信用评价模型及其随机逼近优化算法研究

利用统计学、神经网络和支持向量机分别研究和建立信用评价模型，同时利用随机逼近方法优化神经网络和支持向量机的目标函数，用来对我国部分上市公司分别进行两类模式（"好"和"差"）和三类模式（"好"、"中"和"差"）分类。一方面用以解决国际上目前在信用风险分析领域存在的一个争议问题：神经网络是否优于统计学方法？支持向量机是否优于神经网络方法？另一方面也对统计学、神经网络和支持向量机的信用评价效果作一全面、科学、深入而又系统的比较研究。通过比较研究，找出算法收敛速度最快而判别准确率又最高的模型来建立上市公司财务困境预警系统。.通过本项目的研究，将给出一种新型的信用评级度量方法、评价系统、理论体系和管理模式，为我国上市公司进行信用评级提供科学、可行、有效的方法，填补我国在这一研究领域的空白，同时也将开创出许多有关预警系统研究问题的新机遇。