基于集成特征选择的中小微企业信贷风险分类模型研究

文章以客户违约率作为中小微企业信用风险的评价标准,尝试构造基于集成特征选择的中小微企业信用风险分类模型,结合互信息矩阵、基于k折交叉验证的随机森林和支持向量机对模型进行分析。研究表明企业的信誉等级、销项有效率和最高销项对信用风险有显著影响,其他因素对信用风险的影响不显著,实验说明基于k折交叉验证的支持向量机具有可靠的信贷风险预测能力,对中小微企业信用风险评估有较强的参考价值。

基于RoBERTa的油气高风险作业管控措施分类方法

本文提出了一种基于RoBERTa的油气高风险作业管控措施分类方法,旨在解决高风险作业JSA库针对性不足的问题,该方法可以自动、准确地将管控措施划分成关键性措施与一般性措施,能够帮助使用者快速找到并采取关键的风险管控措施,提升JSA库的应用效果和风险管控水平。此外,本文还对管控措施分类结果进行了实验验证,结果表明该方法具有较高的准确性和可靠性,F1值达到76%,能够满足实际应用的需要。

基于BP神经网络的土地利用智能分类识别与雨洪风险模拟

土地利用分类数据的精度对雨洪风险淹没模拟研究具有重要影响.土地利用分类中不同地物之间存在复杂的非线性关系,为提高土地分类数据的精度,本研究引入具有非线性映射能力的BP神经网络模型,提出了一种基于深度学习的遥感影像土地利用分类方法.选取野三坡风景名胜区GF-2遥感影像数据,对该影像进行多尺度分割.同时将能够反映土地利用信息的光谱数据和DEM数据、坡度数据,作为输入层神经元,将土地利用类型作为输出层神经元,归一化处理后进行迭代训练,构建了基于BP神经网络的土地利用分类模型.该模型的分类总体精度达到91%,Kappa系数为0.890 6.基于该模型的识别结果,利用水文模型和ArcGIS空间分析工具,模拟并分析野三坡景区百年一遇的极端降水事件造成的雨洪淹没区,并提出应对雨洪灾害的相关策略.

基于分类风险的半监督集成学习算法

针对当前半监督集成学习算法对无标记样本预测时容易出现的标注混沌问题,文中提出基于分类风险的半监督集成学习算法(Classification Risk-Based Semi-supervised Ensemble Learning Algorithm,CR-SSEL).采用分类风险作为无标记样本置信度的评判标准,可有效衡量样本标注的不确定性程度.迭代地训练分类器,对高置信度样本进行再强化,使样本标注的不确定性逐渐降低,增强半监督集成学习算法的分类性能.在多个标准数据集上验证CR-SSEL的学习参数影响、训练过程收敛和泛化性能提升,实验表明随着基分类器个数的增加,CR-SSEL的训练过程呈收敛趋势,获得较优的分类精度.

“分级分类”与“契约”风险治理并行的人工智能监管制度构建——以欧盟《人工智能法案》为分析对象

推动战略性新兴产业融合集群发展,构建人工智能增长引擎,快速发展的人工智能向法律提出挑战的同时,创新人工智能产业也不容忽视。2023年8月《生成式人工智能服务管理暂行办法》落地,我国已基本形成人工智能监管框架。统筹人工智能“发展与安全”,平衡人工智能“监管与创新”便成为要解决的核心问题。以欧盟《人工智能法案》为分析对象,“分级分类”与“契约”风险治理并行的人工智能监管思路是其主要特征。一方面,分级分类的人工智能风险治理作为数字经济中一种监管理念能够更好地实现科学监管、高效规制、精准治理;另一方面,强调监管机构、科创企业、消费者三者在平等协商的基础上形成共治局面的人工智能监管沙盒实现了“契约”治理。因此,立足我国人工智能立法和发展现状,应构建“分级分类”与“契约”风险治理并行的人工智能监管制度。一是明确分级分类标准,对接相应的数据、算法、平台的治理规则体系,与现有的人工智能事前、事中、事后监管制度实现衔接。二是以国家数据局作为主要牵头机关,程序执行以“场景化”为特征,明确人工智能监管沙盒的五步程序和测试合格标准,坚持个人数据的处理是监管沙盒制度的关键,最终形成政府、社会、企业三方互相合作协同治理的局面。

商业银行金融资产风险分类监管研究——基于国际比较和我国实践的分析

金融资产风险分类是商业银行信用风险管理的一项基础实践,分类的准确性和有效性也是银行监管机构关注的重点。2023年,我国监管部门在结合国际先进经验和国内银行业良好实践的基础上,发布实施了《商业银行金融资产风险分类办法》,构建了全新的金融资产风险分类体系安排,是我国进一步优化商业银行信用风险管理和监管的一次重要创新。本文通过横向与纵向比较,分析了主要经济体商业银行金融资产风险分类的监管要求和巴塞尔委员会的政策建议,梳理了我国金融资产风险分类制度的演进路径和监管逻辑,重点研究了分类新规的基础思路和规则创新,提出商业银行在实施分类新规时面临的主要挑战,并有针对性地提出对策和建议。

跨境资本流动的新特点、潜在风险及政策建议——基于分类经济体的分析

2008年金融危机后,全球跨境资本流动规模、类型结构、主体部门都出现了结构性变化,呈现出的特点包括:跨境总资本流动规模大幅下降、亚洲发展中国家经济体净资本流入逐年攀升;发达经济体其他投资流入显著下滑、发展中经济体直接投资流入仍占主导;发达经济体其他部门资本流入占主导、发展中经济体政府部门流入增加。新特点的出现对各经济体,尤其是发展中经济体政府部门融资比重提升,引发货币错配风险和债务危机压力,直接投资的“金融化”和“虚拟化”引发潜在风险。未来应减少外债规模,防止货币错配,引入高质量外商直接投资,健全监测预警体系。

风险分类新规实施对金融资产减值准备管理的影响分析

商业银行依据金融资产风险分类结果计提减值准备,将不确定的信用风险损失转化为可计量的财务成本,实现信用风险成本的有效管控,确保经营管理健康稳健,经营效益持续提升。2023年7月1日起实施的《商业银行金融资产风险分类办法》(以下简称《办法》),重点强调以债务人履约能力为中心的风险分类理念,明确了金融资产风险分类的客观指标与要求,旨在进一步推动商业银行准确识别风险水平、做实金融资产风险分类。《办法》实施后,将会对商业银行资本充足率、不良贷款率、净利润、减值准备等核心指标产生重要影响。本文通过梳理风险分类新办法的重点变化,分析其对商业银行金融资产计提减值准备的影响,提出了相应的管理优化策略。

基于食品分类体系的食品添加剂使用问题及食品安全风险防控措施

食品添加剂在改善食品的感官性状、防止食品腐败变质、提高食品安全性等方面均发挥着重要作用。近年来,食品安全事件屡见不鲜,食品添加剂的使用问题日益受到社会各界的高度关注。我国现行的食品安全国家标准规定的食品分类与食品生产许可分类目录、GB 2760系列标准的食品分类系统不尽相同,因此理清食品分类对于食品添加剂的使用尤为重要。本文基于食品分类体系研究,探讨食品分类体系的实际应用,重点阐述食品生产许可现场核查发现的有关食品添加剂的使用问题,并提出相应的食品安全风险防控措施,旨在为国内食品添加剂的合规使用提供参考。

我国海洋石油安全风险分类与分级研究

为进一步完善我国海洋石油安全风险分类与分级,收集了相关法规、标准、做法等文献并进行了对比分析与研究。研究发现,目前国内海洋石油工业安全风险分类及分级未明确或不统一,结合海洋石油行业特点对其进行定义,并分析了海洋石油安全风险的特征;研究分析了国内不同行业、国内外石油行业安全风险特点与分类做法,基于4M1E法,从人员风险、设备设施风险、海上作业风险、物料/物流风险、技术风险、环境风险,将我国海洋石油安全风险分为6个大类、28个小类的分类建议做法,并对其进行含义或适用情形说明;研究分析了国内不同行业、国内石油公司安全风险分级做法,提出将严重性从人员、环境、财产、声誉4个方面分级为7级,发生频率分为7级,形成7×7安全风险矩阵的分级建议做法。

燃气行业常规作业风险分类分级管控机制

燃气行业常规作业活动占到生产经营操作活动的80%以上,由于此类活动的经常性、规程的完善性、设备的可靠性、环境和人员的固定性,其风险防控工作常常被习惯性忽略,特别是涉及重大生产经营程序和秩序的活动未有效进行管控,行业中因常规作业风险失控的事故并不在少数。为有效做好常规作业活动的风险管控,避免重特大事故,本文从常规作业活动风险管控的问题分析入手,确定风险管控的研究方向,从作业活动中的关键作业甄别、人员能力匹配、现场作业管控、本质安全改进等方面提出具体举措,建立常规作业分类分级管控机制。

分类管理背景下广西民办高校财务风险管理研究

随着广西壮族自治区(以下简称“广西”)民办高校的快速发展,财务风险管理成为一项十分重要的任务。本 文旨在探讨分类管理背景下广西民办高校财务风险管理的相关问题,并提出相应的解决策略。首先,文章介绍了分类管理 的基本概念和特点,分析其对广西高校财务风险管理的影响。其次,通过调研和案例分析,分析了分类管理背景下广西民 办高校财务风险及面临的主要问题等。最后,文章对广西民办高校财务风险管理的策略进行了探讨,包括拓宽融资渠道、 完善财务风险管理制度、加强内部控制、规范投资项目管理和强化风险意识等。

南京市以信息化平台 助力工贸企业风险分类分级

安全生产风险分类分级监管对于确保企业稳定运营和员工生命安全至关重要,通过精确分类和风险分级,监管部门能更有针对性地制定预防措施,降低事故发生概率,从而保障企业的可持续发展。目前,南京市治金等工贸企业在安全生产风险监管方面已经取得了一定的成效,但在实际过程中,仍然面临诸多挑战和难点。

白细胞分类计数对老年急性心肌梗死患者心血管死亡风险的预测价值研究

分析白细胞分类计数在老年急性心肌梗死(AMI)患者心血管死亡风险中的预测价值。方法 将本院2019.10-2022.10老年AMI患者(100例)设置为试验组研究对象,另外将同期100例健康的体检者作为对照组研究对象。对比组间白细胞分类计数检测结果。另外,统计100例AMI患者预后情况,分为预后良好(70例)与预后不良(30例:心血管死亡)两组,对比组间白细胞分类计数。利用Pearson相关分析确定白细胞分类计数在老年AMI患者心血管死亡风险中的预测价值。结果 试验组单核细胞、淋巴细胞、中性粒细胞、嗜酸粒细胞均高于对照组,嗜碱粒细胞低于对照组(P<0.05);预后不良组单核细胞、淋巴细胞、中性粒细胞、嗜酸粒细胞均高于预后良好组,嗜碱粒细胞低于预后良好组(P<0.05);单核细胞、淋巴细胞、中性粒细胞、嗜酸粒细胞与老年AMI患者心血管死亡风险呈负相关,即检测值越高则死亡风险越高,嗜碱粒细胞则与老年AMI患者心血管死亡风险呈正相关,即检测值越高则死亡风险越低(P<0.05)。结论 白细胞分类计数在老年AMI患者心血管死亡风险预测中具有极高的应用价值,值得应用。

江苏省市场监管局关于印发江苏省检验检测机构信用风险分级分类管理办法的通(苏市监规〔2023〕5号)

各设区市市场监管局:《江苏省检验检测机构信用风险分级分类管理办法》已经省市场监管局局务会议审议通过,现印发给你们,请遵照执行。2023年12月12日江苏省检验检测机构信用风险分级分类管理办法第一条为加强我省检验检测机构监督管理和诚信体系建设.

山西省市场监督管理局关于印发《企业信用风险分类管理办法》的通知(晋市监规发〔2023〕16号)

各市市场监管局、示范区市场监管局,省局各相关处(室、局),档案数据中心:为强化企业信用风险分类管理,完善以信用为基础的新型市场监管机制,省局对《企业信用风险分类管理办法》进行了修订,经2023年11月27日第25次局长办公会议审议通过,现印发给你们,请认真贯彻执行。

经导管主动脉瓣置换术前CT解剖特征与风险分类——多中心前瞻性横断面研究

目的:CT测量对于经导管主动脉瓣置换术(TAVR)患者术前风险评估不可或缺,然而当前国内外缺少TAVR术前CT解剖风险评估分类,本研究将初步就此进行总结。方法:多中心前瞻性收集2021年9月至2022年9月就诊的症状性重度主动脉瓣病变患者210例,收集并分析患者基线信息、CT测量及解剖风险和解剖风险分类。TAVR术前主动脉瓣病变的CT解剖综合风险分为A类(简单病变)、B类(复杂病变)、C类(高危复杂病变)、D类(禁忌病变)四类。结果:210例患者平均年龄(73.1±5.5)岁,男性89例(42.4%),左心室射血分数为(55.0±13.8)%。瓣叶分型包括70例(33.3%)三叶瓣,47例(22.4%)0型二叶瓣,82例(39.1%)1型二叶瓣和11例(5.2%)2型二叶瓣。其中常见解剖风险包括冠状动脉闭塞风险(38.6%),横位心(22.4%),下肢入路风险(21.4%),重度钙化(20.0%),瓣叶钙化不足(14.8%),小心室(12.9%),升主动脉扩张(12.4%)和瓣环破裂风险(10.5%)。综合风险分类结果为,31例A类(14.8%),131例B类(62.4%),36例C类(17.1%),12例D类(5.7%)。结论:不同瓣叶分型的TAVR术前CT解剖特征及病变风险分类有所差异,术前CT识别TAVR的高危复杂病变和禁忌病变十分重要。

风险规制的法律规范构造——以药品安全规制为例证

药品安全规制构成了风险规制法的重要“参照领域”。在药品安全领域,国家基于风险保护义务,进行风险规制立法,对市场主体的基本权利施以必要的限制。行政规章在风险规制中发挥重要作用,但其制定依据未能完全秉承授权明确性原则的要求。解释性规则、技术标准、指导性文件作为不具有法律规范形式的行政规则,将风险规制立法的内容予以解释和具体化,并为相对人提供导引。风险规制注重行政规制与自我规制的结合,企业应遵守行政规制;通过颁布自我规制规则、推行风险管理措施、落实组织化保障义务,来实现自我规制;对药品注册标准的核准、对药品的责令召回则体现了“受规制的自我规制”的原理。应引入风险分级分类规制理念,来配置有限的风险规制资源,实现规制收益最大化。

基于信用风险分类的“双随机、一公开”监管效能分析

为科学分析信用风险分类和“双随机、一公开”监管融合运用效能,设计了关于企业、基层执法人员、协会(商会)、社会公众等调查问卷,开展了针对性的问卷调查,分析了调查结果。本文总结了信用风险分类和“双随机、一公开”监管融合运用情况,指出了“双随机、一公开”监管中存在的问题,提出了强化信用风险管理、持续加大工作力度、不断创新抽查模式、制定分层级抽查事项库、优化联合部门数量等改进建议。

基于CMCP-LMCL的多分类深度神经网络及其应用

多分类问题涉及信用风险管理、股票走势预测等多个领域。深度神经网络(DNN)是常用于多分类预测的机器学习模型,然而输入特征维度较高且存在冗余信号时,将加重其可解释性不强和结构冗余等缺陷;同时,常用的Softmax损失也可能面临分类边界模糊导致预测效果不佳等问题。为此,本文针对多分类问题,提出一个新的深度神经网络CMCP-LMCL,利用CMCP变量选择方法压缩输入特征到第1隐藏层的权重。该方法融合权重的组结构,能够剔除无关特征以及不重要的连接;同时,对特征层之外的权重施加权重衰减L;2;惩罚,有利于改进过拟合问题。新方法的增强边缘余弦损失(LMCL)在Softmax基础上引入扩大参数和距离参数,增大分类决策边界的间隔以期提高分类预测性能。模拟分析表明,对比已有DNN和传统分类方法,无论特征以简单线性形式还是复杂非线性形式映射到因变量,本文所提出的方法均具有良好的特征选择性能和预测表现。基于信用贷款数据的实证分析表明,该方法能够有效选择风险指标并进行违约风险预警。