Nov, 2022

企业财务风险分析综合调研：问题、方法、亮点及应用

PDF
TL;DR本文通过对 50 年来 300 篇有关企业金融风险模型、风险沟通和影响的系统文献评审，将这些工作进行分类并总结风险分析的三个方面。在比较模型的分析方法前，阐明了企业风险的正式定义及相关概念，并研究可能的未来方向，以便全面了解企业风险传播和影响的机制及其应用于企业管理、金融机构和政府监管的情况。
enterprise financial risk analysissystematic literature reviewmodelingrisk communicationcutting-edge research
发现论文，激发创造
  • 一种利用机器学习和数据挖掘方法进行有效软件风险预测管理分析的研究

    利用 CIA 方法和改进的软件风险评估算法（ECSA）进行软件项目风险评估，使用深度学习和模糊技术，在评估软件项目风险方面表现更准确和有效。

    Jun, 2024

  • 中小企业和大型企业财务绩效管理的预测人工智能

    提供新的金融和宏观经济比率以及监督学习模型（ML 回归器和神经网络）和贝叶斯模型预测公司绩效，并发现这些新的变量与行业标准比率结合使用可以提高模型准确性。Feedforward 神经网络（FNN）在 6 个预测任务中（ROA、ROE、净利润率、经营利润率、现金比率和经营现金生成）中实施更简单且表现最好，并且贝叶斯网络（BN）在特定条件下可以胜过 FNN，并且 BN 还能提供概率密度函数以及预测的价值。该研究对于 CFO 和 CEO 评估财务不佳的风险以引导公司朝更有利可图的方向发展，支持债权人更好评估公司情况，并为投资者提供更准确地分析上市公司财务报表的工具具有重要的潜力。

    Sep, 2023

  • 基于统计分析和实践应用的战略规划制定：以金融公司为例

    本文介绍了一个基于统计分析的战略计划，其中探索了可能性采用大数据平台和先进的特征选择能力，包括机器学习等高级分析，以增加公司收入并降低贷款风险，结果表明贷款金额深刻影响了无法偿还贷款的借款人数。

    Jul, 2023

  • 网络担保贷款风险管理的视觉分析

    通过可视化分析方法，对贷款担保网络风险进行管理，包括对企业违约风险、高风险群体、违约传播路径等进行分析，帮助政府和银行监控担保网络的违约情况和防范系统性金融风险。

    Apr, 2017

  • 基于人工智能技术的基础设施项目数据驱动风险建模

    利用历史数据和人工智能技术，本研究引入了一个数据驱动的框架，以自动识别风险并检查早期风险记录和评估质量。

    Nov, 2023

  • 云计算模型中金融信息风险的智能预测与评估

    云计算是一种分布式计算方法，将巨大的数据计算和处理程序转化为无数的小程序，通过由多个服务器组成的系统来处理和分析这些小程序以获得结果并返回给用户。本报告探讨了云计算与金融信息处理的交叉点，识别了金融机构在采用云技术时所面临的风险和挑战，并讨论了提高数据处理效率和准确性的智能解决方案的需求，同时解决了安全和隐私问题。基于监管框架，报告提出了减轻金融行业云计算带来的集中风险的政策建议。通过将智能预测和评估技术与云计算模型相结合，本研究旨在为金融数据处理和管理提供有效解决方案，促进该行业向数字化转型。

    Apr, 2024

  • 基于异构信息网络的银行微小企业用户违约分析

    本文提出了一种名为 HIDAM 的新模型，以应对金融机构面临的风险评估问题，特别是针对小微企业的金融风险问题。该模型应用异质信息网络，提取元路径中的交互信息，并采用分层注意机制来学习不同元路径内部的内容和不同元路径之间的重要性，从而在真实世界的银行数据上取得了比其他竞争者更好的性能表现。

    Apr, 2022

  • 欺诈分析：十年研究 -- 领域中的挑战和解决方案

    本文系统分析了 2011 年至 2020 年间近 300 篇有关欺诈分析的研究文献，总结了应用领域、面临的挑战、方法和绩效度量，并提出了未来研究的关键词策略和数据集要求。此外，本文提供了一个在线数据库，以帮助其他研究者进行进一步的研究。

    Dec, 2022

  • 企业信用评级调查

    公司信用评级在当代经济和社会发展中起着非常重要的作用。这篇论文通过对国内外相关文献的阅读和研究，系统梳理了公司信用评级的发展背景，并从统计模型、机器学习模型和神经网络模型三个层面总结了常见的评级数据库，深入比较了不同模型的优缺点。最后，本文总结了当前研究存在的问题，并展望了公司信用评级的未来。相较于已有的公司信用评级综述，本文阐述和分析了神经网络模型在这个领域近年来的进展。

    Sep, 2023

  • 量化人工智能风险评估：机遇与挑战

    介绍了通过执行全面的 AI 生命周期治理来降低人工智能风险的最佳方法，定量评估现有模型的风险可以类比于如何评估已经建造的房屋的能源效率或医生根据一系列测试评估整体患者健康状况，本文探讨了这一思路，并讨论了这种方法如何改善 AI 的监管。

    Sep, 2022