论文部分内容阅读
随着信用的发展,信用风险问题日益显著。如何对信用风险进行准确度量和评估已成为金融机构、广大投资者以及专家学者们共同关注的课题。上市公司作为市场经济的重要主体,其信用风险问题同样引起了人们的广泛关注。目前,关于信用风险评价和评级的方法虽层出不穷,但还远不能满足人们对信用风险进行科学量化和有效管理的需要。寻找更为完善且有效的信用风险评价方法仍然是国内外金融界相关人士长期努力的方向。
模糊认知图(FCM)以其简单的推理机制、强的知识表达能力在很多领域得到了应用。本文通过深入研究FCM方法的原理及学习机制,并结合我国上市公司信用风险的特点及研究现状,提出利用FCM研究上市公司信用风险评价问题。
本文的主要工作总结如下:
1、对FCM的原理及学习算法进行了深入研究。重点研究了基于Hebbian规则的非线性Hebbian学习算法(NHL)和激活Hebbian学习算法(AHL)。
2、对模糊集合理论和隶属函数进行了研究,通过借鉴头脑风暴法和德尔菲法的群决策思想,提出三种构建FCM的方法,为该方法的更广泛应用提供了便利。
3、重点研究了如何利用FCM对上市公司信用风险评价问题进行建模,这在文章第四部分有详细介绍。首先,对上市公司信用风险影响因素进行了研究;其次系统研究了如何基于定性的模型开发思路建立上市公司信用风险评价FCM的问题,并具体阐述了专家调查法、群决策法以及反模糊化等方法在模型构建过程中的作用;最后,基于NHL算法和AHL算法,利用30组样本对建立的FCM模型进行了检验,证明了上市公司信用风险评价FCM的有效性。
研究结果表明,通过专家调查建立上市公司信用风险评价FCM模型的思路是可行的。