大数据背景下基于供应链金融的信用风险评价方法研究 刘颖 著 科学出版社【正版开发票】

目录
前言
章 绪论 1
1.1 供应链金融研究概述 1
1.2 供应链金融研究意义 3
1.3 本书研究贡献 3
1.4 本书章节安排 4
第2章 供应链金融的理论基础 7
2.1 供应链金融的相关概念 7
2.1.1 供应链 7
2.1.2 供应链管理 7
2.1.3 供应链金融 8
2.1.4 供应链金融的特点 10
2.2 供应链金融的融资模式 11
2.3 供应链金融风险的影响因素 14
2.4 信用风险 15
2.5 供应链金融信用风险评价方法研究综述 17
2.5.1 供应链金融发展现状 17
2.5.2 信用风险评价方法比较 18
2.6 本章小结 25
第3章 供应链金融数据分布特征与指标体系 27
3.1 供应链金融大数据分析现状 27
3.2 供应链金融信用数据分布特征 29
3.3 数据分布特征相关解决策略 30
3.3.1 非均衡样本解决策略 30
3.3.2 噪声离群点解决策略 33
3.3.3 非线性多维特征解决策略 36
3.4 供应链金融风险评价指标体系研究概况 38
3.5 供应链金融风险评价指标体系设计 40
3.6 供应链金融风险评价指标体系构建 41
3.6.1 F1：供应链融资企业信用风险评价特征指标集 42
3.6.2 F2：供应链核心企业信用风险特征指标集 44
3.6.3 F3：融资企业产品供应链绩效评价特征指标集 44
3.7 本章小结 46
第4章 基于改进模糊聚类算法的信用风险评价模型研究 48
4.1 关于聚类理论的提出 48
4.2 聚类分析算法 49
4.3 模糊聚类算法特点 53
4.4 模糊聚类算法对比测试 54
4.4.1 数据集描述 54
4.4.2 三种聚类算法测试结果 55
4.5 基于改进的GA-FCM模糊聚类算法 60
4.6 实验结果与分析 62
4.6.1 数据来源 62
4.6.2 三种聚类信用数据测试 63
4.6.3 优化后数据测试（一）：优化模糊加权指数 66
4.6.4 优化后数据测试（二）：剔除噪声 70
4.7 本章小结 73
第5章 基于离群点剔除及特征选取的信用风险评价方法研究 74
5.1 相关理论基础 74
5.1.1 支持向量机理论 74
5.1.2 传统粒子群算法 77
5.1.3 二进制粒子群算法 78
5.2 SVM分类器性能及在信用风险领域研究现状 78
5.2.1 SVM在分类中的优点 78
5.2.2 SVM在分类中的不足 79
5.2.3 SVM参数优化 80
5.2.4 SVM在信用风险评价中的应用 81
5.3 基于离群点剔除的SVM模型 82
5.3.1 基于离群点剔除算法 82
5.3.2 实验结果与分析 83
5.4 基于群协同优化算法的供应链金融信用风险评估模型 88
5.4.1 供应链金融风险评价指标体系建立 88
5.4.2 BPSO-SVM算法描述 88
5.4.3 实验结果与比较 90
5.5 本章小结 92
第6章 一种新的降噪集成SVM的供应链金融信用风险评价模型 94
6.1 集成学习理论及研究进展 94
6.2 噪声样本对SVM分类精度的影响 96
6.3 基于自适应变异粒子群参数优化算法 97
6.3.1 自适应变异粒子群算法 97
6.3.2 自适应变异粒子群算法优化SVM参数 99
6.4 AdaBoosting算法 101
6.4.1 算法理论 101
6.4.2 算法流程 103
6.5 基于噪声剔除集成SVM模型 103
6.5.1 数据搜集与准备 104
6.5.2 噪声剔除方法 105
6.5.3 噪声剔除集成SVM算法实现 106
6.6 实验结果与讨论 108
6.6.1 样本与特征属性 108
6.6.2 基于PCA的属性约简 110
6.6.3 基于FCM类别噪声剔除 110
6.6.4 基于EN-AdaPSVM模型的SCF风险评价结果 112
6.7 本章小结 115
第7章 总结与展望 117
7.1 总结 117
7.2 展望 118
参考文献 120