公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

改进的神经网络综合评价模型研究被引量：4: 2015年; 针对神经网络综合评价模型的解释缺失和信息损失问题,提出了一种引入专家系统和模糊系统的改进模型,模型利用专家系统提供评价结果的合理解释,利用模糊系统减少评价结果的信息损失,旨在提高评价结果的准确性和可信度.讨论了模型的定义和原理,通过模拟验证后,将改进的神经网络综合评价模型应用于大气环境承载力评价,以期为衡量社会经济发展和大气环境的协调程度提供一定参考.; 李扬孙泽烨胡镜清; 关键词：综合评价神经网络专家系统模糊系统

机械类上市公司市盈率影响因素的研究被引量：1: 2014年; 文章基于2011年机械类上市公司的财务数据,采用加罚约束的多元线性回归模型对影响市盈率的财务因素进行研究。研究结果显示,营运资金(资本)周转率和独立董事比例对市盈率的值有正向的影响作用,而营运资金对净资产总额比率、净资产收益率、资本积累率、营业收入增长率对市盈率具有反向影响作用。; 杨虎易丹辉肖宏伟李扬李扬西; 关键词：市盈率财务状况影响因素共线性

有监督Group MCP方法的稳健性研究被引量：2: 2014年; 采用模拟研究的方法,分别在回归预测和分类判别两种环境中讨论有监督Group MCP方法在不同结构错误率下进行变量选择和结果预测的稳健性,并通过实例分析讨论本研究的实用价值。研究结果显示:忽略解释变量的内部结构进行变量选择会导致很多重要解释变量被疏漏,而有监督Group MCP方法考虑了解释变量的内部结构,在结构错误率低于5%时会以不低于98%的概率选出有效解释变量,并尽量降低冗余变量被选择的可能性。此研究成果为有监督Group MCP方法的合理使用奠定了基础。; 李淞淋李扬易丹辉; 关键词：稳健性亚健康

不平衡数据的企业财务预警模型研究被引量：28: 2016年; 在股票市场中,由于被评为"ST"的公司数量远远少于普通的公司,所以用于训练财务预警模型的数据有着严重的不平衡性。而一般的分类模型如logistic回归等并不具备处理不平衡数据的能力。本文应用加权L1正则化支持向量机(w-L1SVM)构建一个可以处理不平衡数据的财务预警模型:一方面,w-L1SVM通过对两类样本的损失函数进行加权处理,有效地解决了样本不平衡性带来的预测精度问题;另一方面,w-L1SVM通过引入LASSO罚,使得模型在训练的过程中可以直接进行特征选择。通过数值模拟,本文验证了w-L1SVM在非平衡数据分类问题中的预测和特征选择表现。在实证研究中,本文针对我国股票市场机械、设备、仪表板块中的上市公司构建了一个基于w-L1SVM的财务预警模型,结果显示基于w-L1SVM的财务预警模型可以有效选择重要的财务指标并预测被评为"ST"的公司,并且其预测效果显著优于非加权的传统模型,这充分说明了w-L1SVM在财务预警问题中的适用性。; 李扬李竟翔马双鸽; 关键词：财务预警

面板数据模型的惩罚似然变量选择方法研究被引量：7: 2014年; 本文针对面板数据模型的惩罚似然变量选择问题,比较研究了Lasso、Adaptive Lasso、Bridge和SCAD四种罚函数的渐近性质。模拟结果验证了在面板数据情况下,Adaptive Lasso、Bridge和SCAD的Oracle性质同样成立,且它们在变量选择准确性、参数估计精度和模型预测精度三方面的效果都优于Lasso。为了合理选取调整参数,本文考虑AIC、BIC、GCV、Cp四种准则,通过模拟显示BIC和GCV的表现通常要优于AIC和Cp。作为实证研究,本文在面板数据框架下应用惩罚似然方法对上市公司市盈率影响因素进行选择,以期对股市投资者做出理性投资决策有一定指导价值。; 李扬曾宪斌; 关键词：面板数据

基于AUC回归的不平衡数据特征选择模型研究被引量：12: 2015年; 针对不平衡数据的泛化预测和特征选择问题,提出了一种引入MCP惩罚函数的AUC回归模型(MCP-AUCR)。该模型采用考虑所有阈值信息的优化目标函数,具有处理不平衡数据的能力,并具有较好的特征选择效果;在讨论该模型定义与原理的基础上,提出相应的循环坐标下降训练算法,并通过数值模拟研究验证其优良性质;针对中国股票市场机械、设备、仪表板块中的上市公司,构建了基于MCP-AUCR的财务预警模型。研究结果显示:该财务预警模型可以选择出可解释的重要财务指标并进行有效预测,显著优于传统模型。; 李扬李竟翔王园萍; 关键词：财务预警

全选清除导出

共1页<1>

国家自然科学基金(71301162)