中国区域物流产业技术效率差异及演进趋势研究

为了科学评价我国区域物流产业技术效率及演进趋势,运用基于非径向、非角度的SBM-DEA模型,对我国2003—2013年30个省级行政地区物流产业的技术效率、纯技术效率和规模效率水平及其演进趋势进行了实证分析。分析结果表明:考察期内各地区物流业技术效率虽然呈现增长态势,但效率水平仍然较低,主要是由纯技术效率偏低所导致,八大区域物流业技术效率呈现从东向西递减的规律。总体而言,大部分地区物流业纯技术效率亟待提高,少数地区规模效率偏低是其技术效率较低的原因。转变增长方式是我国物流业技术效率提升的关键所在。

基于粒子群协同优化算法的供应链金融信用风险评价模型

针对供应链金融模式下信用风险评价精度受信用特征子集与模型参数影响的问题,提出一种粒子群协同优化信用风险评价模型.该模型在充分论证供应链金融风险特征指标体系的基础上,利用二进制粒子群算法优选特征子集,并对支持向量机(SVM)参数协同优化.对供应链金融信用风险评估进行实验,并与传统径向基支持向量机和主成分分析特征抽取方法对比,结果表明,该模型优选的特征子集和SVM参数能显著提高信用风险评价精度.

供应链金融大数据分布特征的分析与洞见

半结构、非结构化、海量的供应链金融数据使得大数据环境下金融数据分析的模式和方法相对复杂。面向大数据样本研究,如何将大样本相比于小样本的独有特征体现在分类模型中值得深入探索。文中从供应链金融数据分布特征入手,分析影响信用风险分类模型的主要因素;对多年来的相关研究成果进行归类分析,概括信用数据分布特征,包括信用数据非均衡与不对称性、信用数据噪声和离群点的存在以及信用数据的非线性多维特征,并探讨了进一步的解决策略。供应链金融大数据分布特征的分析旨在助力挖掘隐含在海量金融数据背后的知识信息,为信用风险模型的构建奠定了坚实的基础。