浅谈企业信用

信用是市场经济的基础,加强信用体制建设是整顿市场经济秩序的治本之策。目前由于我国科学的信用制度还不完善,许多企业应收账款居高不下,使企业的拖欠和亏损问题更为严重,信用环境和市场秩序受到强烈冲击。本文针对当前我国企业信用缺失的现状,分析了信用缺失的原因,并提出了完善的途径和方法,相信通过全社会的努力,信用风险不会再成为困扰社会经济发展的因素,我们的社会将会成为一个诚信法制的社会。     

PSO-SVM模型的构建与应用

为了使支持向量机(SVM)获得更好的分类效果,针对人为选择参数的随机性,提出了利用粒子群算法(PSO)进行参数自动选取的优化方法,构建了PSO-SVM模型.在个人信用评估中,通过对粒子适应度函数的设置来控制造成较大损失的第二类误判,应用结果表明:模型在训练和测试样本中的分类精度可以达到95%,第二类误判率分别仅为0.78%和2.02%.利用PSO对SVM中的参数进行优化,可以避免人为选择的随机性,并且在解决分类问题中表现出较好的稳健性.     

用水信用与风险管理系统

系统采用Oracle数据库作为开发平台,VB.net为开发工具研制而成。系统借鉴银行和电力企业信用等级评价的规则,结合水司水费收缴的历史纪录及各客户的实际情况,运用自动采集程序,从原有的营销系统和财务系统自动录入数据,再通过优化的模糊概率、神经网络程序,对用户进行交纳水费信用等级评定,建立客户交纳水费风险预警机制。     

一个外挂式学分制收费管理辅助系统设计

对现行教务管理系统和财务收费管理系统不作改动，通过联网，引用现行教务管理系统的学生信息、教师信息、培养方案信息、选课信息等，借用现行收费管理系统的结算功能，专门考虑学分制收费管理要求，外挂式运行的收费管理辅助系统。     

推进资产证券化发展的本土化进程

在研究资产证券化发展状况的基础上，分析资产证券化在中国现有环境下所面临的许多实施上的障碍，提出了推进资产证券化本土进程的建议．     

论社会主义市场经济诚信建设

在大力发展经济之际，如何倡导有信用、讲诚信的思想价值观念，对保证政府机关的信誉权威、企业发展的稳步前进、人才资源的有效利用显得特别重要。就我国社会主义市场经济条件下，信用危机产生的原因及加强诚信建设进行探讨。     

模糊数学矩阵在市场信用评价中的应用研究

模糊数学有助于将社会中难以捉摸的不确定因素量化，使不易准确把握的因素趋于可衡量、可评价．通过在市场信用评价领域中引入模糊数学，方法是首先将影响市场信用程度因素带来的不确定性量化，然后找到一个具有统一而确定的市场信用评价权重序列，使现有的市场信用评价方法的单一性和主观性得到减少或消除。     

网络信用信息监测采集系统的研究与实现

通过网络信息采集应用技术实现可定制、可视化、通用性较强的互联网信用信息监控采集系统.能定期自动跟踪相关网站或网页,进行比较分析、抽取、规整入库、分类等从互联网上获取所需信息.文中主要对网络信用信息监测采集系统进行了研究设计.     

供应链金融视角下的小微企业信用风险评价

近年来,随着小微企业融资难的问题日益凸显,供应链金融作为新的融资渠道,正受到越来越多的重视,科学、准确的风险评价对控制供应链金融中的信贷风险至关重要。通过建立和完善小微企业信用风险评价指标体系,采用BP神经网络模型为小微企业信用风险评价开辟新途径。BP神经网络是一种智能算法,它具有自我学习和自适应的特点。通过实例,分析和检测了该BP神经网络模型,结果令人满意。证明该模型确实可行,能够应用于供应链中各小微企业的信用风险评价。     

Admission Control Algorithms for Revenue Optimization with QoS Guarantees in Mobile Wireless Networks

We propose and analyze call admission control algorithms integrated with pricing for revenue optimization with QoS guarantees to serve multiple service classes in mobile wireless networks. Traditional admission control algorithms make acceptance decisions for new and handoff calls to satisfy certain QoS constraints such as the dropping probability of handoff calls and the blocking probability of new calls being lower than a pre-specified threshold. We analyze a class of partitioning and threshold-based admission control algorithms that make acceptance/rejection decisions not only to satisfy QoS requirements but also to optimize the revenue of the system by taking prices and arrival/departure information of service calls into account. We show that for a “charge-by-time” pricing scheme, there exist optimal resource allocation settings under which the partitioning and threshold-based admission control algorithms would produce the maximum revenue obtainable by the system without sacrificing QoS requirements. Further, we develop a new hybrid admission control algorithm which outperforms both partitioning and threshold-based admission control algorithms over a wide range of input parameters characterizing the operating environment and service workload conditions. Methods for utilizing of the analysis results for realtime admission control for revenue optimization with QoS guarantees are described with numerical data given to demonstrate the applicability.