信用評價(jià)與股市預(yù)測模型研究及應(yīng)用：統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)方法

定　價(jià)：￥32.00

作　者：	龐素琳著
出版社：	科學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	統(tǒng)計(jì)

購買這本書可以去

ISBN：	9787030158345	出版時(shí)間：	2005-09-02	包裝：	膠版紙
開本：	24cm	頁數(shù)：	253	字?jǐn)?shù)：

內(nèi)容簡介

　　本書共分為四大部分第一部分為緒論，闡述了研究信用風(fēng)險(xiǎn)分析，分析了我國上市公司　財(cái)務(wù)狀況發(fā)生危機(jī)的現(xiàn)狀與原因，闡明了對我國上市公司進(jìn)行信用評級(jí)的重要性，給出　了分析與評價(jià)上市公司財(cái)務(wù)狀況好壞常用的財(cái)務(wù)指標(biāo)，介紹了國內(nèi)外在信用風(fēng)險(xiǎn)分析領(lǐng)　域常用的三種方法：參數(shù)統(tǒng)計(jì)方法、非參數(shù)統(tǒng)計(jì)方法和神經(jīng)網(wǎng)絡(luò)方法，并詳細(xì)介紹了各　種方法的研究背景。第二部分研究了幾個(gè)常用的統(tǒng)計(jì)模型在我國信用風(fēng)險(xiǎn)分析中的應(yīng)用　，分別建立了基于判別分析、Bayes風(fēng)險(xiǎn)分析、Logistic回歸模型和模糊聚類方法的信用　評價(jià)模型，并利用前三種模型分別對我國2000年106家上市公司及2000年96家上市公　司分別進(jìn)行兩類模式分類及三類模式分類。第三部分系統(tǒng)研究了神經(jīng)網(wǎng)絡(luò)技術(shù)在我　國信用風(fēng)險(xiǎn)分析中的應(yīng)用，分別建立了5種不同的神經(jīng)網(wǎng)絡(luò)信用評價(jià)模型：多層感　知器（MLP）、BP算法網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)（RBFN）、概率神經(jīng)網(wǎng)絡(luò)（PNN）、　自組織神經(jīng)網(wǎng)絡(luò)，然后利用這5種方法分別對我國2000年106家上市公司及2000年　96家上市公司分別進(jìn)行兩類模式分類及三類模式分類，探討了以上各種方法的?！∈椒诸惸芰捌漕A(yù)警能力。并對神經(jīng)網(wǎng)絡(luò)信用評價(jià)模型和統(tǒng)計(jì)分類方法在模式分　類能力及預(yù)警能力方面作了比較研究。第四部分研究并建立了Logistic回歸預(yù)測模　型、AR（1）及AR（2）模型、ARCH類預(yù)測模型及神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)，探討了各種方　法在我國股市波動(dòng)預(yù)測中的應(yīng)用。對各種預(yù)測方法，采用6種預(yù)測誤差統(tǒng)計(jì)量?。篗E、 MAE、RMSE、MAPE、AIC和BIC對樣本外（out- of-sample）的預(yù)測結(jié)果　進(jìn)行檢驗(yàn)。比較和分析了神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)與統(tǒng)計(jì)預(yù)測模型的預(yù)測能力。

作者簡介

　　龐素琳，女，40歲，博士，暨南大學(xué)數(shù)學(xué)系副教授，碩士生導(dǎo)師，廣東省系統(tǒng)工程學(xué)會(huì)理事，暨南大學(xué)2004年度優(yōu)秀教師。IEEE高級(jí)會(huì)員，1992年8月-1995年7月在廣西大學(xué)數(shù)學(xué)與信息科學(xué)學(xué)院獲理學(xué)碩士學(xué)位。1995年7月至今在暨南大學(xué)數(shù)學(xué)系工作。1998年9月-2001年6月在華南理工大學(xué)控制科學(xué)與工程學(xué)院系統(tǒng)工程研究所獲工學(xué)博士學(xué)位。2001年11月-2003年9月在中山大學(xué)數(shù)學(xué)與計(jì)算科學(xué)學(xué)院做博士后研究員。至今在國內(nèi)外重要期刊和國際重要學(xué)術(shù)會(huì)議發(fā)表論文40余篇，其中被SCI和EI收錄20多篇。曾兩次榮獲廣東省金融學(xué)會(huì)優(yōu)秀金融科研成果二等獎(jiǎng)。研究領(lǐng)域包括：金融系統(tǒng)工程、神經(jīng)網(wǎng)絡(luò)及應(yīng)用、模式識(shí)別、優(yōu)化理論及應(yīng)用。

圖書目錄

序言
前言
第1章緒論
1.1引言
1.2財(cái)務(wù)困境及其預(yù)警性研究的意義
1.2.1財(cái)務(wù)困境的概念
1.2.2企業(yè)財(cái)務(wù)困境預(yù)警研究的意義
1.3公司財(cái)務(wù)狀況綜合評價(jià)
1.4信用風(fēng)險(xiǎn)
1.4.1信用風(fēng)險(xiǎn)
1.4.2信用風(fēng)險(xiǎn)與市場風(fēng)險(xiǎn)
1.4.3信用評級(jí)
1.5信用風(fēng)險(xiǎn)分析方法
1.5.1參數(shù)統(tǒng)計(jì)方法
1.5.2非參數(shù)統(tǒng)計(jì)方法
1.5.3專家系統(tǒng)
1.5.4神經(jīng)網(wǎng)絡(luò)方法
1.5.5雜合系統(tǒng)與支持向量機(jī)方法
1.6本書的章節(jié)結(jié)構(gòu)
第2章模糊動(dòng)態(tài)聚類在信用評級(jí)中的應(yīng)用
2.1引言
2.2動(dòng)態(tài)聚類分析方法
2.3舉例
2.4建立模糊聚類評判標(biāo)準(zhǔn)
2.5本章小結(jié)
第3章判別分析模型在信用評價(jià)中的應(yīng)用
3.1引言
3.2樣本的選取與確定
3.2.1兩類模式樣本的選取
3.2.2三類模式樣本的選取
3.3判別分析法
3.4兩類模式分類
3.4.1LDA-SPSS方法
3.4.2LDA方法
3.5三類模式分類
3.5.1LDA-SPSS方法
3.5.2LDA方法
3.6本章小結(jié)
第4章Logistic回歸模型在信用風(fēng)險(xiǎn)分析中的應(yīng)用
4.1引言
4.2Logistic回歸模型
4.3樣本數(shù)據(jù)及實(shí)驗(yàn)結(jié)果分析
4.3.1實(shí)驗(yàn)一
4.3.2實(shí)驗(yàn)二
4.4本章小結(jié)
第5章神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)
5.1引言
5.2人工神經(jīng)元的模型
5.2.1人工神經(jīng)元的模型
5.2.2激勵(lì)函數(shù)的類型
5.3網(wǎng)絡(luò)結(jié)構(gòu)及工作方式
5.3.1前饋型網(wǎng)絡(luò)
5.3.2反饋型網(wǎng)絡(luò)
5.4神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法和算法
5.4.1學(xué)習(xí)方式
5.4.2學(xué)習(xí)算法
5.5本章小結(jié)
第6章多層感知器信用評價(jià)模型
6.1引言
6.2感知器
6.2.1單層感知器
6.2.2多層感知器
6.3兩類模式分類
6.3.1樣本的選取與確定
6.3.2兩類模式MLP信用評價(jià)模型
6.3.3實(shí)驗(yàn)結(jié)果分析
6.4三類模式分類
6.4.1樣本的選取與確定
6.4.2三類模式MLP信用評價(jià)模型
6.4.3實(shí)驗(yàn)結(jié)果分析
6.5MLP學(xué)習(xí)算法和步驟
6.6本章小結(jié)
第7章基于BP算法的神經(jīng)網(wǎng)絡(luò)信用評價(jià)模型
7.1引言
7.2多層前向網(wǎng)絡(luò)學(xué)習(xí)算法
7.3兩類模式信用評價(jià)模型
7.3.1樣本的選取與確定(一)
7.3.2兩類模式信用評價(jià)模型(一)
7.3.3樣本的選取與確定(二)
7.3.4兩類模式信用評價(jià)模型(二)
7.3.5實(shí)驗(yàn)結(jié)果分析
7.4三類模式信用評價(jià)模型
7.4.1樣本的選取與確定
7.4.2三類模式信用評價(jià)模型
7.5BP網(wǎng)絡(luò)學(xué)習(xí)算法和步驟
7.6本章小結(jié)
第8章徑向基函數(shù)網(wǎng)絡(luò)信用評價(jià)模型
8.1引言
8.2徑向基函數(shù)
8.2.1HardC-Means算法
8.2.2Cover定理
8.2.3舉例——異或門問題
8.3RBF網(wǎng)絡(luò)信用評價(jià)模型
8.3.1樣本的選取與確定
8.3.2RBF網(wǎng)絡(luò)信用評價(jià)模型
8.4兩類模式分類
8.5三類模式分類
8.6本章小結(jié)
第9章概率神經(jīng)網(wǎng)絡(luò)信用評價(jià)模型
9.1引言
9.2概率神經(jīng)網(wǎng)絡(luò)
9.3兩類模式分類
9.3.1樣本的選取與確定
9.3.2兩類模式PNN結(jié)構(gòu)
9.3.3實(shí)驗(yàn)結(jié)果分析
9.4三類模式分類
9.4.1樣本的選取與確定
9.4.2三類模式PNN結(jié)構(gòu)
9.4.3實(shí)驗(yàn)結(jié)果分析
9.5本章小結(jié)
第10章自組織競爭網(wǎng)絡(luò)信用風(fēng)險(xiǎn)評價(jià)模型
10.1引言
10.2主成分分析
10.3自組織競爭網(wǎng)絡(luò)及學(xué)習(xí)規(guī)則
10.4實(shí)證分析
10.5本章小結(jié)
第11章基于支持向量機(jī)的信用評價(jià)模型
11.1引言
11.2支持向量機(jī)
11.2.1超平面分類器
11.2.2非線性支持向量分類器
11.3樣本數(shù)據(jù)的選取及仿真實(shí)驗(yàn)
11.3.1實(shí)驗(yàn)一
11.3.2實(shí)驗(yàn)二
11.4本章小結(jié)
第12章信用評價(jià)模型比較研究及預(yù)警研究
12.1引言
12.2比較研究回顧
12.3十種分類方法效果比較
12.3.1十種分類方法效果比較
12.3.2神經(jīng)網(wǎng)絡(luò)信用評價(jià)模型特點(diǎn)
12.4財(cái)務(wù)困境公司預(yù)警研究及結(jié)果比較
12.5本章小結(jié)
第13章Logistic回歸模型對股價(jià)的預(yù)測與分析
13.1引言
13.2Logistic回歸模型對股價(jià)的預(yù)測與分析
13.2.1樣本和財(cái)務(wù)指標(biāo)的選取
13.2.2Logistic回歸預(yù)測模型(一)
13.3Logistic回歸模型在深圳股市波動(dòng)性中的預(yù)測
13.3.1樣本的選取——深證綜合指數(shù)
13.3.2Logistic回歸預(yù)測模型(二)
13.4本章小結(jié)
第14章AR(1)和AR(2)在股市波動(dòng)中的預(yù)測
14.1引言
14.2樣本數(shù)據(jù)
14.3AR(1)及AR(2)預(yù)測模型的建立
14.4預(yù)測誤差檢驗(yàn)
14.5本章小結(jié)
第15章ARCH類模型在股市波動(dòng)中的預(yù)測
15.1引言
15.2ARCH類模型
15.2.1對稱的ARCH類模型
15.2.2非對稱的ARCH類模型
15.3樣本數(shù)據(jù)(一)及其實(shí)驗(yàn)結(jié)果分析
15.3.1樣本數(shù)據(jù)(一)——上證綜合指數(shù)
15.3.2ARCH類預(yù)測模型的建立
15.3.3ARCH類模型預(yù)測結(jié)果分析
15.4樣本數(shù)據(jù)(二)及其實(shí)驗(yàn)結(jié)果分析
15.4.1樣本數(shù)據(jù)(二)——深證成指
15.4.2ARCH(1)預(yù)測模型的建立
15.4.3GARCH(1,1)預(yù)測模型的建立
15.4.4ARCH(1)和GARCH(1,1)模型預(yù)測結(jié)果分析
15.5本章小結(jié)
第16章BP算法在股市波動(dòng)中的預(yù)測
16.1引言
16.2BP算法及預(yù)測結(jié)果分析
16.2.1樣本數(shù)據(jù)(一)——上證綜合指數(shù)
16.2.2BP算法和ARCH類模型的預(yù)測誤差檢驗(yàn)
16.3樣本數(shù)據(jù)(二)及實(shí)驗(yàn)結(jié)果分析
16.3.1樣本數(shù)據(jù)(二)——深證成指
16.3.2BP算法及預(yù)測結(jié)果分析
16.3.3預(yù)測誤差檢驗(yàn)
16.4本章小結(jié)
參考文獻(xiàn)
附表