图书介绍
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pdf电子书版本下载
- 庞素琳著 著
- 出版社： 北京：科学出版社
- ISBN：7030158342
- 出版时间：2005
- 标注页数：253页
- 文件大小：9MB
- 文件页数：267页
- 主题词：上市公司－信用－评价－经济模型－研究；股票－证券市场－经济预测－经济模型－研究
PDF下载
下载说明
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PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
目录 1
序言 1
前言 1
第1章 绪论 1
1.1 引言 1
1.2 财务困境及其预警性研究的意义 1
1.2.1 财务困境的概念 1
1.2.2 企业财务困境预警研究的意义 4
1.3 公司财务状况综合评价 5
1.4.2 信用风险与市场风险 7
1.4.1 信用风险 7
1.4 信用风险 7
1.4.3 信用评级 8
1.5 信用风险分析方法 9
1.5.1 参数统计方法 10
1.5.2 非参数统计方法 11
1.5.3 专家系统 11
1.5.4 神经网络方法 12
1.5.5 杂合系统与支持向量机方法 14
1.6 本书的章节结构 14
2.1 引言 17
第2章 模糊动态聚类在信用评级中的应用 17
2.2 动态聚类分析方法 18
2.3 举例 19
2.4 建立模糊聚类评判标准 24
2.5 本章小结 30
第3章 判别分析模型在信用评价中的应用 32
3.1 引言 32
3.2 样本的选取与确定 34
3.2.1 两类模式样本的选取 34
3.2.2 三类模式样本的选取 36
3.3 判别分析法 37
3.4 两类模式分类 39
3.4.1 LDA-SPSS方法 39
3.4.2 LDA方法 40
3.5 三类模式分类 42
3.5.1 LDA-SPSS方法 42
3.5.2 LDA方法 44
3.6 本章小结 47
第4章 Logistic回归模型在信用风险分析中的应用 48
4.1 引言 48
4.2 Logistic回归模型 49
4.3.1 实验一 51
4.3 样本数据及实验结果分析 51
4.3.2 实验二 57
4.4 本章小结 62
第5章 神经网络基础知识 64
5.1 引言 64
5.2 人工神经元的模型 65
5.2.1 人工神经元的模型 65
5.2.2 激励函数的类型 67
5.3.1 前馈型网络 69
5.3.2 反馈型网络 69
5.3 网络结构及工作方式 69
5.4 神经网络的学习方法和算法 70
5.4.1 学习方式 70
5.4.2 学习算法 71
5.5 本章小结 75
第6章 多层感知器信用评价模型 76
6.1 引言 76
6.2 感知器 77
6.2.1 单层感知器 77
6.2.2 多层感知器 79
6.3 两类模式分类 81
6.3.1 样本的选取与确定 81
6.3.2 两类模式MLP信用评价模型 82
6.3.3 实验结果分析 83
6.4 三类模式分类 84
6.4.1 样本的选取与确定 84
6.4.2 三类模式MLP信用评价模型 85
6.4.3 实验结果分析 87
6.5 MLP学习算法和步骤 89
6.6 本章小结 90
第7章 基于BP算法的神经网络信用评价模型 91
7.1 引言 91
7.2 多层前向网络学习算法 92
7.3.2 两类模式信用评价模型（一） 95
7.3 两类模式信用评价模型 95
7.3.1 样本的选取与确定（一） 95
7.3.3 样本的选取与确定（二） 98
7.3.4 两类模式信用评价模型（二） 99
7.3.5 实验结果分析 100
7.4 三类模式信用评价模型 105
7.4.1 样本的选取与确定 105
7.4.2 三类模式信用评价模型 105
7.5 BP网络学习算法和步骤 108
7.6 本章小结 110
8.1 引言 112
第8章 径向基函数网络信用评价模型 112
8.2.1 Hard C-Means算法 113
8.2 径向基函数 113
8.2.2 Cover定理 114
8.2.3 举例——异或门问题 115
8.3 RBF网络信用评价模型 116
8.3.1 样本的选取与确定 116
8.3.2 RBF网络信用评价模型 116
8.4 两类模式分类 119
8.5 三类模式分类 120
8.6 本章小结 122
9.1 引言 123
第9章 概率神经网络信用评价模型 123
9.2 概率神经网络 124
9.3 两类模式分类 126
9.3.1 样本的选取与确定 126
9.3.2 两类模式PNN结构 126
9.3.3 实验结果分析 127
9.4 三类模式分类 129
9.4.1 样本的选取与确定 129
9.4.2 三类模式PNN结构 129
9.4.3 实验结果分析 130
9.5 本章小结 131
10.1 引言 133
第10章 自组织竞争网络信用风险评价模型 133
10.2 主成分分析 134
10.3 自组织竞争网络及学习规则 135
10.4 实证分析 137
10.5 本章小结 141
第11章 基于支持向量机的信用评价模型 142
11.1 引言 142
11.2 支持向量机 143
11.2.1 超平面分类器 143
11.3.1 实验一 148
11.2.2 非线性支持向量分类器 148
11.3 样本数据的选取及仿真实验 148
11.3.2 实验二 151
11.4 本章小结 153
第12章 信用评价模型比较研究及预警研究 155
12.1 引言 155
12.2 比较研究回顾 155
12.3 十种分类方法效果比较 161
12.3.1 十种分类方法效果比较 161
12.3.2 神经网络信用评价模型特点 164
12.4 财务困境公司预警研究及结果比较 165
12.5 本章小结 168
第13章 Logistic回归模型对股价的预测与分析 171
13.1 引言 171
13.2 Logistic回归模型对股价的预测与分析 171
13.2.1 样本和财务指标的选取 171
13.2.2 Logistic回归预测模型（一） 174
13.3 Logistic回归模型在深圳股市波动性中的预测 176
13.3.1 样本的选取——深证综合指数 176
13.3.2 Logistic回归预测模型（二） 178
13.4 本章小结 183
14.2 样本数据 185
第14章 AR（1）和AR（2）在股市波动中的预测 185
14.1 引言 185
14.3 AR（1）及AR（2）预测模型的建立 186
14.4 预测误差检验 191
14.5 本章小结 193
第15章 ARCH类模型在股市波动中的预测 195
15.1 引言 195
15.2 ARCH类模型 196
15.2.1 对称的ARCH类模型 196
15.2.2 非对称的ARCH类模型 197
15.3.1 样本数据（一）——上证综合指数 198
15.3 样本数据（一）及其实验结果分析 198
15.3.2 ARCH类预测模型的建立 200
15.3.3 ARCH类模型预测结果分析 205
15.4 样本数据（二）及其实验结果分析 206
15.4.1 样本数据（二）——深证成指 206
15.4.2 ARCH（1）预测模型的建立 209
15.4.3 GARCH（1,1）预测模型的建立 210
15.4.4 ARCH（1）和GARCH（1,1）模型预测结果分析 211
15.5 本章小结 212
16.1 引言 213
第16章 BP算法在股市波动中的预测 213
16.2 BP算法及预测结果分析 214
16.2.1 样本数据（一）——上证综合指数 214
16.2.2 BP算法和ARCH类模型的预测误差检验 216
16.3 样本数据（二）及实验结果分析 218
16.3.1 样本数据（二）——深证成指 218
16.3.2 BP算法及预测结果分析 218
16.3.3 预测误差检验 219
16.4 本章小结 221
参考文献 223
附表 231