0去购物车结算
购物车中还没有商品，赶紧选购吧！
当前位置: 图书分类 > 社科/经管/语言/法律 > 财政/金融 > 大数据背景下基于供应链金融的信用风险评价方法研究

相同作者的商品

相同语种的商品

销售排行榜

浏览历史

大数据背景下基于供应链金融的信用风险评价方法研究


联系编辑
 
标题：
 
内容：
 
联系方式：
 
  
大数据背景下基于供应链金融的信用风险评价方法研究
  • 书号：9787030617118
    作者：刘颖
  • 外文书名：
  • 装帧：平装
    开本：B5
  • 页数：312
    字数：200000
    语种：zh-Hans
  • 出版社：科学出版社
    出版时间：2019-06-01
  • 所属分类：
  • 定价： ￥88.00元
    售价： ￥69.52元
  • 图书介质:
    按需印刷

  • 购买数量： 件  缺货，请选择其他介质图书！
  • 商品总价：

相同系列
全选

内容介绍

样章试读

用户评论

全部咨询

　　供应链金融风险评价是政府、金融机构研究的热点，在解决中小企业融资困境、促进产业供应链稳定发展、防范和规避金融风险等方面具有重要意义。在当今数字时代，源于多重媒介的海量数据将继续大幅增长，半结构、非结构化供应链金融数据使得大数据环境下金融数据分析的模式和方法相对复杂。通过大数据应用分析有效地增加价值能够使运营或供应链管理发挥优势。本书从供应链金融数据分布特征入手，分析影响信用风险分类模型的主要因素，将支持向量机方法结合模糊聚类、集成学习等理论，提出适合于高维、非均衡、小样本特点的供应链金融信用风险评价方法，旨在助力挖掘隐含在海量金融数据背后的知识信息。
样章试读
  • 暂时还没有任何用户评论
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页

全部咨询(共0条问答)

  • 暂时还没有任何用户咨询内容
总计 0 个记录，共 1 页。 第一页 上一页 下一页 最末页
用户名： 匿名用户
E-mail：
咨询内容：

目录

  • 目录
    前言
    第1章 绪论 1
    1.1 供应链金融研究概述 1
    1.2 供应链金融研究意义 3
    1.3 本书研究贡献 3
    1.4 本书章节安排 4
    第2章 供应链金融的理论基础 7
    2.1 供应链金融的相关概念 7
    2.1.1 供应链 7
    2.1.2 供应链管理 7
    2.1.3 供应链金融 8
    2.1.4 供应链金融的特点 10
    2.2 供应链金融的融资模式 11
    2.3 供应链金融风险的影响因素 14
    2.4 信用风险 15
    2.5 供应链金融信用风险评价方法研究综述 17
    2.5.1 供应链金融发展现状 17
    2.5.2 信用风险评价方法比较 18
    2.6 本章小结 25
    第3章 供应链金融数据分布特征与指标体系 27
    3.1 供应链金融大数据分析现状 27
    3.2 供应链金融信用数据分布特征 29
    3.3 数据分布特征相关解决策略 30
    3.3.1 非均衡样本解决策略 30
    3.3.2 噪声离群点解决策略 33
    3.3.3 非线性多维特征解决策略 36
    3.4 供应链金融风险评价指标体系研究概况 38
    3.5 供应链金融风险评价指标体系设计 40
    3.6 供应链金融风险评价指标体系构建 41
    3.6.1 F1：供应链融资企业信用风险评价特征指标集 42
    3.6.2 F2：供应链核心企业信用风险特征指标集 44
    3.6.3 F3：融资企业产品供应链绩效评价特征指标集 44
    3.7 本章小结 46
    第4章 基于改进模糊聚类算法的信用风险评价模型研究 48
    4.1 关于聚类理论的提出 48
    4.2 聚类分析算法 49
    4.3 模糊聚类算法特点 53
    4.4 模糊聚类算法对比测试 54
    4.4.1 数据集描述 54
    4.4.2 三种聚类算法测试结果 55
    4.5 基于改进的GA-FCM模糊聚类算法 60
    4.6 实验结果与分析 62
    4.6.1 数据来源 62
    4.6.2 三种聚类信用数据测试 63
    4.6.3 优化后数据测试（一）：优化模糊加权指数 66
    4.6.4 优化后数据测试（二）：剔除噪声 70
    4.7 本章小结 73
    第5章 基于离群点剔除及特征选取的信用风险评价方法研究 74
    5.1 相关理论基础 74
    5.1.1 支持向量机理论 74
    5.1.2 传统粒子群算法 77
    5.1.3 二进制粒子群算法 78
    5.2 SVM分类器性能及在信用风险领域研究现状 78
    5.2.1 SVM在分类中的优点 78
    5.2.2 SVM在分类中的不足 79
    5.2.3 SVM参数优化 80
    5.2.4 SVM在信用风险评价中的应用 81
    5.3 基于离群点剔除的SVM模型 82
    5.3.1 基于离群点剔除算法 82
    5.3.2 实验结果与分析 83
    5.4 基于群协同优化算法的供应链金融信用风险评估模型 88
    5.4.1 供应链金融风险评价指标体系建立 88
    5.4.2 BPSO-SVM算法描述 88
    5.4.3 实验结果与比较 90
    5.5 本章小结 92
    第6章 一种新的降噪集成SVM的供应链金融信用风险评价模型 94
    6.1 集成学习理论及研究进展 94
    6.2 噪声样本对SVM分类精度的影响 96
    6.3 基于自适应变异粒子群参数优化算法 97
    6.3.1 自适应变异粒子群算法 97
    6.3.2 自适应变异粒子群算法优化SVM参数 99
    6.4 AdaBoosting算法 101
    6.4.1 算法理论 101
    6.4.2 算法流程 103
    6.5 基于噪声剔除集成SVM模型 103
    6.5.1 数据搜集与准备 104
    6.5.2 噪声剔除方法 105
    6.5.3 噪声剔除集成SVM算法实现 106
    6.6 实验结果与讨论 108
    6.6.1 样本与特征属性 108
    6.6.2 基于PCA的属性约简 110
    6.6.3 基于FCM类别噪声剔除 110
    6.6.4 基于EN-AdaPSVM模型的SCF风险评价结果 112
    6.7 本章小结 115
    第7章 总结与展望 117
    7.1 总结 117
    7.2 展望 118
    参考文献 120
帮助中心
公司简介
联系我们
常见问题
新手上路
发票制度
积分说明
购物指南
配送方式
配送时间及费用
配送查询说明
配送范围
快递查询
售后服务
退换货说明
退换货流程
投诉或建议
版权声明
经营资质
营业执照
出版社经营许可证

中国科技出版传媒股份有限公司　版权所有

　

京ICP备14028887号-5　 京ICP证150976号 京公网安备 11010102004214号

北京东黄城根北街16号 邮编：100717 Email:webmaster@mail.sciencep.com