基于SOM-PNN的信贷风险预警模型研究

信贷对现代市场经济非常重要，同时又会带来风险．以人工智能的思想为指导，将SOM与PNN网络相结合．提出并建立了一种基于SOM-PNN的信贷风险预警模型；结合统计理论方法对输入样本进行预处理，解决了网络训练中样本选用的问题；并利用因素分析方法对预警结果进行了解释．实验表明，利用该模型在得到可视化预测结果的同时，还可得到较高的预警精度．     

兼控利率风险和流动性风险的资产负债组合优化模型

提出了资产负债管理的利率结构对称原理,通过控制持续期缺口和免疫条件来控制利率风险,保护银行股东权益的安全．以线性规划为工具,建立了兼控利率风险和流动性风险的资产负债组合优化模型．将利率结构对称原理引入银行资产组合优化,解决了资产与负债利率的协调和匹配问题,使银行股东的权益在市场利率发生变化时不受到影响和损失,并解决了决策模型的服务对象问题．     

软件项目风险控制方案设计①

在综合考虑风险影响水平和降低风险发生需要的成本费用的条件下,建立了风险控制方案设计的模糊线性规划模型,给出了求解算法。模型的目标是建立风险控制方案,在一定的风险控制总成本约束下,最大程度地降低软件项目风险当量。案例研究表明,该模型可以帮助软件项目管理人员制定出较优的风险控制方案。     

基于信贷风险控制的机制设计及优化选择

实施信贷风险控制的一项重要措施是机制设计,设计一种满足参与约束与激励相容约束的机制,有利于信贷的银行方控制主观信贷风险.当给定贝叶斯均衡模型(IR1)、(IC2)成立时,推导出银行降低信贷风险的优化机制.该机制将典型的机制设计的三阶段不完全信息博弈,简化为一个阶段的不完全信息博弈,信贷风险控制整体优化,证明该机制设计及最优选择的有效性.     

基于风险因子的软件项目风险评价模型

以软件项目的启动过程、计划过程、执行过程、控制过程、收尾过程和项目综合管理能力作为六个风险因子,提出了一个风险评价模型,总结了78个风险指标,依据模型计算出各种风险对进度、成本、范围和质量的综合影响。     

软件项目的风险评价模型

软件风险的控制在当今软件开发过程中显得越来越重要,而软件评价的好坏直接影响到管理者对风险的管理。该文提出了一个三级风险评价体系,并基于该体系提出了一种定量风险评价模型。该模型可以预测各风险发生的可能性以及分别计算出各种风险对进度、成本、范围和质量的综合影响。     

项目建设中的持续安全风险管理(CSRM)

安全风险管理是对影响系统项目、过程或产品的安全风险进行评估和控制的实践过程。本文重点分析了美国SEI提出的持续风险管理模型(CRM),并在此基础上提出了作者独创的持续安全风险管理模型(CSRM)。文中对CSRM模型中的风险识别、风险分析、风险计划、风险跟踪和风险控制等环节的特性和管理方法进行了描述。     

期货风险监控辅助决策系统

期货市场中存在着巨大的风险，建立风险预警决策系统，可以及早发现并控制风险。根据云晨期货经纪有限公司期货交易风险控制课题实际，对期货市场风险预警指标体系及其算法进行了设计。利用PowerBulder软件工具开发了期货市场风险监控辅助决策系统，系统计算了风险预警指标，进行风险跟踪。设计了实际交易行情数据接口模型，开发了实现行情数据接口软件。     

基于AHP的信息系统风险处理评估研究

针对信息系统安全态势评估中风险处理的问题．提出基于AHP分析法的信息安全风险处理评估模型,并运用层次分析法进行风险处理因素权重的计算。研究结果表明．该模型能有效地对信息系统的风险处理提供科学依据。     

银行信贷风险管理系统

凭借多年来服务金融界的丰富经验，同时在认真分析了当前商业银行信贷风险控制业务需求的基础上，中创软件推出全新的银行信贷风险管理系统。本系统以风险控制为核心，运用先进的风险控制理论和风险分析决策模型，集成IBM公司先进的商业智能技术，基于业界流行的B/S三层结构，实现信贷业务管理、统计报表、决策支持、风险防范等全面业务功能，为商业银行的信贷管理、信贷风险控制提供了有效的工具。　　使用本系统：　　●规范信贷业务管理　　●解决由于信贷人员业务水平不一而产生的处理信贷业务差异性；　　●辅助信贷业务的规范和管理…     

Prognostic personal credit risk model considering censored information

Credit scoring is one of the most successful applications of quantitative analysis that helps organizations decide whether or not to grant credit to consumers who apply to them. However, standard credit risk models based on binary classifying approaches appear to have missed several important time-varying factors and censoring information. This paper looks at the extensions of the survival analysis model to analyze personal credit risk. Survival analysis has mainly been used in the clinical domain, which can handle the above issues.

This paper investigates the ability of the survival-based approach to predict the probability of personal default. The proposed method can give a prediction of ‘time’ as well as ‘probability’ of personal default. We develop a survival-based credit risk model and assess the relative importance of different variables in predicting default. Standard binary classifying models are also developed for assessing a new way in the context of classifying power. These models are applied to personal credit card accounts dataset. According to the experiment results, survival-based credit risk modeling is a more useful approach for classifying risky customers than others. The survival-based approach is a useful alternative and a complement in view of personal credit risk.     

SOM神经网络模型在商业银行信用风险评估中的应用研究

研究了神经网络技术在商业银行信用风险评估中的应用,结合主成分分析法和SOM人工神经网络,建立了商业银行信用风险评估的人工神经网络模型;实证结果表明,该模型具有较高的预测精度.     

基于可解释集成学习的信贷违约预测

人工智能促进了风控行业的发展,智能风控的核心在于风险控制,信贷违约预测模型是解决这一问题必须倚靠的手段.传统的解决方案是基于人工和广义线性模型建立的,然而现在通过网络完成的交易数据,具有高维性和多重来源等特点,远远超出了现有模型的处理能力,对于传统风控提出了巨大的挑战.因此,本文提出一种基于融合方法的可解释信贷违约预测模型,首先选取LightGBM、DeepFM和CatBoost作为基模型,CatBoost作为次模型,通过模型融合提升预测结果的准确性,然后引入基于局部的、与模型无关的可解释性方法LIME,解释融合模型的预测结果.基于真实数据集的实验结果显示,该模型在信贷违约预测任务上具有较好的精确性和可解释性.     

商业银行信用风险评估实证分析及方法比较

数据挖掘技术为商业银行信用风险管理问题提供了新的思路和方法。本文运用三种常用的数据挖掘方法——多元判别分析、聚类分析及贝叶斯网络模型,以商业银行的客户信用风险评级指标数据为样本,对信用风险评估方法进行实证分析,对三种方法的验证结果进行比较。结论表明,在信用风险各项属性指标之间条件相互依赖的情况下,贝叶斯网络模型优于其它两种方法。     

信用卡风险防范与监控系统的设计与实现

信用卡作为一种全新的支付手段和信用工具,已经被我国的广大消费者所接受和采用.但是伴随着国内信用卡业务的跨越式发展,信用卡风险问题也随之出现并呈现出逐步扩大的趋势.通过对目前国内存在的信用卡风险现状进行剖析,在此基础上设计出了一个信用卡风险防范与监控系统模型,并且成功地对该系统进行了实现.     

基于属性坐标分析的个人信用风险评估模型

利用属性论方法构建个人信用卡申请的风险评估模型,模拟200位信用卡申请者的各类指标数据,编写程序进行运算,给出信用评估排序结果。该结果也可以根据不用评判者的心理权重进行调整,反映出不同评判者的心理偏好对评估结果的影响程度,为个人信用评估模型开辟新途径。     

贝叶斯网络分类模型研究及其在信用评估中的应用

基于概率估计的贝叶斯及贝叶斯网络分类模型,拥有其它数据挖掘工具所不具备的优势。在分析贝叶斯及贝叶斯网络分类模型基础上,结合最小风险决策准则,提出了一种新的信用评估模型。在实际数据集上采用交叉验证方式进行了测试。实验结果表明基于最小风险决策准则的贝叶斯及贝叶斯网络分类模型可以有效地减少信用评估风险。     

基于稀疏贝叶斯学习的个人信用评估

针对传统信用评估方法分类精度低、特征可解释性差等问题,提出了一种使用稀疏贝叶斯学习方法来进行个人信用评估的模型(SBLCredit)。SBLCredit充分利用稀疏贝叶斯学习的优势,在添加的特征权重的先验知识的情况下进行求解,使得特征权重尽量稀疏,以此实现个人信用评估和特征选择。在德国和澳大利亚真实信用数据集上,SBLCredit方法的分类精度比传统的K近邻、朴素贝叶斯、决策树和支持向量机平均提高了4.52%,6.40%,6.26%和2.27%。实验结果表明,SBLCredit分类精度高,选择的特征少,是一种有效的个人信用评估方法。     

基于稀有事件仿真的商业银行个人信用风险评估研究

系统仿真是风险评价的一种重要手段,针对商业银行个人信用风险预警问题,提出一种基于稀有事件仿真的个人信用风险评估方法.采用商业银行个人未偿还贷款的概率作为衡量个人信用风险高低的标准,构造基于稀有事件的商业银行个人信用风险识别模型,利用交叉熵方法构建了一种稀有事件仿真的有效算法,并由此估计出发生损失的概率.实证分析结果表明,模型对商业银行个人信用风险具有很强的识别能力,从而提供了一个风险预警的新视角.     

Financing decisions in supply chains with a capital‐constrained manufacturer: competition and risk

Supply chain finance is a crucial topic. In this paper, we consider that a capital‐constrained manufacturer can borrow money from either a bank (bank credit financing) or a retailer (trade credit financing). Our analysis compares supply chain performance under these two financing schemes. Furthermore, we extend our model to evaluate the impacts of retail competition and supply chain member's risk aversion on supply chains, which consist of one capital‐constrained manufacturer and two competing retailers. We consider three financing schemes: only bank credit financing, dual trade credit financing, and bank and trade credit mix financing. We find that without retail competition, the retailer is always willing to use the trade credit financing; whereas with retail competition, if one retailer provides the trade credit but the other does not, the credit provider could receive the superior profit. Thus, providing an appropriate trade credit financing scheme is critically important for retailers. Moreover, we find that without retail competition, when a trade interest rate is relatively low, both the retailer and manufacturer could reach a win‐win situation in the trade credit financing. However, with retail competition, supply chain members (i.e., two retailers and one manufacturer) will not have an all‐win situation no matter which specific financing scheme is adopted and only a win‐win‐lose situation exists when using the credit mix financing scheme or the dual trade credit financing in supply chains. Last but not least, regardless of risk neutrality or aversion of supply chain members, their pricing decisions among three financing schemes are similar. This implies that the impacts of supply chain members’ risk aversion are limited in supply chain financing scheme selection. More managerial insights are discussed.