【摘 要】
：
房地产信托项目非系统性风险评估具有重要的政策与现实意义,现有文献多使用专家评分法或层析分析法判断项目非系统性风险,主观性较大,且评审效率较低。本文探求并比较机器学习模型对房地产信托项目非系统性风险的预测能力,以期得到项目非系统性风险预测模型,排除风险评估的主观因素影响,提高项目风险评估效率。本文收集X公司实际房地产信托项目数据,提取特征变量,得到预测结果并与实际风险评估结果进行比较,结果发现Log
论文部分内容阅读
房地产信托项目非系统性风险评估具有重要的政策与现实意义,现有文献多使用专家评分法或层析分析法判断项目非系统性风险,主观性较大,且评审效率较低。本文探求并比较机器学习模型对房地产信托项目非系统性风险的预测能力,以期得到项目非系统性风险预测模型,排除风险评估的主观因素影响,提高项目风险评估效率。本文收集X公司实际房地产信托项目数据,提取特征变量,得到预测结果并与实际风险评估结果进行比较,结果发现Logistic岭回归模型是最优的项目非系统性风险预测模型。本文行文结构安排如下:首先从实际风险与政策要求两个维度阐述了房地产信托项目风险评估的重要性,并对相关文献进行梳理,介绍文章的研究意义。其次简要介绍了房地产信托项目的发展历程、发展现状与项目特征。随后对房地产信托项目进行风险识别,选定可控的非系统性风险为研究对象,基于WBS-RBS法梳理非系统性风险构成;结合使用文献研究法与案例分析法,识别项目各类非系统性风险的特征变量。再依据选择的特征变量收集项目数据并进行预处理得到样本数据。分别选用机器学习中的LR模型、BP神经网络与支持向量机等模型分别构建项目非系统性风险二分类预测模型,选择预测准确率、F值、AUC与综合成本对比较预测模型,发现Logistic岭回归模型是当前最优的项目非系统性风险预测模型,依据Logistic岭回归模型结果针对性地提出风险控制意见。
其他文献
背景:肝细胞肝癌（Hepatocellular Carcinoma,HCC）是威胁人类健康的重大疾病,虽然近年来许多治疗方法都在不断进步,但患者的五年生存率仍然很低。因此,积极寻找新的更有效的治疗靶标已经刻不容缓。本课题组前期通过生物信息学方法分析发现核糖体RNA加工蛋白15（Ribosomal RNA processing 15 homolog,Rrp15）基因在肝细胞肝癌中高表达,与患者生存预
非天然脂肪族氨基酸是重要的医药中间体。L-环丙基甘氨酸是治疗糖尿病、抗病毒药物,蛋白酶抑制剂等的手性源,3-甲基正亮氨酸可作为合成除草剂类农药的关键中间体。目前,L-环丙基甘氨酸,3-甲基正亮氨酸主要是由化学法合成,包括催化还原法、光学拆分等,需要钯、镍等重金属催化剂,成本高,步骤多较为繁琐,且产品得率低,对环境污染大。现有生物合成法多采用NADH等辅酶还原体系,但利用效率低,成本高,不适宜大规模
哺乳动物的脂肪组织可分为皮下白色脂肪组织（Inguinal white adipose tissue,i WAT）、内脏白色脂肪组织（Epididymal fat white adipose tissue,e WAT）、经典棕色脂肪组织（Brown adipose tissue,BAT）以及米色脂肪组织。白色脂肪组织以储能为主,当机体摄入的能量远大于消耗时,多余的能量就以甘油三酯的形式储存在白色脂
转光膜在农业薄膜、光伏胶膜等行业有着广泛的应用,因其使用时经常处于曝晒状态,一旦燃烧会造成严重的经济损失和环境污染。乙烯-醋酸乙烯共聚物（EVA）具有高透光率、熔体流动性好等特点,常被选作转光膜的基材。但是EVA极限氧指数只有18%左右,阻燃性能较差,燃烧时还有严重的熔融滴落现象,因此,需要对EVA转光膜进行阻燃和抗滴落改性。本论文提出了三种不同的阻燃抗滴落方法,合成了两种不同的转光剂,用于制备E
随着移动互联网技术的发展,社交软件的用户量和市场规模得到迅猛发展。BAT、陌陌等互联网巨头相继推出各自的社交软件平台,再加上近年来大量资本涌入,使得社交软件市场竞争激烈。为了在其中脱颖而出,不少社交软件将游戏化元素和游戏功能嵌入到社交软件之中,提升社交软件的用户使用时长和留存率。游戏化在提高用户对社交软件的使用意愿上起来重要作用,因此从用户体验的角度探讨社交软件游戏化对用户使用意愿的影响至关重要,
近几年,基于被引片段的自动摘要正成为研究的热点,原因在于被引片段具有避免认知价值偏移,与原文表述相一致,更能反映原文信息等优点,并且其在引用动机分析、主题识别等领域中也起着重要的作用。但目前对被引片段的识别研究还不够深入,在CL-Sci Summ共享任务中最高的识别效果为14.5%,该值较低。同时大多数研究采用的是基于特征的机器学习方法,缺点在于需要人工提取重要特征,费时费力,不能有效挖掘引文内容
资产配置在资产管理领域中具有很重要的地位。如何通过资产配置降低风险提高收益是投资者关心的问题,所以通过数学模型进行资产配置可以获得最优配置权重。本文总结了国内外学者对于马科维兹均值方差、Black-Litterman模型等相关理论研究发现,传统的投资组合理论在假设的前提下只考虑收益率和风险的关系,在理论上具有权威地位,然而,均值-方差理论的假设与实际不符,在实际应用中市场效果并不理想。一方面均值方
金融投资组合优化是依据一定策略将资金不断分配到不同的金融资产中,以期获得更大累计收益的过程。随着机器学习领域深度强化学习技术的发展,利用计算机与现实环境不断交互进行自我学习,并通过大量计算实现投资组合的优化已经成为可能。此外,金融市场数据存在非线性模式和低信噪比等特征,深度强化学习在其中发挥了一定的优势,因此具有相当好的应用前景。针对投资组合的动态优化问题,本文展示了一个不使用传统金融模型的深度强
我国银行间质押式回购市场作为金融体系不可缺少的一环,关系到宏观货币供应量的调节,市场流动性的稳定以及金融机构货币的价值创造等多方面,同时是本国货币政策实现对经济控制与调整的一个重要环节。近年来,市场流动性波动频繁,央行为稳定波动,缓解流动性结构短缺,先后创设了SLF等多种货币政策工具。本文主要试图弥补银行间质押式回购市场缺少综合性的流动性指标的不足,并探究了我国传统型和创新型货币政策对市场流动性的
伴随着互联网技术的不断发展以及知识经济时代的来临,人们越来越倾向于从网络中获取知识。由于学术虚拟社区能够为人们提供便捷的知识交流场所和低成本、低门槛的交流方式,因此近年来获得了很大的发展。学术虚拟社区中的知识交流实质上是社区用户间的交互,这意味着社区用户之间的关系很可能会对知识交流效果产生影响,为此,本文旨在探究学术虚拟社区的用户关系对知识交流效果的影响,如用户间的互惠和平等关系是否会影响知识交流