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

定　价：¥32.00

作　者：	庞素琳著
出版社：	科学出版社
丛编项：
标　签：	统计

购买这本书可以去

ISBN：	9787030158345	出版时间：	2005-09-02	包装：	胶版纸
开本：	24cm	页数：	253	字数：

内容简介

　　本书共分为四大部分第一部分为绪论，阐述了研究信用风险分析，分析了我国上市公司　财务状况发生危机的现状与原因，阐明了对我国上市公司进行信用评级的重要性，给出　了分析与评价上市公司财务状况好坏常用的财务指标，介绍了国内外在信用风险分析领　域常用的三种方法：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。第二部分研究了几个常用的统计模型在我国信用风险分析中的应用　，分别建立了基于判别分析、Bayes风险分析、Logistic回归模型和模糊聚类方法的信用　评价模型，并利用前三种模型分别对我国2000年106家上市公司及2000年96家上市公　司分别进行两类模式分类及三类模式分类。第三部分系统研究了神经网络技术在我　国信用风险分析中的应用，分别建立了5种不同的神经网络信用评价模型：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）、　自组织神经网络，然后利用这5种方法分别对我国2000年106家上市公司及2000年　96家上市公司分别进行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。并对神经网络信用评价模型和统计分类方法在模式分　类能力及预警能力方面作了比较研究。第四部分研究并建立了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。对各种预测方法，采用6种预测误差统计量　：ME、 MAE、RMSE、MAPE、AIC和BIC对样本外（out- of-sample）的预测结果　进行检验。比较和分析了神经网络预测技术与统计预测模型的预测能力。

作者简介

　　庞素琳，女，40岁，博士，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。

图书目录

序言
前言
第1章绪论
1.1引言
1.2财务困境及其预警性研究的意义
1.2.1财务困境的概念
1.2.2企业财务困境预警研究的意义
1.3公司财务状况综合评价
1.4信用风险
1.4.1信用风险
1.4.2信用风险与市场风险
1.4.3信用评级
1.5信用风险分析方法
1.5.1参数统计方法
1.5.2非参数统计方法
1.5.3专家系统
1.5.4神经网络方法
1.5.5杂合系统与支持向量机方法
1.6本书的章节结构
第2章模糊动态聚类在信用评级中的应用
2.1引言
2.2动态聚类分析方法
2.3举例
2.4建立模糊聚类评判标准
2.5本章小结
第3章判别分析模型在信用评价中的应用
3.1引言
3.2样本的选取与确定
3.2.1两类模式样本的选取
3.2.2三类模式样本的选取
3.3判别分析法
3.4两类模式分类
3.4.1LDA-SPSS方法
3.4.2LDA方法
3.5三类模式分类
3.5.1LDA-SPSS方法
3.5.2LDA方法
3.6本章小结
第4章Logistic回归模型在信用风险分析中的应用
4.1引言
4.2Logistic回归模型
4.3样本数据及实验结果分析
4.3.1实验一
4.3.2实验二
4.4本章小结
第5章神经网络基础知识
5.1引言
5.2人工神经元的模型
5.2.1人工神经元的模型
5.2.2激励函数的类型
5.3网络结构及工作方式
5.3.1前馈型网络
5.3.2反馈型网络
5.4神经网络的学习方法和算法
5.4.1学习方式
5.4.2学习算法
5.5本章小结
第6章多层感知器信用评价模型
6.1引言
6.2感知器
6.2.1单层感知器
6.2.2多层感知器
6.3两类模式分类
6.3.1样本的选取与确定
6.3.2两类模式MLP信用评价模型
6.3.3实验结果分析
6.4三类模式分类
6.4.1样本的选取与确定
6.4.2三类模式MLP信用评价模型
6.4.3实验结果分析
6.5MLP学习算法和步骤
6.6本章小结
第7章基于BP算法的神经网络信用评价模型
7.1引言
7.2多层前向网络学习算法
7.3两类模式信用评价模型
7.3.1样本的选取与确定(一)
7.3.2两类模式信用评价模型(一)
7.3.3样本的选取与确定(二)
7.3.4两类模式信用评价模型(二)
7.3.5实验结果分析
7.4三类模式信用评价模型
7.4.1样本的选取与确定
7.4.2三类模式信用评价模型
7.5BP网络学习算法和步骤
7.6本章小结
第8章径向基函数网络信用评价模型
8.1引言
8.2径向基函数
8.2.1HardC-Means算法
8.2.2Cover定理
8.2.3举例——异或门问题
8.3RBF网络信用评价模型
8.3.1样本的选取与确定
8.3.2RBF网络信用评价模型
8.4两类模式分类
8.5三类模式分类
8.6本章小结
第9章概率神经网络信用评价模型
9.1引言
9.2概率神经网络
9.3两类模式分类
9.3.1样本的选取与确定
9.3.2两类模式PNN结构
9.3.3实验结果分析
9.4三类模式分类
9.4.1样本的选取与确定
9.4.2三类模式PNN结构
9.4.3实验结果分析
9.5本章小结
第10章自组织竞争网络信用风险评价模型
10.1引言
10.2主成分分析
10.3自组织竞争网络及学习规则
10.4实证分析
10.5本章小结
第11章基于支持向量机的信用评价模型
11.1引言
11.2支持向量机
11.2.1超平面分类器
11.2.2非线性支持向量分类器
11.3样本数据的选取及仿真实验
11.3.1实验一
11.3.2实验二
11.4本章小结
第12章信用评价模型比较研究及预警研究
12.1引言
12.2比较研究回顾
12.3十种分类方法效果比较
12.3.1十种分类方法效果比较
12.3.2神经网络信用评价模型特点
12.4财务困境公司预警研究及结果比较
12.5本章小结
第13章Logistic回归模型对股价的预测与分析
13.1引言
13.2Logistic回归模型对股价的预测与分析
13.2.1样本和财务指标的选取
13.2.2Logistic回归预测模型(一)
13.3Logistic回归模型在深圳股市波动性中的预测
13.3.1样本的选取——深证综合指数
13.3.2Logistic回归预测模型(二)
13.4本章小结
第14章AR(1)和AR(2)在股市波动中的预测
14.1引言
14.2样本数据
14.3AR(1)及AR(2)预测模型的建立
14.4预测误差检验
14.5本章小结
第15章ARCH类模型在股市波动中的预测
15.1引言
15.2ARCH类模型
15.2.1对称的ARCH类模型
15.2.2非对称的ARCH类模型
15.3样本数据(一)及其实验结果分析
15.3.1样本数据(一)——上证综合指数
15.3.2ARCH类预测模型的建立
15.3.3ARCH类模型预测结果分析
15.4样本数据(二)及其实验结果分析
15.4.1样本数据(二)——深证成指
15.4.2ARCH(1)预测模型的建立
15.4.3GARCH(1,1)预测模型的建立
15.4.4ARCH(1)和GARCH(1,1)模型预测结果分析
15.5本章小结
第16章BP算法在股市波动中的预测
16.1引言
16.2BP算法及预测结果分析
16.2.1样本数据(一)——上证综合指数
16.2.2BP算法和ARCH类模型的预测误差检验
16.3样本数据(二)及实验结果分析
16.3.1样本数据(二)——深证成指
16.3.2BP算法及预测结果分析
16.3.3预测误差检验
16.4本章小结
参考文献
附表