检索结果-南通市图书馆

基于过欠重抽样的类别非平衡SVM财务困境预测研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于过欠重抽样的类别非平衡SVM财务困境预测研究

作者：吴凤娟浙江师范大学

学位级别：硕士

人类社会的发展基于最基本的社会组织--企业,而公司财务则融通于企业的每个方面,是企业经营成果与真实财务状况的最直接反映,所以对于现代企业来说,对公司财务的掌控就是对于自身发展的掌控。尤其是在当下经济周期处于波谷阶段、整个市... 详细信息

人类社会的发展基于最基本的社会组织--企业,而公司财务则融通于企业的每个方面,是企业经营成果与真实财务状况的最直接反映,所以对于现代企业来说,对公司财务的掌控就是对于自身发展的掌控。尤其是在当下经济周期处于波谷阶段、整个市场坏境不利的情况下,企业的发展不够稳定,对于企业财务困境的预警更加必要。随着大数据时代的全面推移,数据挖掘已然被应用到各个领域,加上中国金融市场日益规范化的趋势,人工智能方法预测企业财务困境已成为当下研究的热点之一。尽管国内外有许多的学者在财务困境预测领域提出了大量的人工智能预测方法,并且逐步形成完善的理论体系,但是大多数的研究都是基于财务困境类别平衡的角度,这显然是不符合实际要求的。基于中国资本市场的实际情况与前人的论证,本文选取基于类别非平衡的视角进行财务困境预测研究。通过对以往文献的阅读分析,本文从实证数据角度,算法角度以及评价标准角度对基本分类器SVM进行改进,并对比单一分类器SVM以及所构建模型之间横向对比,发现本文所构建的模型对类别非平衡的财务困境预测有效果。在理论研究中,本文以学习性能较强的分类器SVM为核心算法。在数据层面,主要运用了SMOTE过采样技术,Tome Links欠采样技术,并融合过欠重抽样方法。在算法改进角度,运用了Bagging集成技术融合SVM和Adaboost集成技术融合SVM。在评价标准层面,本文采用类别非平衡分类判别常用的评价准则G值和F值指标。本文对比分析并改进的主要模型有基于数据层面的SMOTE+SVM, Tome Links+SVM, SMOTE+Tome Links+SVM;基于算法层面改进的模型Bagging+SVM, Adaboost+SVM;基于数据层面和算法层面改进的模型SMOTE+Bagging+SVM, SMOTE+Adaboost+SVM, SMOTE+Tome Links+Baggi ng+SVM, SMOTE+Tome Links+Adaboost+SVM.在实证研究中,本文收集了上交所与深交所2003年至2012年间373家ST公司被ST前的第二年财务数据,并根据行业相同资产规模相近的原则以1：3的比例配比1119家非ST公司的财务数据作为原始样本集。并对该原始数据集通过独立样本T检验、逐步判别分析和多重共线性检验等统计方法进行预处理,得到实验用初始数据集,再通过Matlab软件对本文分析的模型进行仿真建模,得到实证结果。对比分析,无论是从数据层面改进还是从算法层面改进的SVM模型判别准确率都远优于单一的SVM模型;单独结合抽样技术时,SMOTE+SVM远优于1ome Links+SVM, SMOTE过抽样技术为准确率带了极大的提高;单独结合集成方法,Adaboost+SVM远优于Bagging+SVM,说明在类别非平衡的时候即使是结合学习能力较强的分类器,Adaboost集成也有较强的效果;过欠重抽样集成多SVM集成时,SMOTE+Tome Links+Bagging+SVM 优于 SMOTE+ Bagging+SVM、SMOTE+Adaboost+SVM、SMOTE+Tome Links+Adaboost+SVM。综合得到过欠重抽样融合Bagging技术的SVM在本文的模型中具有最优最稳定的判别效果,其判别准确率为83.15%,G值为88,F值为74。

关键词：财务困境预警类别非平衡 SVM 过欠重抽样集成算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国企业境外投资风险管理研究

中国企业境外投资风险管理研究

作者：胡亚静对外经济贸易大学

学位级别：硕士

近年来,随着经济全球化不断推进,资本与生产要素跨国流动日趋频繁,跨国并购、投资活动已然成为经济增长新的动力。在这种形势下,中国企业紧跟世界潮流,积极实施“走出去”战略和“一带一路”战略,充分利用国内国外两个市场、两种资源参... 详细信息

近年来,随着经济全球化不断推进,资本与生产要素跨国流动日趋频繁,跨国并购、投资活动已然成为经济增长新的动力。在这种形势下,中国企业紧跟世界潮流,积极实施“走出去”战略和“一带一路”战略,充分利用国内国外两个市场、两种资源参与国际分工,提高国际竞争力。中国企业境外投资获得了显著发展,投资规模不断壮大、投资领域遍布全球,投资主力呈多元化趋势,然而,伴随着中国企业境外投资迅速发展,投资风险也日趋剧增。企业由于复杂的国际环境和自身管理原因导致投资失败,造成我国企业境外资产损失惨重。因此,加强中国企业境外投资风险控制显得尤为重要。本论文通过分析现状、发现问题、解决问题的逻辑思想,构建投资风险控制防范体系,从“风险识别、风险评价、风险防范”三个环节进行展开研究。首先运用SWOT分析法分析中国企业境外投资面临的优势、劣势、机遇与挑战、通过对宏观的国别风险和微观的企业风险全面梳理风险数据库,风险识别。在界定完风险因素的基础上,运用定量与定性相结合的方法评估风险,构建风险指标评价体系,将风险评估嵌入到投资决策流程和投资运营中。最后,围绕风险防范方面,通过政府宏观层面风险防范机制和企业微观层面风险防范机制构建企业境外投资风险防范体系。

关键词：中国企业境外投资风险管理

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

中国企业债券违约问题及防范多案例研究

中国企业债券违约问题及防范多案例研究

作者：杨文天津财经大学

学位级别：硕士

自2014年第一起债券违约爆发开始,五年间债券违约事件频发,2018年债券违约企业破百家,2019年虽有回落形势仍然不容乐观。债券违约事件不仅给债券市场的健康稳定发展造成负面影响,也导致各投资主体利益受损,各企业债券发行更难、发行成... 详细信息

自2014年第一起债券违约爆发开始,五年间债券违约事件频发,2018年债券违约企业破百家,2019年虽有回落形势仍然不容乐观。债券违约事件不仅给债券市场的健康稳定发展造成负面影响,也导致各投资主体利益受损,各企业债券发行更难、发行成本更高。本文围绕国内债券市场的发展现状,对中国企业债券市场发生违约的事件及具体情况作了简要说明,描述了其不断增高的趋势变化和行业、地区分布等突出特征,从2014-2019年间发生债券违约的企业中选出了八家具有代表性的企业作为研究样本,对案例企业作了简要介绍,包括公司简要情况、主营业务和违约历程;深层次挖掘并总结出发生大规模违约事件的根本原因,包括外部原因和内部原因。由于宏观经济下行、行业周期性不景气以及政策收紧等造成了发债企业处于不良外部环境,内部原因则包括公司治理弊端和经营策略的失误,以及财务弹性转弱、流动资金管理不善等,造成负债率过高,企业偿债风险不断增加,最终导致债券违约的发生,对中国债券市场的发展造成恶劣影响,让投资者蒙受巨大损失,也断送了企业再融资的机会。最后,针对中国债券市场和发债主体得出结论,提出了以下加强对风险防范的针对性建议:市场监督层面要健全监督管理机制,债券评级机构的评级制度急需完善,企业要合理确定发展目标,针对自身特点设定战略规划,避免盲目扩张和激进策略,加强内部经营管理;加强内控制度管理;构建科学合理财务管理制度和加强财务预警体系建设。本文通过宏观及微观层面对中国债券市场和案例企业的具体分析,为应对行业风险和违约风险提出了针对性建议,为发债主体和债券投资者提供了一定借鉴和参考。

关键词：债券违约中国企业信用风险风险防范

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于脑电与眼动信号的多模态情绪识别研究

基于脑电与眼动信号的多模态情绪识别研究

作者：王璇青岛理工大学

学位级别：硕士

随着社会经济高速发展,虽然人们生活水平得到大幅度提高,然而情绪问题却随之而来,它涉及到了幼儿到老年各年龄段的人群。如果情绪不能及时被发现和排解,则会对生活、学习以及工作产生负面影响。严重情绪问题甚至会引起恶性事件的发生。... 详细信息

随着社会经济高速发展,虽然人们生活水平得到大幅度提高,然而情绪问题却随之而来,它涉及到了幼儿到老年各年龄段的人群。如果情绪不能及时被发现和排解,则会对生活、学习以及工作产生负面影响。严重情绪问题甚至会引起恶性事件的发生。因此,对情绪状态的判定是解决情绪问题的前提,尤为重要。情绪识别方法大体分为基于生理信号和非生理信号的识别方法,在众多生理和非生理信号中,脑电波(Electroencephalogram,EEG)因其不易伪装和实时性强的特点,一直被作为情绪识别研究的首选介质之一。但目前基于脑电的情绪识别主要提取其时序特征、空间特征或时-空特征进行情绪识别。仅提取时序特征很难得到精确的电极位置关系;而利用空间信息又会造成时序特征提取的精度不高;基于时-空特征方法往往仅使用一种数据表现形式,极易丢失相关细节信息。针对上述问题,本文重新构建了两种脑电数据形式,用于时间和空间特征提取。此外,由于情绪产生是一个全局的过程,因而基于脑电信号的单模态情绪识别存在细节特征提取不全面的问题,为了弥补细节特征,本文又增加了眼动数据,具体的研究内容如下:(1)提出了一个基于并行Transformer和3D-CNN的多通道脑电情绪识别模型。首先,分别构造了并行通道脑电图和位置重建脑电图序列两种数据形式,同时兼顾了脑电的时序和空间位置特征;然后,使用Transformer和3D-CNN模型,分别提取脑电上下文时序特征和空间特征;最后,将两个并行模块提取的特征,在特征级进行融合作为最终情绪的识别特征。(2)然而,对基于脑电的单模态情绪识别存在有关情绪细节特征提取不全面的问题,本文在该方法的基础上进行了改进。首先,构建了包含时空特征的脑电图序列帧,利用一系列分组卷积提取其局部时空特征;其次,经过通道混合后的局部特征以分组的形式输入到多头注意力模块,以提取其时域全局特征作为脑电特征。再次,本文在脑电信号的基础上又添加了另一种外在行为信号—眼动信号,通过两种模态的特征融合进行情绪分类。(3)为了验证提出模型的性能,本文使用三个公共数据集分别进行了实验。对基于脑电的单模态情绪识别,本文在DEAP、Dreamer和SEED-IV数据集上以受试者为单位进行了实验,在DEAP数据集的两个维度上分别得到98.27%(Arousal)和98.53%(Valence)的情绪识别准确率;对于Dreamer数据集也可以达到97.74%(Arousal)和96.80%(Valence);对SEED-IV同样能够达到98.86%的准确率。除此之外,本文还将SEED-IV数据集划分为四种不同场景,对优化前后模型的性能进行了比较。在优化之后,基于脑电与眼动信号的双模态情绪识别能够达到99.72%的准确率。综上,本文提出的基于脑电与眼动信号的多模态情绪识别方法在现有的公共数据集上均达到较高的准确率,与现有的其他模型相比,具备更优的情绪识别能力,有很好的发展前景。

关键词：脑电波眼动信号情绪识别特征融合深度学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

互联电力系统AGC控制策略研究

互联电力系统AGC控制策略研究

作者：耿蕊华北理工大学

学位级别：硕士

随着现代电力网络互联和自动化的发展,不但区域电网之间需要互联支援,电网本身也需要与新能源协调发展,而间歇式新能源的接入等新问题使电网本身的结构、运行和控制复杂化,对电网运行带来了新的挑战。这些发展需求中出现的新问题的解决... 详细信息

随着现代电力网络互联和自动化的发展,不但区域电网之间需要互联支援,电网本身也需要与新能源协调发展,而间歇式新能源的接入等新问题使电网本身的结构、运行和控制复杂化,对电网运行带来了新的挑战。这些发展需求中出现的新问题的解决和综合性能要求的提高,主要是通过电网频率控制和精准负荷预测来保障。因此研究对当今电网环境具有适应性的自动发电控制(AGC)系统势在必行。自动发电控制(AGC)是可以保障电力系统安全平稳运作的关键方式,良好的控制策略对于保持频率安稳具备重大作用。在包含有小规模风电的互联电力系统的环境下,关于其自动发电控制策略进行相干钻研。1)关于电网平台的每个部分抓住其主要要素,忽略次要因素建立数学模型。针对风电规模不庞大,容量相之微小的环境下,将风电区域加入到普通发电系统中,规模较小的风力发电作为负的负荷与常规火电机组和水电机组都参与到负荷频率控制中。构建普适性较强的小容量风电和普通发电系统相互联接的广区域电力平台模型。2)完全发挥滑模变结构控制策略的极强鲁棒特性,针对互联电力系统设计基于滑模变结构的负荷频率控制器。为了保证滑模控制系统的稳健可行,从理论上运用李雅普诺夫稳定性原理验证。采用仿真实验证明所设计的控制策略具有良好的普适性和灵敏性。3)采用深度学习算法耦合粒子群优化的SVM组合策略实现负荷预测。利用深度学习中的深度信念网络的极强的特征属性提取特性,来挖掘海量数据的深层隐含信息。基于用户实际负荷数据,验证了上述模型的有效性,在海量大数据面前,深度学习展现了其强力的学习训练能力和提取数据属性特征功用。这种混合策略能够较好的拟合映射实际繁杂函数,解决了负荷预测精准度难以提升的问题。图26幅;表4个;参50篇。

关键词：自动发电控制负荷频率控制短期负荷预测滑模控制

基于类别非平衡时序数据批的企业财务困境预测动态建模研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于类别非平衡时序数据批的企业财务困境预测动态建模研究

作者：刘欣浙江师范大学

学位级别：硕士

财务困境预测研究一直备受理论界和实务界的高度重视,一旦企业发生财务困境,不仅会影响到企业自身的生存和发展,还会影响到其他利益相关者的利益,甚至引发国家金融危机。在当前国际金融危机影响还在持续、全球经济复苏乏力、中国经济下... 详细信息

财务困境预测研究一直备受理论界和实务界的高度重视,一旦企业发生财务困境,不仅会影响到企业自身的生存和发展,还会影响到其他利益相关者的利益,甚至引发国家金融危机。在当前国际金融危机影响还在持续、全球经济复苏乏力、中国经济下行压力大的背景下,如何构建更科学有效的财务困境预测模型来及时监控企业的财务风险,具有重要的现实意义。近80年来国内外学者对财务困境预测理论进行了深入研究,并己取得丰富的理论成果,然而当前研究仍然存在不足。一方面,当前绝大部分的研究都是基于平衡数据集的研究,这与财务困境公司只占所有上市公司少数比例的事实不符,从而高估了模型对财务困境公司的预测性能;另一方面,当前很多学者在进行财务困境预测模型研究时都采用静态横向面板数据进行建模,而未考虑到随着时间的推移财务数据成增量流动的特点及概念漂移问题的发生,基于静态横向面板数据建立的模型可能无法有效预测含新财务困境概念的样本。因此为了建立更贴合实际更有效的财务困境预测模型,根据数据的非平衡性和时序性的特点,本文基于类别非平衡和概念漂移双重视角,试图构建基于类别非平衡时序数据批的企业财务困境动态预测模型。本文在总结理论文献资料和实践调研资料的基础上,提炼出本文的研究课题为基于类别非平衡时序数据批的企业财务困境预测动态建模研究,然后采用跨学科、定性分析、定量分析和比较分析、实证分析等研究方法,具体从理论基础研究、动态模型的构建研究和实证研究三方面展开对基于类别非平衡时序数据批的企业财务困境预测动态建模研究。首先,本文提出企业财务困境预测动态建模的含义和流程,并结合人工智能和数据挖掘相关理论,对企业财务困境预测动态建模理论基础进行研究,为模型的构建研究提供坚实的理论支撑。其次,基于类别非平衡和概念漂移的双重视角,将非平衡处理技术和概念漂移的思想融入到财务困境预测动态建模中。对于类别非平衡问题本文采用了SMOTE采样和数据分割的处理办法,对于财务困境概念漂移问题本文采用了滑动时间窗口的处理办法,模型以SVM、MDA、Logit为基分类器。为了对比分析模型在处理类别非平衡问题上的有效性,本文构建了基于滑动时间窗口和SMOTE的财务困境动态预测模型、基于滑动时间窗口和数据集分割集成的财务困境动态预测模型;为了分析滑动时间窗口在处理概念漂移问题上的有效性,本文还构建了以2003(t-2)、2005(t-2)年的静态模型以作为比较分析的基准模型。最后,以中国上市公司做为研究对象,收集了从2003至2012年时间区间共373家财务困境的样本公司和与其配对的1119家财务正常的样本公司,在Matlab环境中仿真模拟,对本文提出的模型展开实证研究。实验结果表明,基于滑动时间窗口的财务困境动态预测模型是有效的,且对于SVM、Logit分类器来说,基于滑动时间窗口和SMOTE的财务困境动态预测模型比基于滑动时间窗口和数据集分割集成的财务困境动态预测模型表现更优,对于MDA分类器来说,基于滑动时间窗口和数据集分割集成的财务困境动态预测模型比基于滑动时间窗口和SMOTE的财务困境动态预测模型表现更优。此外,在实证研究中还发现SVM分类器对类别非平衡问题最为敏感、Logit分类器次之,MDA分类器不大敏感。

关键词：财务困境预测概念漂移类别非平衡动态建模