熊志斌
- 作品数：15 被引量：207H指数：8
- 供职机构：华南师范大学数学科学学院更多>>
- 发文基金：教育部人文社会科学研究基金国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：经济管理理学自动化与计算机技术文化科学更多>>
- 基于自适应遗传模糊神经网络的信用评估建模被引量：8
- 2011年
- 提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。
- 熊志斌
- 关键词：遗传算法自适应模糊神经网络信用评估
- 期货期权课程的教学心得与改进设想被引量：2
- 2008年
- 金融市场的不断发展和创新,对期货期权课程的教学也提出了相应要求。要培养出高质量的人才,必须对传统的教学模式进行改进,从以教师为中心转变到以学生为中心,充分利用现代化的教学方法和教学手段进行教学,激发学生学习兴趣,提高学生思考分析能力,培养学生创新意识和创新能力。文章总结了期货期权课程教学方面的一些心得,并在此基础上提出了一些改进设想和建议。
- 熊志斌
- 关键词：期货期权教学心得教学设想
- 基于自适应遗传神经网络的我国上市公司信用风险评价研究
- 神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果，本文提出的一种基于种群适应度标准差的自适应遗传算法和BP神经网络相结合的自适应遗传BP神经网络模型，即保留了BP神经网络原有的优点，又克服了上述的缺点...
- 熊志斌
- 关键词：自适应算法神经网络信用风险上市公司
- 文献传递
- 基于变量选择思想与元学习的信用评估集成模型研究被引量：2
- 2018年
- 由于集成模型相比单一模型具有更高的准确性和稳健性而在信用评估领域中受到广泛关注。然而选择哪些单一模型作为基模型是关系到集成效果好坏的一个重要因素。本文提出了一种基于变量选择思想的基模型筛选方法,即从备选的单一模型中,利用基于相关性变量选择方法（CFS）筛选出合适的模型作为构建集成模型的基模型,通过这种方法选择的基模型,既保证了基模型具有较高的预测精度,又保证了基模型之间具有较大的差异性。在此基础上,通过堆栈集成结构方式,采用元学习策略方法,将所选基模型有效地融合在一起,构建了一个改进的信用评估集成模型。通过在不同信用数据集上的实验,验证了所提出集成模型的有效性和稳健性。同时,本研究成果也给学界和业界相关研究及决策提供了一种有益的思路和参考。
- 熊志斌
- 关键词：信用评估元学习
- 基于ARIMA与神经网络集成的GDP时间序列预测研究被引量：76
- 2011年
- 本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。
- 熊志斌
- 关键词：神经网络GDP预测
- 信用评估中的特征选择方法研究被引量：15
- 2016年
- 特征(变量)选择是信用评估中常用的一种数据降维技术,然而传统的基于相关性的特征选择方法 (CFS)在计算变量间相关系数时,本质上是一种线性分析方法,无法有效处理非线性关系的数据,导致不能准确估计变量间相关性的大小。本文在分析CFS方法的基础上,引入Gebelein最大相关系数(GMC),提出了一种非线性相关性特征选择方法——基于Gebelein最大相关性特征选择方法(GCFS)。在此基础上,结合支持向量机(SVM)技术,构建了GCFS-SVM评估模型。该模型能有效地识别变量间的非线性相关关系,更真实估计变量间相关系数大小,从而筛选出最优变量子集,最终提高模型评估预测能力。为验证本文所提方法的效果,通过对两个公开的信用数据集的实证研究,结果表明:与其他方法相比,本文提出的GCFS方法能显著改善信用评估模型预测性能,提高模型判别能力,本研究成果也为信用评估模型的构建提供了一种新的思路和有益的参考。
- 熊志斌
- 关键词：信用评估GMC支持向量机
- 现代信用风险管理度量模型比较被引量：8
- 2007年
- 对目前国外主流的信用风险管理度量方法进行了评述,比较了各方法的原理及各自的优缺点,分析了这些方法在目前我国信用风险管理条件下的适用情况,指出基于人工智能技术的信用风险模型在我国信用风险管理中应该引起更多的重视。
- 熊志斌李荣钧
- 关键词：信用风险随机波动模型人工智能
- 运用遗传神经网络模型对我国上市公司财务危机的预测被引量：5
- 2008年
- 神经网络已经被广泛运用于公司财务危机状况的预测,然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果;而遗传算法(Genetic Algorithm)是一种全局寻优搜索算法,能够有效克服上述缺陷。因此,文章提出的将遗传算法和神经网络相结合的遗传神经网络模型(Genetic Neural Networks),既保留了神经网络原有的优点,又克服了上述的缺点。并利用我国上市公司财务数据对公司财务危机状况进行实证分析,结果表明,该模型预测效果令人满意,预测结果明显优于一般神经网络模型。
- 熊志斌
- 关键词：遗传BP算法神经网络财务危机
- ARIMA融合神经网络的人民币汇率预测模型研究被引量：57
- 2011年
- 本文在深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型特点的基础上,建立了ARIMA融合NN的人民币汇率时间序列预测模型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,即将汇率时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARI-MA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终合成为整个序列的预测结果。通过对三种人民币汇率序列的仿真实验表明,融合模型的预测准确率显著高于包括随机游走模型在内的单一模型的预测准确率,从而证实了融合模型用于汇率预测的有效性。这一结果也表明,人民币汇率市场并不符合有效市场假设,可以通过模型对汇率未来走势做出较准确预测。
- 熊志斌
- 关键词：神经网络汇率预测
- 基于CEEMDAN与LSTM的人民币汇率分析与预测被引量：9
- 2022年
- 由于汇率波动的复杂性和非线性特点,使得汇率预测一直是金融领域中最具挑战的课题之一。本文提出了一种基于分解-优化预测-集成的综合研究方法来分析预测人民币汇率。首先,利用自适应噪声完备经验模态分解(CCEMDAN)方法,将原始汇率序列分解为若干不同频率的分量序列;接着通过Hilbert谱分析和相关统计方法确定高频、低频和趋势等三种结构分量,并将高频分量序列合并优化为一个新的分量序列;然后运用长短时记忆神经网络(LSTM)模型分别对各分量进行预测;最后将这些预测结果集成得到汇率的最终预测结果。本文以美元、欧元、英镑和日元兑人民币4种汇率为研究对象,研究发现:1)4种汇率的价格及波动受趋势分量和低频分量的影响较大,受高频分量的影响较小;2)欧元、英镑和日元兑人民币汇率受随机波动的影响要远大于美元兑人民币汇率所受到的影响,对短线投资者和机构来说,相比美元兑人民币汇率,关注另外三种汇率的高频分量可能具有更重要的意义;3)对比了其它10种模型(包括5种综合模型和5种单一模型)的预测结果,本文所提出的模型无论在预测精度还是在预测方向准确率上,表现都是最佳的,也充分说明该模型预测的有效性。此外,本文所提出的研究方法框架对其它金融时间序列的研究也具有一定的借鉴和参考价值。
- 熊志斌
- 关键词：人民币汇率预测
