信用评价与股市预测模型研究及应用

《信用评价与股市预测模型研究及应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、序言·xiii·信用评价与股市预测模型研究及应用——统计学、神经网络与支持向量机方法庞素琳著北京·xiv·信用评价与股市预测模型研究及应用内容简介信用评价是上市公司财务困境预警研究的重要手段之一。本书介绍了当前国际上常用的三种信用评级建模方法：参数统计方法、非参数统计方法和神经网络方法，并详细介绍了各种方法的研究背景，建立了多层感知器（MLP）、BP算法网络、径向基函数网络（RBFN）、概率神经网络（PNN）和自组织竞争网络（SOCN）5种神经网络信用评价模型，Logistic回归模型和两种线性判别分析法（LDA-S

2、PSS和LDA），以及两种支持向量机方法（SVM-POLY、SVM-RBF），并利用这9种方法进行了两类模式分类及三类模式分类，探讨了以上各种方法的模式分类能力及其预警能力。最后，研究并建立了Logistic回归预测模型、AR（1）及AR（2）模型、ARCH类预测模型及神经网络预测技术，探讨了各种方法在我国股市波动预测中的应用。本书可供金融学、财务管理、企业管理、应用数学、管理科学与工程等专业的研究人员以及高等院校相关专业的教师与研究生阅读，也可以作为从事金融管理、企业财务管理等方面的实际工作者的参考书。图书在版编目

3、（CIP）数据信用评价与股市预测模型研究及应用：统计学、神经网络与支持向量机方法/庞素琳著.—北京：科学出版社，2005ISBN7-03-015834-2Ⅰ.信…Ⅱ.庞…Ⅲ.①上市公司-信用-评价-经济模型-研究②股票-证券市场-经济预测-经济模型-研究Ⅳ.F830.91中国版本图书馆CIP数据核字（2005）第072370号责任编辑：陈亮／责任校对：张怡君责任印制：安春生／封面设计：耕者设计工作室出版北京东黄城根北街１６号邮政编码：１００７１７http：／／www．sciencep．com印刷科学出版社发行各地新华

4、书店经销*2005年8月第一版开本：B5（720×1000）2005年8月第一次印刷印张：163/4印数：1—3000字数：310000921/16定价：32.00元（如有印装质量问题，我社负责调换<路通>）目录·xi·作者简介庞素琳，女，40岁，博士（后），暨南大学数学系副教授，硕士生导师，广东省系统工程学会理事，暨南大学2004年度“优秀教师”。IEEE高级会员，1992年8月～1995年7月在广西大学数学与信息科学学院获理学硕士学位。1995年7月至今在暨南大学数学系工作。1998年9月～2001年6月在华南理

5、工大学控制科学与工程学院系统工程研究所获工学博士学位。2001年11月～2003年9月在中山大学数学与计算科学学院做博士后研究员。至今在国内外重要期刊和国际重要学术会议发表论文40余篇，其中被SCI和EI收录20多篇。曾两次荣获广东省金融学会优秀金融科研成果二等奖。研究领域包括：金融系统工程、神经网络及应用、模式识别、优化理论及应用。主持广东省自然科学基金“信用风险分析的神经网络方法及理论研究”1项、广东省科技厅攻关项目“上市公司财务困境预警系统及其神经网络技术”1项、广州市科技局科技攻关项目“信用评价模型的神经网络

6、方法及预警系统研制”1项、企业委托项目2项；作为第二负责人参加并完成广东省自然科学基金2项、国务院侨办重点基金1项；作为项目组主要成员参加国家自然科学基金1项。·xii·信用评价与股市预测模型研究及应用序言本书比较系统和全面地把统计分类方法、神经网络技术和支持向量机学习算法应用于我国信用风险分析，建立了10种信用评价模型：其中包括5种神经网络信用评价模型、Logistic回归模型、两种线性判别分析模型和2种支持向量基方法。并利用这10种模型对本书选取的四组不同的实验样本分别进行模式分类和预警研究，同时探讨了相应各种的

7、模式分类能力及其预警能力。具体所选取的四组实验样本、分类方法和预警方法包括：（a）利用其中的9种方法对我国2000年106家上市公司进行两类模式分类，其中训练样本集含有63个样本数据，测试样本集含有43个样本数据；（b）利用其中6种方法对我国2000年96家上市公司进行三类模式分类，其中训练样本集含有60个样本数据，测试样本集含有36个样本数据；（c）利用其中5种方法对我国某国有商业银行2001年80家贷款企业进行两类模式分类，其中训练样本集含有50个样本数据，测试样本集含有30个样本数据；（d）利用其中的9种方法对

8、2000年底公布的我国2001年13家预亏公司进行预警研究，并相应比较了各种方法的模式分类能力及其预警能力。本书除了研究信用风险分析方法之外，还尝试将一些方法应用于股市预测分析研究。虽然近来关于我国资本市场建模的实证研究和信用风险分析成果不少，但是从本书研究内容来看，还是比较丰富和系统的，并且像支持向量机学习算法应用于信用风险分析还是比较新的，