中引入贝叶斯正则化以提高模型的推广能力。通过与未使用提高推广能力方法和使用提前停止法两种情况进行比较,表明基于贝叶斯正则化的BP神经网络模型在上市公司信用评价中的推广能力有显著的提高。     

商业银行客户信用综合评估的BP神经网络模型的建立

根据资信评估理论,结合我国商业银行实际情况,设计了商业银行客户信用评估的指标体系,同时,运用BP神经网络构建客户信用综合评估模型,并提出了相应的算法。     

电信运营客户信用评分建模研究

随着电信市场改革的不断深入,电信企业客户信用管理越来越爱重视。本文运用数据挖掘中的决策树技术,针对重庆某电信运营公司提供的部分客户数据,进行了信用评分建模,为谈公司的客户信用管理提供了一种新的思路和解决方法。     

基于Elman神经网络的电信业务预测研究

介绍了Elman神经网络的结构,并将Elman神经网络应用于我国电信业务量预测。仿真结果和BP神经网络对比表明,Elman神经网络的预测结果更精确。     

电子商务中的信用模型研究

分析了信用的概念、内涵和度量方法,讨论了电子商务信用模型的构成,研究了电子商务信用模型的作用机理。该模型从信息的角度考察交易方的信用状况。在模型中引入了感知信任和信誉系统,通过对感知信任和信誉系统的比较来判断交易方的信用状况。     

基于科技人员的信用评价模型设计

如何建立科技信用评价体系是我国目前科研管理领域的研究热点.根据科研活动的特点,设计了科技人员信用评价指标体系,阐明了其指标涵义和评价标度.采用德尔菲法获取了指标权重,建立了科技人员的信用评价模型,设计并明确了7个评价等级的划分标准以及对应的物理意义.     

ARMA模型在远程心电诊断中的应用研究

研究适于远程心电诊断，基于ARMA模型的高精度的心电信号(ECG)直接分类方法．利用ARMA模型系数作为特征对ECG信号进行分类和压缩．在对信号特征分类时，采用了BP神经网络分类的方法．利用文中方法对MIT-BIH标准数据库中的正常窦性心律(NSR)、心房早期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)、室上性心动过速(SVT)和心室纤维性颤动(VF)各300个样本信号进行了测试，获得了96．51％～98．38％的分类精度．     

BP神经网络在人口模型中的应用

本文中将BP神经网络应用于人口预测,采用Matlab的神经网络工具箱函数建立神经网络预测模型,运用该模型对2006年至2010年我国城、镇、乡人口预测以及男女人口人数进行了预测,实践证明,该模型编程简单,并且克服了常规方法建立预测模型存在的模型复杂、训练时间长等缺点。     

基于神经网络的中小企业信用评价体系的构建

中小企业融资与大型企业具有不同的特点,将对大中型企业评价的方法运用到中小企业中,必然会导致贷款成本高、效率低、忽略了中小企业的成长性的特点。本文首先综述了神经网络的文献,再此基础上构建了基于神经网络的中小企业信用评价体系,以便更准确地评价中小企业信用。     

RS-ANN在消费信贷个人信用评估中的实证研究

针对神经网络个人信用评估方法训练时间长和网络结构较复杂的缺点,提出基于粗糙集和神经网络的个人信用评估模型。通过对比实验,结果表明RS-ANN模型在个人信用评估中表现出了较优的预测效果;并对如何改进消费信贷中个人信用评估工作提出了一些建议。     

基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

商业信用与公司投资行为的实证研究

以2007²012年中国上市公司数据为基础,从投资视角剖析商业信用融资对实体经济的影响,以研究商业信用融资与公司投资行为之间的关系。结果发现:我国上市公司商业信用的使用促进了固定资产、无形资产和在建工程投资支出的增加;相对于民营上市公司,国有上市公司获得的商业信用更多,但国有上市公司并没有因此提高商业信用的投资行为,而民营上市公司其商业信用融资的使用显著地提高了对投资支出。     

基于BP神经网络的不同学习方案下上市公司信用风险评价

企业的信用风险评级是金融领域的一个重要问题,采用BP神经网络来研究上市公司的信用风险评价问题。首先构建了上市公司信用评价的财务指标体系,然后根据3个不同的隐层结点,生成3种不同的神经网络模型。设计7种不同的学习一验证比例,选取了不同行业上市公司的财务数据,利用MATLAB中的神经网络工具箱编程进行实证分析在哪种模型和学习一验证比例下能够更好的对企业进行信用风险评价。     

基于倾向分数配对方法探讨企业社会责任行为与改善财务绩效

以被深圳社会责任指数收录的61家制造业公司为样本,将其定义为社会责任企业,未被收录的深市制造业公司定义为非社会责任企业,并采用倾向分数配对方法,控制公司规模、财务状况、管理能力及公司治理等特征变量的影响,进而研究企业社会责任行为是否可以改善财务绩效的问题。研究结果表明,社会责任企业的财务绩效显著优于非社会责任企业,企业社会责任行为可以改善财务绩效。     

基于BP神经网络的高新技术企业综合评价方法及应用研究

本文在各省市高新技术企业及其产品认定的基础上，为实现高新技术企业定量化综合评价，运用AHP法建立了高新技术企业评价指标体系，并基于改进的BP神经网络，提出了一套能够模拟专家思想的智能型高新技术企业定量化综合评价方法。     

信贷市场信用信息的产生机制研究

文章考察了有关借款人信用信息的两种产生机制。一种是对信用信息的直接生产机制，该机制可以减少信贷市场的信息不对称；一种是通过设置抵押条款，发挥抵押对信用信息的间接信号传递功能。抵押机制并不能直接减少信贷市场的信息不对称，但可以在贷款合约中起着信号、甄别以及激励等作用，消除或减少由信息不对称带来的逆向选择风险和道德风险。     

中国科技创新能力评价与比较

本文利用"欧洲创新记分牌"指标,提出了一种基于BP神经网络的国家创新能力评价方法,对中国的科技创新能力进行了评价与比较。首先建立国家科技创新指数指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。计算结果表明,在总体上,中国科技创新指数远落后于世界发达国家,与参加"欧洲创新记分牌"比较的33个国家相比,排名第22位,仅强于大多数东欧国家。     

基于BP神经网络的企业技术创新能力评价及应用研究

针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。在计算方法上,用MATLAB神经网络工具箱来进行网络设计和计算。通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的准确性和可操作性。