基于因子分析与小波网络的企业信用评价模型研究

论文摘要

目前我国企业的信用问题受到巨大挑战,已经成为影响社会进步和经济发展的主要障碍。企业信用评价问题越来越受到重视。企业信用评价作为一种非线性复杂问题,传统的分析方法不能很好地解决这些问题。作为研究复杂问题的有力工具——小波网络技术近年来在模式识别与分类、预测、自动控制等方面已展示出其非凡的优越性。因子分析方法是统计学多元分析中的一种分析多个变量间内在关系的方法。本文针对目前广泛使用的企业信用评价方法存在的缺点和不足,结合信用评价本身所具有的特点,建立了基于因子分析与小波网络的企业信用组合评价模型。本文研究的具体步骤是：首先对企业信用评价相关理论进行梳理,对信用评价方法的选取和评价指标体系的建立进行了研究；其次运用数理统计方法对指标进行初步筛选,并进行因子分析,提取因子作为小波网络评价模型的输入；最后确定了小波网络结构,利用Matlab7.1软件建立了小波网络评价模型,对企业信用评价模型进行了检验。研究结果表明：本文所建模型在指标间相关度较高、呈非线性变化等情况下仍可得到比较满意的结果,因此是一种比较理想的评价方法,具有广泛的适用范围和较高的推广价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题背景
• 1.2 国内外文献综述
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 研究意义及目的
• 1.4 研究框架及方法
• 第2章 信用评价相关理论概述
• 2.1 信用与信用评价概述
• 2.1.1 信用的内涵
• 2.1.2 信用风险
• 2.1.3 信用评价的作用
• 2.2 信用评价理论基础
• 2.2.1 信息不对称理论
• 2.2.2 交易成本论
• 2.2.3 博弈论
• 2.3 本章小结
• 第3章 企业信用评价方法比较分析
• 3.1 传统信用评价方法
• 3.1.1 专家判断法
• 3.1.2 信用评分法
• 3.2 基于统计判别方法的信用评价模型
• 3.2.1 多元判别分析
• 3.2.2 非参数方法
• 3.3 人工神经网络模型
• 3.4 现代信用风险度量模型
• 3.4.1 信用计量模型（Credit Metrics模型）
• +模型）'>3.4.2 信用风险附加模型（Credit Risk⁺模型）
• 3.4.3 KMV模型
• 3.5 企业信用评价方法的选择
• 3.6 本章小结
• 第4章 企业信用评价模型构建
• 4.1 研究方法的选取
• 4.2 相关理论概述
• 4.2.1 因子分析
• 4.2.2 小波网络
• 4.3 初始指标体系的构建
• 4.3.1 构建指标体系的原则
• 4.3.2 指标的选取
• 4.4 企业信用评价模型的构建
• 4.4.1 总体模型的构建
• 4.4.2 小波网络的构建
• 4.4.3 小波网络学习算法
• 4.4.4 模型运行环境
• 4.5 本章小结
• 第5章 模型的应用与检验
• 5.1 研究样本的设计
• 5.2 指标筛选
• 5.2.1 非连续型数据的显著性差异检验
• 5.2.2 正态分布检验
• 5.2.3 正态分布指标变量的显著性检验
• 5.2.4 非正态分布连续型指标变量的显著性检验
• 5.2.5 指标变量选择
• 5.3 因子分析
• 5.3.1 相关性检验
• 5.3.2 提取公因子
• 5.3.3 因子旋转
• 5.3.4 因子解释
• 5.4 模型的训练
• 5.4.1 归一化处理
• 5.4.2 初始值的确定
• 5.4.3 隐含层节点数确定
• 5.4.4 训练模拟
• 5.5 实验验证
• 5.6 对比分析
• 5.7 本章小结
• 第6章 结论
• 6.1 本文工作总结
• 6.2 本文研究的局限性及拓展方向
• 6.3 建议
• 参考文献
• 致谢
• 附录A
• 附录B
• 附录C