人工智能在信用评级方法中的关键技术研究Word文件下载.docx
《人工智能在信用评级方法中的关键技术研究Word文件下载.docx》由会员分享，可在线阅读，更多相关《人工智能在信用评级方法中的关键技术研究Word文件下载.docx（18页珍藏版）》请在冰点文库上搜索。
中国博士后科学基金会制表
须 知
1.申请者应认真阅读《中国博士后科学基金资助规定》和《中国博士后科学基金面上资助实施办法》，按有关要求逐项填写申请材料。
2.面上资助不受理涉密项目。
3.“投送学科”系指申请者所报项目的所属学科。
若申报项目是学科交叉研究项目，应填写所涉及的交叉学科名称。
4.“项目名称”不得超过25个字。
5.“研究方向”系指申请者所报项目的研究方向，不得超过15个字。
6.填表必须实事求是，认真翔实，不得弄虚作假。
一、个人信息
姓名
路璐
性别
男
出生日期
1980年12月15日
身份证号
370104198012151019
国籍
中国
民族
汉族
进站时间
2015年9月8日
预计出站时间
2017年9月8日
进站单位
流动站
工作站
√
设站单位：
合作导师：
关建中
学
习
经
历
学位
授予时间
授予单位
一级学科
导师
学士
2006年7月
俄罗斯伏尔加格勒国立技术大学
经济管理
硕士
2008年7月
自动系统设计和搜索构造
博士
2013年4月
系统分析，信息处理和管理
主要研究工作经历
起止时间
院校/科研机构
研究内容
身份
2008年7月～2012年7月
俄罗斯伏尔加格勒国立技术大学自动系统教研室
项目名称如下：
《分析，诊断系统发展的战略预测》，《贝叶斯专家评估系统》，《利用王维循环确定经济评估的自动系统》，《人工智能专家评估系统在心理语义学的声音识别的应用》，《人工智能专家评估系统在人的病历3D管理的应用》，《人工智能专家评估系统在心理和生理的特征曲线-相貌识别系统的应用》，《人工智能专家评估系统在按自动平衡方法自动选择药剂的应用》，《人工智能专家评估系统在化学反应数据库的应用》。
研究人员
曾
获
得
的
研
究
成
果
参加或主持的科研项目
批准时间
项目名称
下达部门
项目性质
项目经费
承担责任
2010年12月31日
人工智能专家评估系统在按自动平衡方法自动选择药剂的应用
应用研究项目
10万元
我是主要负责人之一，负责智能评估系统对项目的支持工作，本项目通过对中医理论，进行数学建模，完成系统化设计。
项目实现了病情和药剂之间的因果联系，当病情诊断后，自动选择药剂；
人工智能专家评估系统在人的病历3D管理的应用
我是主要负责人之一，负责智能评估系统对项目的支持工作，本项目帮助医生对病人病情的分析，并做出诊断；
人工智能专家评估系统在心理和生理的特征曲线-相貌识别系统的应用
用人工智能评估系统对图像进行分析，做出决策，我是主要负责人之一，负责智能评估系统对项目的兼容，算法建模，分类分析和给予决策部分，本项目应用于安保、刑侦等多个领域；
2010年12月1日
人工智能专家评估系统在化学反应数据库的应用
我是主要负责人之一，负责智能评估系统对项目的支持工作，本项目为化工厂排除安全隐患提高帮助。
人工智能专家评估系统在心理语义学的声音识别的应用
用人工智能评估系统对声音进行分析，做出决策，我是主要负责人之一，负责智能评估系统对项目的兼容，算法建模，分类分析和给予决策部分，本项目应用于安保、刑侦等多个领域；
2010年11月1日
利用王维循环确定经济评估的自动系统
战略性基础研究
我是主要负责人之一，这个项目选用了中国文王循环，我负责数学建模，自动平衡原理的应用、循环体预测，场景预测的设计等工作。
本项目成果为循环体预测提供了案例；
2010年9月1日
建立贝叶斯专家评估系统
我是主要负责人之一，负责研究贝叶斯算法、数学建模、系统设计等方面，目前项目成果被高校自动系统教研室和科研机构用于数据标准化衡量方面；
2008年7月2日
分析，诊断系统发展的战略预测
我是项目第一负责人，负责项目中所有涉及的科研部分，这个项目成果目前被俄罗斯社科院，俄罗斯评级机构采用，成为俄罗斯信用体制构建的理论基础的一部分
发表的有代表性论文（包括已录用、待发表的论文）
发表时间
论文题目
学术刊物
或会议名称
或会议类型
收录情况
排名
2012年7月4日
俄罗斯伏尔加格勒国立技术大学博士委员会
国际学术会议
其他
2011年12月26日
2011年12月23日
2011年12月22日
2011年12月20日
贝叶斯专家评估系统
2011年12月7日
经济战略预测程序（ПроЭкС）
俄罗斯联邦知识产权办公室
2011年10月8日
用自动平衡原理解决经济过程的建模
第四届国际科学实践学术会议
国内学术会议
2011年4月10日
以循环体为基础利用系统方法解决营销战略课题
俄罗斯最高学术学位委员会
国际刊物
2010年8月12日
用循环体解决战略课题
第15届国际和俄罗斯科学学派学术会议
2010年5月4日
系统方法和循环体在预测中的作为
第三届国际科学实践学术会议
2010年4月2日
利用系统方法对形式发展的预测
2009年4月4日
以循环体为基础的经济形式发展预测
2009年3月2日
自动平衡原理
2008年12月9日
经济系统案例的预测革新
第12届俄罗斯伏尔加格勒洲青年研究员区域学术会议
2008年11月11日
易经是经济系统发展的预测工具
当代科学技术
出版的代表性专著
出版时间
论著名称
独著或合著
出版社
合著排名
2010年12月22日
战略经济预测与王维循环
合著
1
2010年10月22日
经济预测中的易经应用
经济预测中的革新
解决企业战略经济课题专家系统在经济预测领域中的运用
获专利情况
受理时间
名称
类型
实用新型
2
其他荣誉或成果
获奖时间
奖励名称
2016年1月6日
海归视角
北京朝阳海外学人
2015年11月4日
凤凰计划
北京市朝阳区人民政府
第18页共18页
校验码：
f483d435-063d-44c8-a20e-4ccb7cae4351
二、申报项目基本信息
名
称
中文
英文
项
目
简
要
介
绍
（限500字）
信用评级是发现并揭示信用风险的手段，大公信用评级原理提出偿债来源与财富创造能力偏离度的思想，并把它作为核心评级思想。
大公评级原理采用了综合归一法，把影响企业信用级别的众多因素归为偏离度表示，用多个可以影响偏离度的指标进行调节。
企业偏离度随着时间而发生变化，与行业和其他企业做比较，拥有安全区间，并能通过其他方法实现预测。
本项目研究用人工智能的算法解决评级方法中的关键技术：
用贝叶斯算法的人工智能专家评估系统处理众定性和定量因子的综合指数；
在影响因子的静态池中用机器学习的方法训练权重，用期望输出与实际输出的差异引导着学习过程，权重值会随着学习的速度和失败的次数而不断更新,使权重随着环境的变化而实现偏差纠正；
给偏离度数学建模，实现重要因子可以调节偏离度指数；
根据偏离度在时间轴上的曲线走势，进行预测；
用循环体预测的思想分解偏离度的级别，用场景预测法对不同级别的偏离度进行定义；
众多场景模块式组成评级报告，用自然语言生成技术对评级报告优化，从而实现高质量的评级报告的自动生成。
本研究支持大公信用评级原理，为走出具有民族特色的信用评级、评估、预测、战略预测的道路做出努力。
关键词
（限5个名词，用逗号分开）
信用评级，贝叶斯算法的人工智能专家评估系统，循环体预测和场景预测，权重的机器学习，信用评级系统的自然语言处理
三、项目研究方案
内容包括：
研究目标、研究内容、拟采取的研究方法或技术路线、研究计划及预期进展。
研究目标：
用人工智能算法解决信用评级方法中的关键技术。
研究内容：
1、用贝叶斯算法的人工智能专家评估系统处理众定性和定量因子的综合指数；
2、在影响因子的静态池中用机器学习的方法训练权重，用期望输出与实际输出的差异引导着学习过程，权重值会随着学习的速度和失败的次数而不断更新,使权重随着环境的变化而实现偏差纠正；
3、给偏离度数学建模，实现重要因子可以调节偏离度指数；
4、根据偏离度在时间轴上的曲线走势，进行预测；
5、用循环体预测的思想分解偏离度的级别，用场景预测法对不同级别的偏离度进行定义；
6、众多场景模块式组成评级报告，用自然语言生成技术对评级报告优化，从而实现高质量的评级报告的自动生成。
拟采取的研究方法：
相关关系方法：
方差分析，相关分析，回归分析，智能专家评估。
预测方法：
场景预测法，循环体预测法，主观概率法，人工神经网络方法，计量经济预测法，马尔可夫法，线性回归方法，指数平滑法。
优化偏离度算法：
贝叶斯算法。
权重确定方法：
遗传算法，增强学习，经验归纳学习，决策树学习算法，层次分析法，统计平均法。
自然语言处理方法：
加一平滑法，线性插值平滑技术。
技术路线：
研究计划:
2016.2-2016.6完成用贝叶斯算法的人工智能专家评估系统处理众定性和定量因子的综合指数的研究，完成贝叶斯算法的人工智能专家评估系统专利注册，撰写一本《评估、预测与战略预测》的专著；
2016.6-2016.11影响因子的静态池中用机器学习的方法训练权重；
2016.11-2017.3给偏离度数学建模，实现重要因子可以调节偏离度指数，建立偏离度的动态群组，实现通过调节偏离度指数变量，得到相应的安全度；
2017.3-2017.6根据偏离度在时间轴上的曲线走势，进行预测，用循环体预测的思想分解偏离度的级别，用场景预测法对不同级别的偏离度进行定义；
2017.6-2017.8用自然语言生成技术对评级报告优化，实现高质量的评级报告的自动生成，完成评级报告自动系统专利注册。
预期进展:
1、相关论文发表于期刊或公司内部刊物上；
2、一本《评估、预测与战略预测》的专著；
3、完成贝叶斯算法的人工智能专家评估系统专利注册；
4、完成评级报告自动系统专利注册。
四、项目研究基础
研究意义、国内外研究现状综述、主要参考文献及出处（注：
请勿涉及已发表的论文等个人信息，否则按故意泄露个人信息处理）。
研究意义：
信用评级技术对于金融机构具有重要意义。
信用评级的传统方法主要是包括专家法、打分法等在内的主观综合法，在信用评级行为越来越频繁和普遍的今天，冗繁的评定过程和过强的主观性使人们开始寻求传统法之外的信用评级方法。
人工智能技术能显著地提高信用评级的准确度与适应性。
本文提出基于人工智能技术的信用评估模型，实现自动生成高质量的信用评级报告。
随着经济的发展，金融机构业务的扩张，对信用评级的需求日益显著，利用人工智能技术构建信用评估模型，具有独特的优势，用很高的研究意义和使用价值，有着广阔的应用前景。
国内外研究现状综述：
信用评估的发展可以分为三个阶段：
（1）定性分析阶段：
信用评估技术的研究最初可以追溯到20世纪30年代，在20世纪60年代成为热点，在20世纪70年代前，信用评估的主要方法是依靠信用分析师通过对各种财务报表所提供的静态数据的分析和对受信人的调查得到相对主观的评估结果。
（2）定量统计分析阶段：
1941年，DavidDurand第一个用判别分析技术来识别信用好的客户和信用差的客户，信用评估技术由此进入定量研究的新阶段。
随后研究者们相继提出了众多的定量信用风险评估模型。
（3）定量智能分析阶段：
20世纪80年代末以来，人工智能如专家系统、神经网络等被运用于构建信用评估模型，由于其具有很好的适应复杂的非线性分类的能力，所以性能表现好于统计学方法。
近年来一些新的人工智能模型被开发出来用于信用评分，典型的有两阶段评分模型、杂合评分模型和分类器集成模型，这些模型将单个分类器进行组合以提高精度，实验表明，这些方法能显著提高单个分类器的分类精度和稳定性。
从国内的研究现状来看，信用评估研究还处于起步阶段，我国评级机构和商业银行虽然建立了信用风险管理机制，但由于实际中遇到的种种问题，目前我国信用评估技术还主要停留于定性分析的层次上，只有少部分采用了定量统计分析的方法，信用风险的评估明显滞后。
随着评级业需要，国内评级机构已经把人工智能应用到信用评级方法中，建立人工智能评级系统是信用评级的发展趋势。
主要参考文献及出处：
1、奚胜田,詹原瑞,韩著钊.因子分析与聚类分析在企业信用评级中的应用[J].中国农机化2009
（1）:
44-47；
2、张鸿,丁以中.基于BP神经网络的企业信用评级模型[J].上海海事大学学报2007（3）:
64~68；
3、王春峰,万海晖,张维.基于神经网络技术的商业银行信用风险评估[J].系统工程理论与实践,1999（9）:
24-32；
4、AltmanEI.Financialratios,discriminateanalysisandthepredictionofcorporatebankruptcy[J].JournalofFinance,1968,9（XXⅢ）:
589-609.；
5、MartinD.Earkywarningofbankfailure:
alogitregressionapproach[J].JournalofBankingandFinance,1977:
249-276.；
6、N.Chauhan,V.Ravi,D.K.Chandre,Differentialevolutiontrainedwaveletneuralnetworks:
applicationtobankruptcypredictioninbanks[J],ExpertSyst.Appl.36（4）（2009）7659-7665；
7、D.Delen,G.Walker,A.Kadam,Predictingbreastcancersurvivability:
acomparisonofthreedataminingmethods[J],Artif.Intell.Med.34
（2）（2005）113-128.；
8、M.Behrman,R.Linder,A.H.Assadi,B.R.Stacey,M.M.Backonja,Classificationofpatientswithpainbasedonneuropathicpainsymptoms:
comparisonofanartificialneuralnetworkagainstanestablishedscoringsystem[J],Eur.J.Pain11（4）（2007）370-376.；
9、H.C.Zhang,S.H.Huang,Applicationsofneuralnetworksinmanufacturing:
astate-of-the-artsurvey,Int.J.Prod.Res.33（3）（1995）705-728.；
10、P.C.Pendharkar,Scaleeconomiesandproductionfunctionestimationforobject-orientedsoftwarecomponentandsourcecodedocumentationsize,Eur.J.Oper.Res.172（3）（2006）1040-1050.；
11、J.Yao,N.Teng,H.-L.Poh,C.L.Tan,Forecastingandanalysisofmarketingdatausingneuralnetworks,J.Inf.Sci.Eng.14（4）（1998）843-862.；
12、M.Paliwal,U.A.Kumar,Neuralnetworksandstatisticaltechniques:
areviewofapplications,ExpertSyst.Appl.36
（1）（2009）2-17.；
13、P.Há
jek,Municipalcreditratingmodellingbyneuralnetworks,DecisionSupportSyst.51
（1）（2011）108-118.；
14、K.Kumar,S.Bhattacharya,Artificialneuralnetworkvslineardiscriminantanalysisincreditratingsforecase:
acomparativestudyofpredictionperformances,Rev.AccountingFinance5（3）（2006）216–227.；
15、Z.Huang,H.Chen,C.-J.Hsu,W.-H.Chen,S.Wu,Creditratinganalysiswithsupportvectormachinesandneuralnetworks:
amarketcomparativestudy,DecisionSupportSyst.37（4）（2004）543-558.；
16、МарковаВ.Д.,КузнецоваС.А.Стратегическийменеджмент.–М.:
ИНФРА-М;
Новосибирск:
Сибирскоесоглашение,1999.–288с.
17、ВиханскийО.С.Стратегическоеуправление.–М.:
Экономистъ,2006.–293с.
18、ГольдштейнГ.Я.Стратегическийменеджмент:
Учебн.пособие.–Таганрог:
Изд-воТРТУ,2003.–94с.
19、ГурковИ.Б.Стратегическийменеджменторганизации–М.:
ТЕИС,2004.–239с.
20、Википедия[Электронныйресурс].-2012.-Режимдоступа:
http:
//ru.wikipedia.org
21、Управлениеразвитиемсоциально-эко
升级会员 