宁波镇海区“15分钟公共服务圈”建设理论研究

建设“15分钟公共服务圈”是促进公共服务均等化、提高公共服务水平和实现基本公共服务均衡性和可及性的基本手段和有效途径。宁波市镇海区争先探索“15分钟公共服务圈”的建设方法和实施路径,通过构建“四库”数据底座、形成科学“两图”实现精准化治理和结合“镇享未来”应用实现多维度精细化服务,从而搭建优质的“1+7+N”的公共服务应用体系。

不平衡数据下模型评价指标的有效性探讨

模型评价指标对于衡量模型的表现尤为关键,只有正确合理的评价指标才能更好地反映模型的性能优劣。由于AUC和KS指标在被用于评价信用评级模型时,均存在忽视了数据的不平衡性和类别误判代价不等价性的不足,故文章从代价敏感矩阵出发计算总损失,进而提出新的评价指标——AKS指标。进一步地,模拟分析的结果表明,由AKS指标确定的阈值较KS指标更合理,且不同情形下AUC、KS和AKS指标的有效性分析结果表明AKS指标可以较好地衡量模型的分类性能。

黄土高原半干旱区人工林地土壤水分变化模型

通过改进由二室模型所建立的人工林地土壤水分垂直变化的数学模型,并选取2002-2006年宁夏固原上黄生态试验站人工柠条林地观测所得的土壤水分数据对改进模型进行验证。结果表明,改进模型较原模型能更好地反映不同条件下土壤水分的垂直变化特点,且模型在土壤水资源的可持续利用中有较好的应用价值。

信用评级中多类别分类自变量的类合并方法研究

信用评级建模中,当多个分类变量的类别较多时会给模型的估计和预测造成较大影响,因此需要对多类别的分类变量进行预处理。结合连续数据离散化的方法,提出基于Fisher精确检验、CACM准则和ACACM准则的有监督类合并方法。分别采用模拟数据和真实的小微企业信贷业务数据对所提出的方法进行分析,结果表明,对多类别的分类变量进行有效的类合并处理不仅有利于简化模型参数,而且有利于提高信用评级模型的分类效果。

桂林某火车站候车室夏季热舒适研究

以夏热冬冷地区的桂林某火车站为研究对象,采用现场测试和问卷调查的方法,对夏季候车室的热舒适现状进行了分析,研究结果表明,大多乘客希望室内温度降低,候车室内乘客的热中性温度为26.75℃,80%的乘客可接受温度范围为25.63~28.27℃,热舒适温度区间较窄。

基于半参数估计的非随机缺失样本分类

因变量非随机缺失是指样本中因变量的缺失机制与其自身特征高度相关,由于样本缺失具有选择性而不再适合推断总体特征。文章借鉴非随机缺失数据均值泛函估计的思想,运用基于指数倾斜的半参数模型解决非随机缺失样本的二分类问题,结合8类因变量缺失情形进行数值模拟研究,将半参数模型对非随机缺失样本的分类效果与Logit模型、SVM模型、决策树模型进行比较,实证结果表明,半参数方法的分类效果具有明显优势。

SMOTE混合抽样对非平衡数据分类效果的影响分析

本文旨在研究对非平衡数据建模时,SMOTE过抽样和随机欠抽样的不同比例对模型预测效果产生的影响。首先基于模拟数据,探究了混合抽样比例的不同组合下,带有LASSO变量选择的逻辑回归模型对于非平衡程度不同数据的分类效果。模拟结果表明,过抽样和欠抽样的比例越高,预测效果越好,但是在某些情况下,直接使用原始数据进行建模,选取一个合适的临界值,可以得到更理想的分类模型。通过对某担保公司的数据实证研究发现,前述结论基本成立,且当原始数据极不平衡时,采用混合抽样方法进行数据预处理可以有效提高模型的预测效果,这对于非平衡数据的建模分析过程有一定的指导意义。

网络空间视角下国家风险影响因素分析——基于“一带一路”沿线国家

利用2007年至2015年＂一带一路＂沿线51个国家的面板数据,建立空间误差模型分析宏观因素对国家风险的影响。结果表明：国家风险具有网络空间交互结构,国家经济发展、国内社会现状、国际收支情况和政府收支水平在一定程度上影响国家风险。提升防范外部风险冲击的能力,需要各国加强国内经济社会建设,并积极地开展对外合作交流。

基于长记忆模型的期货与现货波动率关系分析

基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性，发现股指期货波动率序列的长记忆性弱于指数波动率序列．另外，通过对比分析两波动率序列的确定趋势可知：现货市场与期货市场的波动率的变化趋势基本一致，二者处于一种长期的均衡关系，但又存在一定的差异；期货市场对于稳定现货市场的波动具有一定的作用，尤其表现在股价大幅度下跌时．

基于GAS模型的动态VaR预测效果分析

GAS模型是一种基于观测的动态模型,理论简单且应用灵活,可以直接估计VaR.将GAS模型和GARCH类模型应用于不同条件下生成的模拟数据和三个时间段的沪深300指数的日对数收益率数据,并比较模型关于VaR的预测效果。结果表明:在对称的条件分布下,GAS模型容易高估风险且不稳健,其表现不如GARCH类模型;但在条件分布为有偏的时,GAS模型与GARCH类模型的表现相当,部分情况下会优于GARCH类模型,尤其在实证分析中关于序列2和序列3的VaR的估计,GAS模型的预测效果较好。因此,实际应用中,对于具有较明显偏态分布或尖峰分布的数据可以考虑使用GAS模型预测动态VaR.

信用评级模型的数据离散化研究

连续变量离散化属于信用评级建模的初始阶段,科学的离散化操作能够提升模型的分类效果和参数的稳定性,便于评级模型的产品呈现.考虑信用评级的误判成本差异,对类别-属性一致性最大化准则进行类别权重调整,提出ACACM准则,并提出基于ACACM准则的数据离散化算法.ACACM算法调整原算法中不同类别个体的权重,更加倾向于刻画误判成本较高的违约客户,使离散化后的变量能够提升评级模型的风险控制能力,更适合信用评级建模.

信用评级模型的特征选择方法研究

特征选择是信用评级建模的重要环节,合理的特征选择能够简化模型结构和提升分类效果.借鉴w-L1SVM模型的加权思想,借助Logistic-Group-Lasso模型筛选组变量的优势,提出处理信用评级特征选择问题的加权Logistic-GroupLasso(w-LGL)模型,该模型在选择变量时更加关注误判成本较高的违约客户,且能够实现分类变量的整组处理.与常规特征选择方法相比,w-LGL模型在数值模拟与实证研究中的分类效果更好.