民营企业信用评级研究
发布时间：2021-09-07 04:11
本文首先厘清信用、我国民营企业发展状况以及信用评级指标一般性原则等问题,为构建模型提供基础条件。在此基础上,选取适用的指标体系,将LOGISTIC回归模型、多元自适应回归样条模型和径向基函数网络模型三种方法引入我国民营企业信用评级领域,利用新数据进行检验、比较,得出阶段性结论。进一步,根据上述三种方法的检验结论,选取最能有效确定自变量贡献度的方法,结合神经网络方法拟合精度高的优势,构建了两阶段混合神经网络模型I;考虑到稳健性要求,再将单一多元自适应回归样条模型的输出结果作为神经网络的输入单元,构建了两阶段混合神经网络模型II,并用同样的数据对混合模型I、II进行检验、比较。最后,对比上述五种模型的检验结果,得出我国民营企业信用评级模型的最优选择是混合神经网络模型II、次优选择是单一多元自适应回归样条模型的结论。
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
基函数数量关系图
常多的神经元以适应函数的快速变化，而太小则意味着需要很多数的缓慢变化，这样便会影响网络的性能。本文为了确定合适使用多个 SPREAD 值来观察网络的训练和仿真的变化，最后确定对给定的训练样本效果较好，在同样的训练次数下，误差值也能 4- 11 可见，RBF 网络经过 118 步自动训练过程，网络输出误29，已经满足了我们的要求。
时对给定的训练样本效果较好，在同样的训练次数下，误差值也能达图 4- 11 可见，RBF 网络经过 118 步自动训练过程，网络输出误e-29，已经满足了我们的要求。图 4- 11 RBF 网络建立过程的误差曲线立好的 RBF 网络对训练集的逼近误差曲线如图 4- 12 所示，我们可近误差是非常小的。
【参考文献】：
期刊论文
[1]简析信用评级在中小企业融资中发挥的作用——兼论北京中关村科技园区中小企业融资创新[J]. 袁吉伟. 时代金融. 2008(01)
[2]中小企业信用评级模型的构建[J]. 康书生,鲍静海,史娜,李纯杰. 河北大学学报(哲学社会科学版). 2007(02)
[3]从中小企业间接融资看资信评级的改进[J]. 温智良. 金融与经济. 2006(09)
[4]多元自适应样条回归预报浮游植物总量分析[J]. 王洪礼,向建平,葛根. 海洋技术. 2006(03)
[5]“信用评级”:解决中小企业融资[J]. 吴晶妹,李诗洋. 国际融资. 2006(07)
[6]我国商业银行中小企业信用评级模型研究[J]. 赵家敏,黄英婷. 金融论坛. 2006(04)
[7]V-fold交叉验证和BP神经网络在信用评价中的应用[J]. 杨力,童艳梅,阮守武,刘晓伟,吴德胜. 运筹与管理. 2005(04)
[8]中小企业银行融资博弈分析[J]. 张修来,岳朝龙. 金融纵横. 2005(06)
[9]时间序列和神经网络的组合预测及其应用[J]. 王磊,姚恒申. 统计与决策. 2005(11)
[10]资本结构与中小企业股权融资的实证分析[J]. 范秀峰,李建中. 宁夏大学学报(人文社会科学版). 2005(03)
博士论文
[1]转型期中国民营企业信用缺失影响因素研究[D]. 刘志标.暨南大学 2007
[2]商业银行个人信用评估组合预测方法研究[D]. 姜明辉.哈尔滨工业大学 2006
[3]中国民营上市公司治理绩效研究[D]. 周秀云.南京理工大学 2005
[4]信用问题的经济学分析[D]. 孙智英.福建师范大学 2002
硕士论文
[1]基于多元自适应回归样条的民营企业信用评级研究[D]. 杜元园.吉林大学 2007
[2]个人信用混合两阶段评估方法研究[D]. 叶凯.哈尔滨工业大学 2006
[3]个人信用评估的Logistic-RBF组合预测模型研究[D]. 谢行恒.哈尔滨工业大学 2006
本文编号：3388817
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：138 页
【学位级别】：博士
【部分图文】：
基函数数量关系图
常多的神经元以适应函数的快速变化，而太小则意味着需要很多数的缓慢变化，这样便会影响网络的性能。本文为了确定合适使用多个 SPREAD 值来观察网络的训练和仿真的变化，最后确定对给定的训练样本效果较好，在同样的训练次数下，误差值也能 4- 11 可见，RBF 网络经过 118 步自动训练过程，网络输出误29，已经满足了我们的要求。
时对给定的训练样本效果较好，在同样的训练次数下，误差值也能达图 4- 11 可见，RBF 网络经过 118 步自动训练过程，网络输出误e-29，已经满足了我们的要求。图 4- 11 RBF 网络建立过程的误差曲线立好的 RBF 网络对训练集的逼近误差曲线如图 4- 12 所示，我们可近误差是非常小的。
【参考文献】：
期刊论文
[1]简析信用评级在中小企业融资中发挥的作用——兼论北京中关村科技园区中小企业融资创新[J]. 袁吉伟. 时代金融. 2008(01)
[2]中小企业信用评级模型的构建[J]. 康书生,鲍静海,史娜,李纯杰. 河北大学学报(哲学社会科学版). 2007(02)
[3]从中小企业间接融资看资信评级的改进[J]. 温智良. 金融与经济. 2006(09)
[4]多元自适应样条回归预报浮游植物总量分析[J]. 王洪礼,向建平,葛根. 海洋技术. 2006(03)
[5]“信用评级”:解决中小企业融资[J]. 吴晶妹,李诗洋. 国际融资. 2006(07)
[6]我国商业银行中小企业信用评级模型研究[J]. 赵家敏,黄英婷. 金融论坛. 2006(04)
[7]V-fold交叉验证和BP神经网络在信用评价中的应用[J]. 杨力,童艳梅,阮守武,刘晓伟,吴德胜. 运筹与管理. 2005(04)
[8]中小企业银行融资博弈分析[J]. 张修来,岳朝龙. 金融纵横. 2005(06)
[9]时间序列和神经网络的组合预测及其应用[J]. 王磊,姚恒申. 统计与决策. 2005(11)
[10]资本结构与中小企业股权融资的实证分析[J]. 范秀峰,李建中. 宁夏大学学报(人文社会科学版). 2005(03)
博士论文
[1]转型期中国民营企业信用缺失影响因素研究[D]. 刘志标.暨南大学 2007
[2]商业银行个人信用评估组合预测方法研究[D]. 姜明辉.哈尔滨工业大学 2006
[3]中国民营上市公司治理绩效研究[D]. 周秀云.南京理工大学 2005
[4]信用问题的经济学分析[D]. 孙智英.福建师范大学 2002
硕士论文
[1]基于多元自适应回归样条的民营企业信用评级研究[D]. 杜元园.吉林大学 2007
[2]个人信用混合两阶段评估方法研究[D]. 叶凯.哈尔滨工业大学 2006
[3]个人信用评估的Logistic-RBF组合预测模型研究[D]. 谢行恒.哈尔滨工业大学 2006
本文编号：3388817
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3388817.html
