面向风险管理的贝叶斯网络与集成研究

随着世界多极化和全球经济一体化进程的加快，风险已经成为我们这个时代的主题之一，风险管理是化解风险和减小损失的有效途径，贝叶斯网络是风险管理的有力工具。本项目针对目前贝叶斯网络研究存在的问题、贝叶斯网络的局限性、现代风险特点、风险管理实际需求展开具有针对性的研究，建立高效可靠的贝叶斯网络初始学习、增量学习和适应性学习，以及小样本数据和具有噪声的贝叶斯网络学习方法和算法，使贝叶斯网络在风险管理领域进一步实用化。将贝叶斯网络分别与马尔科夫过程、模糊系统、马尔科夫等价类理论和决策图等相结合，建立更具针对性的动态贝叶斯网络、可能贝叶斯网络、因果贝叶斯网络和决策贝叶斯网络，再与神经网络、遗传计算和Copula等结合，为研究和探索风险管理领域的多变量动态模拟与分析，因果分析，潜在和不可测因素识别、分析与处理，风险评估与控制，以及组合优化决策等方面的问题提供理论依据、实现方法和算法。