模糊認知圖（FCMs）在上市公司信用風險評價中的應用.pdf

1、隨著信用的發(fā)展,信用風險問題日益顯著。如何對信用風險進行準確度量和評估已成為金融機構、廣大投資者以及專家學者們共同關注的課題。上市公司作為市場經濟的重要主體,其信用風險問題同樣引起了人們的廣泛關注。目前,關于信用風險評價和評級的方法雖層出不窮,但還遠不能滿足人們對信用風險進行科學量化和有效管理的需要。尋找更為完善且有效的信用風險評價方法仍然是國內外金融界相關人士長期努力的方向。 模糊認知圖(FCM)以其簡單的推理機制、強的知識表

2、達能力在很多領域得到了應用。本文通過深入研究FCM方法的原理及學習機制,并結合我國上市公司信用風險的特點及研究現狀,提出利用FCM研究上市公司信用風險評價問題。 本文的主要工作總結如下： 1、對FCM的原理及學習算法進行了深入研究。重點研究了基于Hebbian規(guī)則的非線性Hebbian學習算法(NHL)和激活Hebbian學習算法(AHL)。 2、對模糊集合理論和隸屬函數進行了研究,通過借鑒頭腦風暴法和德爾菲法的

3、群決策思想,提出三種構建FCM的方法,為該方法的更廣泛應用提供了便利。 3、重點研究了如何利用FCM對上市公司信用風險評價問題進行建模,這在文章第四部分有詳細介紹。首先,對上市公司信用風險影響因素進行了研究；其次系統研究了如何基于定性的模型開發(fā)思路建立上市公司信用風險評價FCM的問題,并具體闡述了專家調查法、群決策法以及反模糊化等方法在模型構建過程中的作用；最后,基于NHL算法和AHL算法,利用30組樣本對建立的FCM模型進行了