（管理科学与工程专业论文）模糊认知图（fcms）在上市公司信用风险评价中的应用.pdf

摘要 曼曼曼皇曼皇曼曼曼曼曼, i a a t _- 。_ n ! i ! 曼曼曼曼曼! ! 鼍 摘要 随着信用的发展，信用风险问题日益显著。如何对信用风险进行准确度量和 评估已成为金融机构、广大投资者以及专家学者们共同关注的课题。上市公司作 为市场经济的重要主体，其信用风险问题同样引起了人们的广泛关注。目前，关 于信用风险评价和评级的方法虽层出不穷，但还远不能满足人们对信用风险进行 科学量化和有效管理的需要。寻找更为完善且有效的信用风险评价方法仍然是国 内外金融界相关人士长期努力的方向。 模糊认知图( f c m ) 以其简单的推理机制、强的知识表达能力在很多领域得 到了应用。本文通过深入研究f c m 方法的原理及学习机制，并结合我国上市公 司信用风险的特点及研究现状，提出利用f c m 研究上市公司信用风险评价问题。 本文的主要工作总结如下： 1 、对f c m 的原理及学习算法进行了深入研究。重点研究了基于h e b b i a n 规则的非线性h e b b i a n 学习算法( n h l ) 和激活h c b b i a n 学习算法( a h l ) 。 2 、对模糊集合理论和隶属函数进行了研究，通过借鉴头脑风暴法和德尔菲 法的群决策思想，提出三种构建f c m 的方法，为该方法的更广泛应用提 供了便利。 3 、重点研究了如何利用f c m 对上市公司信用风险评价问题进行建模，这 在文章第四部分有详细介绍。首先，对上市公司信用风险影响因素进行 了研究：其次系统研究了如何基于定性的模型开发思路建立上市公司信 用风险评价f c m 的问题，并具体阐述了专家调查法、群决策法以及反模 糊化等方法在模型构建过程中的作用；最后，基于n h l 算法和a h l 算 法，利用3 0 组样本对建立的f c m 模型进行了检验，证明了上市公司信 用风险评价f c m 的有效性。 研究结果表明，通过专家调查建立上市公司信用风险评价f c m 模型的思路 是可行的。 关键词上市公司；信用风险评价；模糊认知图；非线性h e b b i a n 学习；激活 h e b b i a n 学习 北京工业大学管理学硕士学位论文 鼍曼曼。一一一 i i ；r ；i 曼曼皇皇曼曼皇曼曼曼曼曼曼曼詈皇舅量鼍曼皇曼曼詈量皇 a bs t r a c t w i mt h ed e v e l o p m e n to fc r e d i t ，t h ec r e d i tr i s kp r o b l e mh a sb e c o m ei n c r e a s i n g l y s i g n i f i c a n t h o wt og e ta l la c c u r a t ee s t i m a t i o no fc r e d i tr i s kh a sb e c o m em ef o c u st h a t t h ef i n a n c i a li n s t i t u t i o n s ，m a n yi n v e s t o r sa n ds o m ee x p e r t sp a ya t t e n t i o nt o a sa n i m p o r t a n te c o n o m i ce n t i t y , l i s t e dc o m p a n i e sp l a yav e r yi m p o r t a n tr o l ei nm a r k e t e c o n o m y ，a n dt h e i rc r e d i tr i s k sa l s og e tg r e a tc o n c e r n s t h e r ea r em a n yc r e d i tr i s k e v a l u a t i o na n dr a t i n gm e t h o d sh a v eb e e nd e v e l o p e dr e c e n t l y , w h i c he v e ns t i l lc a n n o t s a t i s f yw h a ti sn e e d e di n t h es c i e n t i f i cq u a n t i f i c a t i o nm e a s i l l ea n dt h ee f f e c t i v e m a n a g e m e n to ft h ec r e d i tr i s k t h e r e f o r e ，l o o k i n gf o rm o r ep e r f e c ta n de f f e c t i v e c r e d i tr i s ke v a l u a t i o nm e t h o d sn e e d s l o n g - t e r m e f f o r t sf r o mp e o p l ew h oa 他 p r o f e s s i o n a li nd o m e s t i ca n da b r o a df i n a n c i a li n d u s t r y f u z z yc o g n i t i v em a p ( f c m ) w i t hs i m p l ei n f e r e n c em e c h a n i s ma n d9 0 0 da b i l i t y i ne x p r e s s i n gk n o w l e d g eh a sb e e na p p l i e di nm a n yf i e l d s t i l i st h e s i ss t u d yt h e p r i n c i p l ea n dl e a r n i n gm e c h a n i s mo ff c mi nd e t a i l ，a l s oc o n s i d e rt h ec h a r a c t e r i s t i e s a n dt h er e s e a r c hs t a t u so fc r e d i tr i s ko fo u l c o u n t r y sl i s t e dc o m p a n i e s ，t h e np u t f o r w a r dt h ei d e at h a tu s i n gf c mm e t h o dt os t u d yt h ep r o b l e mo fc r e d i tr i s ke v a l u a t i o n o fl i s t e dc o m p a n i e s m a i nc o n t r i b u t i o n so ft h i st h e s i si n c l u d e ： 1 t h e p r i n c i p l ea n dt h el e a r n i n ga l g o r i t h m so ff c ma r ed i s c u s s e di nd e t a i l ，a n d t h ea l g o r i t h mo fn o n l i n e a rh e b b i a nl e a r n i n g ( n h l ) a n dt h ea l g o r i t h mo f a c t i v eh e b b i a nl e a r n i n g ( a h l ) a l - et h ee m p h a s e s 2 s e c o n d l y , w ed i s c u s st h ef u z z ys e tt h e o r ya n dm e m b e r s h i pf u n c t i o n , a n dp u t f o r w a r dt h r e em e t h o d su s e df o rc o n s t r u c t i n gf c mm o d e lb yr e f e r r i n gt o b r a i ns t o r mm e t h o da n dd e l p h im e t h o d ，w h i c hm a k et h ec o m p r e h e n s i v e a p p l i c a t i o no ff c mm o r ec o n v e n i e n t 3 h o wt om o d e lt h ep r o b l e mo fc r e d i tr i s ke v a l u a t i o no fl i s t e dc o m p a n i e s 谢m f c mi st h ee m p h a s i so ft h i st h e s i s ，w h i c hi sd i s c u s s e di nc h a p t e r4 t h ef i r s t s e c t i o no ft h i sc h a p t e ra n a l y z e st h ef a c t o r st h a ta f f e c tt h ee r e d i tr i s ko fl i s t e d c o m p a n i e s ，t h es e c o n ds e c t i o ns t u d i e sh o wt oe s t a b l i s ht h ef c mm o d e l b a s e do nq u a l i t a t i v ec o n s i d e r a t i o nt oa s s e s st h ec r e d i tr i s ko f0 1 1 1 c o u n t r y 3 l i s t e dc o m p a n i e s ，t h e ni n t r o d u c eh o wu s et h ee x p e r t - c o n s u l t i n gm e t h o d ， g r o u pd e c i s i o n - m a k i n gm e t h o da n dd e f i a z z i f i c a t i o ni nt h ep r o c e s so f c o n s t r u c t i n gf c mm o d e li nd e t a i l f i n a l l y , t h ed e v e l o p e df c mm o d e li s u s e dt oa s s e s st h eg i v e n3 0s a m p l e sb a s e do nn h la l g o r i t h ma n da h l a l g o r i t h m ，w h i c hm a k et h ee f f e c t i v e n e s so f t h em o d e lb ep r o v e da c c o r d i n g l y e m p i r i c a lr e s u l t si n d i c a t et h ei d e ao fc o n s t r u c t i n gf c mm o d e lb yc o n s u l t i n gt o e x p e r t st oa s s e s st h ec r e d i tr i s ko fl i s t e dc o m p a n i e si sf e a s i b l e k e y w o r d s ：l i s t e dc o m p a n i e s ；c r e d i tr i s ke v a l u a t i o n ；f u z z yc o g n i t i v em a p ( f c m ) ； n o n l i n e a rh e b b i a nl e a r n i n g ( n h l ) ；a c t i v eh e b b i a nl e a r n i n g ( a h l ) u 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他 人已经发表或撰写过的研究成果，也不包含为获得北京工业大学或其它教育机构 的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均 已在论文中作了明确的说明并表示了谢意。 虢狴幽嗍碎蛐芴目 关于论文使用授权的说明 本人完全了解北京工业大学有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部 分内容，可以采用影印、缩印或其他复制手段保存论文。 ( 保密的论文在解密后应遵守此规定) 签名：二阻导师签名： 第1 章绪论 1 1 1 研究背景及意义 1 1 1 研究背景 第1 章绪论 信用风险作为金融业面临的最主要的风险之一，直接影响到现代社会经济生 活的各个方面，也影响到一个国家的宏观经济决策和经济发展，甚至影响整个全 球经济的稳定和协调发展。特别是进入2 0 世纪9 0 年代以来，在全球范围内，所 有机构面临着不断增加的信用风险，并由此导致了许多国家和地区发生金融危 机、经济危机乃至政治危机。目前，越来越多的金融机构开始关注信用风险管理 问题，大量的信用风险评估和度量方法也随之产生。 我国的上市公司已经成为国民经济的一支有生力量，其信用状况直接关系到 投资者的信心，决定着市场的兴衰存亡。上市公司的信用风险一旦发生，就会给 投资者、金融机构以及其他利益相关方造成巨大的损失。最近几年，政府有关部 门又针对我国的股市、上市公司建立了一系列法律、法规及部门规章制度，加大 了监管力度。在这种情况下，如何正确评估上市公司的信用风险状况，日益成为 许多银行风险管理机构、证监会、投资者及股东积极关注的问题，同时也是风险 管理领域众多学者的研究课题。 目前为止，国内外已经存在一些有效的信用风险度量和管理方法，但在实际 应用中，仍然面临着很多局限和不足。对我国而言，信用风险管理刚刚起步，信 用数据库还没有建立，信用数据匮乏，信用风险度量困难，而且目前中国的信用 风险度量和管理方法的研究和运用也相当滞后，信用风险度量和评级主要是定性 方法，信用评级简单而粗糙，缺乏一致性和有效性。因此，寻找更为有效的上市 公司信用风险评价方法以提高信用风险度量和管理水平是我们现在面临的首要 任务。 1 1 2 研究意义 针对复杂系统的建模问题，目前存在很多方法。大致可分为四类，基于智能 技术的复杂系统建模方法、离散事件动态系统建模法、定性建模法和非线性动力 学系统建模。模糊认知图( f u z z yc o g n i t i v em a p s ，f c m s 或f c m ) 是国外学者 k o s k o 通过融合z a d e h 的模糊集理论和a l e x r o d 的认知图理论，在1 9 8 6 年提出 的一种系统建模方法n 引。因其具备与神经网络相似的结构而被认为是一种新型的 北京t 业人学管理学硕i j 学位论文 智能型系统建模方法，又因其对专家意见的强依赖性和利用因果关系表达系统行 为，而被定义为定性建模方法。正是基于此，模糊认知图近几年在系统建模领域 得到了广泛应用。 目前为止，该方法已经在金融工程、工业工程、电子商务、数据挖掘以及病 理诊断等方面得到了应用。借鉴前人研究成果，本文提出利用模糊认知图研究上 市公司信用风险评价问题。该研究思路的理论意义可以概括为以下几个方面：首 先，将f c m 应用到上市公司信用风险评价研究中，丰富和完善了信用风险管理 研究的方法体系，同时也拓宽了f c m 的应用范围；其次，通过系统研究f c m 模型的开发和学习算法，为该方法的进一步应用奠定了基础；第三，f c m 方法 实现了定性分析和定量计算的结合，通过该方法研究上市公司信用风险问题，为 风险管理提供了新的思路，同时改善了以往模型对“粉饰”后的财务数据过分依 赖导致模型结果失真的状况。 从现实角度上讲，首先，建立直观且有效的上市公司信用风险评价模型，可 以准确把握上市公司信用风险水平。这样，一方面有助于上市公司改进经营、管 理机制或采取其他措施，降低破产的可能性；另一方面为投资者提供了充分的投 资参考信息，便于根据自身的财务状况及风险偏好做出投资决策。其次，从金融 中介机构的角度来看，通过对上市公司的信用风险进行评估，金融机构可以决定 是否对上市公司授信、授信的方式、信贷的期限、信贷利率的选择、收款方式的 选择以及其他保护性条款的选择等。第三，从政府的角度来讲，通过对上市公司 的信用风险评估，政府可以有选择性地对上市公司进行技术处理( 如暂停上市、 终止上市等) 、行政处罚等以保护中小投资者，从而提高投资者的信心，维护证 券市场的持续健康发展。 1 2 国内外研究现状 1 2 1 上市公司信用风险研究现状 通常，测度信用风险的方法按其历史发展的轨迹可以被分为四类：( 1 ) 传统 的定性和定量分析相结合的方法，如“5 c 法、企业信用等级评级方法等；( 2 ) 基于现代金融理论的企业信用风险量化度量模型。如，k m v 公司的k m v 模型， j p 摩根的c r e d i t m e t r i c 模型等；( 3 ) 基于概率和统计分析方法建立的信用风险量 化度量模型。如，z 计分评估模型、多元判别分析模型、贝叶斯判别模型n 3 1 及 c r e d i t r i s k + 模型等；( 4 ) 利用现代人工智能方法建立的分类判别或预警模型。 5 c ( c h a r a c t e r 、c a p a c i t y 、c a p i t a l 、c o l l a t e r a 、c o n d i t i o n ) 要素分析法是通 过将每一要素逐一评分，进而使信用风险数量化，最后根据评分结果确定交易对 手信用水平的方法。该方法是金融机构或投资者对企业作信用风险分析时最常采 第1 荦绪论 用的专家分析法之一。 现代信用评级最早于1 9 0 2 年产生于美国，始于债券评级。之后随着美国金融 市场的发展壮大，投资方式的增多，社会对信用评级的需求不断增加，信用评级 所涉及的领域也不断扩展，评级对象也逐渐从各种有价证券扩展到了各种机构和 团体。现代美国较具权威的商业性银行信用评级机构皆为n r s r o s ( n a t i o n a l l y r e c o g n i z e ds t a t i s t i c a lr a t i n go r g a n i z a t i o n ) 成员，包括惠誉国际评级、穆迪投资 服务公司、麦格劳一希尔公司、标准普尔公司及加拿大多美年证券评级公司。这 些公司开展了企业信用等级评定业务，逐渐形成了一套成熟的企业信用等级评定 方法。与国外相比，国内的信用评级也得到了一定的发展。目前，中国已有几十 家商业性的信用评级机构，大部分为地方性公司，获得中国人民银行债券评级资 格的有9 家。信用等级评定比较全面的反映了企业的信用状况，但由于评级结果 依赖于评级人员的主观评判，评级结果缺乏稳定性。从信用风险度量的角度看， 按照三等九级划分的评定结果，远不能适应信用资产量化管理的需要。 2 0 世纪7 0 年代，现代概率论和多元统计技术逐步发展，为基于多变量的信 用风险度量提供了计算方法。美国的a l t m a n 教授在金融周刊等杂志上发表了 一些的有关破产企业分类和预测的论文，建立了基于财务比率指标的信用风险度 量模型z s c o r e 判别模型。后来通过对原始的z 计分模型进行扩展，建立了改 进的“z e t a ”判别分析模型( 1 9 7 7 ) 。此后，a l t m a n 教授与k i s o h o r e 等人合作， 对信用转移概率矩阵进行研究，这一研究实际包含了债权型资产价值盯住市场的 深刻思想，是信用风险度量与管理在思想上的一次飞跃，成为j p 摩根的 c r e d i t m e t r i c 模型乜1 的重要理论基础之一，该理论认为信用等级变化会影响企业的 信用资产的价值。 在此期间，基于概率论和统计技术的信用风险度量模型还有瑞士信贷银行推 出的c r e d i t r i s k + 模型口3 。国内方面，学者程鹏，吴冲锋，梁琪等也在进行多变量 判别模型的研究h 一3 。吉林大学唐小岸、孟庆福3 曾运用l 0 9 i s t 回归模型对上市 公司的信用风险进行评价等。 1 9 9 4 年，k m v 公司根据期权定价理论首次开发出了衡量信用风险的指标 e d f ，推出了期望违约率模型口1 。它预测某借款企业在未来一年无法偿还贷款本 息( 即违约) 的可能性，是目前推出的较为成熟的建立在现代金融理论基础之上 的信用风险度量模型。国内也有相关研究证实了k m v 模型在我国市场的实际应 用价值阳1 ，同时也证明了违约距离和违约率能够有效反映出上市公司所处的信用 风险状况。 理论上，默顿将期权定价理论运用于违约证券的估值推导出了估价公式。此 后许多学者发展了该模型，如l o n g s t a f f 提出的模型一1 ，认为违约可在任何时候发 生，只要公司资产触及某一外部边界，但该模型需要与公司资产相关的数据，这 在一定程度上影响了该方法的实际应用。 北京t 业大学管理学硕i j 学位论文 随着人工智能方法的发展，上市公司信用风险评价的研究方法进一步得到了 丰富。如人工神经网络，决策树n 町、贝叶斯网络及模糊数学等。近几年，利用该 类方法研究上市公司信用风险问题的著作也非常之多。我国学者庞素琳等利用多 层感知器，对我国上市公司进行了研究，其建立的信用评价和预警模型也被证明 有着良好的仿真效果1 ；杨力等利用b p 神经网络进行信用评价研究，同样取得 了一定的成就n 引，进一步丰富了信用风险的研究方法。 对已有上市公司评估方法进行对比分析，总结以下几点： ( 1 ) 基于专家意见的信用风险分析法主观性太强，缺乏全局把握，评价结 果的准确性有限。 ( 2 ) 变量统计模型在应用过程中存在一些问题。如多元判别分析法m d a 在应用时要求数据服从多元正态分布、等协方差以及需要已知先验概率和误判代 价：对于非参数方法，如聚类分析和k 近邻判别法。前者适用于信用分析中定 量指标和定性指标不服从一定分布特性的数据信息分类要求的情况，如对一些指 标进行回归评分。k 近邻判别法在数据的初始分布或数据的采集范围限制较少 时，减小了以函数形式表达内容的要求。但是当维数较高时，存在所谓的“维数 祸根 ，即对高维数据，即使样本量大，在高维空间中仍显得非常稀疏，这使得 “利用空间中每一附近的样本点来构造估计”的近邻法难以使用。对于l o g i s t i c 模型法。因该方法是采用一系列财务比率变量来预测公司破产或违约的概率，然 后根据银行、投资者的风险偏好程度设定风险警界线，以此对分析对象进行风险 定位和决策。当样本点存在完全分离时，模型的最大似然估计可能不存在，影响 模型有效性，此外，该方法对中间区域的差别敏感性较强，从而导致判别的不稳 定。 ( 3 ) 以人工神经网络、贝叶斯网络方法为代表的人工智能方法在信用风险 研究领域的应用，近几年得到了极大的发展。其中，最为典型的要属人工神经网 络和贝叶斯网络。尽管该类方法在研究信用风险问题时表现出了定的优势，但 仍存在一些问题，亟待解决。如利用b p 神经网络对具有时间增长特性的非线性 经济系统建模时，由于存在过度拟合问题，导致模型预测能力下降，预测偏差较 大；人工神经网络结构的确定，即隐含层神经元的确定是一种“黑箱 ，缺少必 要的物理意义和理论基础，其确定过程只是计算机局部“拟合优化一过程，不能 有效的帮助决策者分析问题和制定决策；它的学习算法在很大程度上决定着该模 型的性能等。至于贝叶斯网络，2 0 0 4 年，g o p n i k a 等将贝叶斯网络引入到心理学 研究领域n4 1 ，并且证明了贝叶斯网络在该方面的有效性；鲍勃等证明了贝叶斯网 络可以应用在分类知识尤其是分类特征间存在因果关联的知识当中n 副；后贝叶斯 网络又涉足于风险管理领域n 引，并表现出了很好的应用潜力。但在利用贝叶斯网 络解决现实问题时，先验概率不易确定：数据规模很大程度上影响着网络结构； 需要多种假设为前提，如何判定某个实际问题是否满足这些假设没有现成的规 第1 章绪论 则；贝叶斯网络不能处理一些模糊性问题；贝叶斯网络不具有处理反馈的机制等。 决策树是另外一种智能型方法。徐晓霞等利用该方法研究商业银行信用风险问题 n 引，并证明了该方法在风险评价问题上的有效性。基于决策树的模型较统计模型 从直观上更易理解，且应用时对专业知识的要求也不高。但在实际应用中，由于 问题的复杂性增加，决策树模型经常会出现组合爆炸而使构造的决策树过于复杂 难以理解。 总之，由于信用风险自身存在着诸如信息不对称以及数据匮乏等理论和实际 问题，也由于模型设计者的指导思想和出发点不同，学者们对信用风险量化度量 的具体方法还未达成一致，所以这一领域还处在百家争鸣的进一步发展之中。虽 然技术和方法还不太成熟，但对信用风险进行量化度量和管理已经成为学术界和 金融界的共识。 1 2 2 模糊认知图的研究现状 1 2 2 1 模糊认知图的研究动态 最初，a x e l o r d ( 1 9 7 6 ) n 刀把认知图视为是表达社会科学知识和在政治和社 会系统中对决策制定进行建模的正式方法。后来，k o s k o ( 1 9 8 6 ) n 印融合了z a d e h 的模糊集理论和a l e x r o d 的认知图理论，提出模糊认知图( f u z z yc o g n i t i v em a p s ， 简称f c m s 或f c m ) 的概念。该方法是一种处于模糊系统和神经网络之间的混 合方法，同时具备模糊逻辑和神经网络的特点。与专家系统和神经网络相比，f c m 具有很多优点，如：利用它表达结构性知识比较容易，通过数字矩阵可以实现定 量推理而不单是描述性的i f t h e n 规则。可以说，f c m 就是一种定性分析动态 系统的方法，它用概念和概念间的因果关系表达系统的行为，每个概念表示一种 状态或是系统的一个特征。但此时提出的f c m 还很不完善，此后，k o s k o ( 1 9 9 2 ) 啪1 又提出了f c m 的演进模型，提出模型中的概念可以用具体数值表示，该数值 可以是二进制、模糊值或是连续区间【o ，l 】上的任意值。 紧接着，学者s t y l i o sc ，g e o r g o p o u l o sv 等( 1 9 9 7 ) 心将a g e n t 与f c m 相结合， 提出一个正式的基于f c m 的技术，采用许多a g e n t 表达不同类型的知识，此时 的f c m 将现实世界模拟成一个类和类间因果关系的集合。 c a r l s s o n 和f u l l e r 在文献 2 2 1 论证了构成战略管理理论的所有相关概念可 以用基于知识的支持系统表达，他们认为，f c m 可以用来跟踪支持效果和归纳 总结用户的经验。该研究表明，通过利用适应性f c m ，知识支持系统的效力和 有效性可以得到进一步改进。 虽然f c m 具有良好的特性和广阔的适用性，但传统的f c m 存在以下缺陷： ( 1 ) 由于节点状态和连接权值的固定性，f c m 不能提供动态的推理机制。 北京t 业人学管理学硕i j 学位论文 ( 2 ) f c m 用有向连接权值来表达概念间因果关系的强弱，但对连接权值的 选取只局限在二进制数值范围，对于复杂的因果关系仍不能精确描述。 ( 3 ) 没有考虑概念从一个状态变为另一个状态时存在一定的时间延迟。 ( 4 ) 没有考虑多个原因同时发生对结果节点造成的影响。 针对上述问题，国内外学者通过引进概率测度、神经网络、遗传算法等思想， 开发出了一些更为有效的f c m 。 m i a o y 等埋羽提出了f c m 的改进模型，该模型在传统f c m 的基础上，又将 时间延迟融入了建模和仿真过程中，使得模型更具有动态性。 c a r v a l h o ，j p 和j a b t o m e 晗引提出了基于规则的模糊认知图( r u l e b a s e d f u z z yc o g n i t i v em a p ，i 通f c m ) 。该模型是f c m 的一种演化，可以表达更为复 杂的知识，模型结构是基于传统带反馈的模糊系统。在文献【2 5 】中又将时间作为 重要的定性实体纳入到认知图中，介绍了一个在r b f c m 中含蓄地表达时间的方 法。在考虑系统动力学模型和r b f c m 可靠的建模能力后，有学者啸1 又提出了几 种关于系统稳定性的观点，同时，还引进了固有稳定性的概念，并将其作为定性 系统动力学建模工具的必要性质。此后，为了解决实现r b f c m 时遇到的问题， 文献 2 7 】中又提出了一种r b f c m 的延伸模型，进一步完善了该方法。 文献 2 8 】主要阐述了基于随机神经网络的f c m ，称为随机模糊认知图 ( r a n d o mf u z z yc o g n i t i v em a p ，r f c m ) ，并描述了它在过程建模中的应用。结 果显示，该类模型在经过较少的迭代步骤之后就能得到和传统f c m 一样的结果。 a g u i l a r ( 2 0 0 2 ) 1 提出了基于随机神经网络的适应性随机模糊认知图( a d a p t i v e r a n d o mf u z z yc o g n i t i v em a p ，a r f c m ) 。之后，国内学者骆祥峰，高隽( 2 0 0 3 ) 啪1 提出概率模糊认知图( p r o b a b i l i s t i cf u z z yc o g n i t i v em a p ，p f c m ) 。该方法在 传统f c m 的基础上考虑了概念间因果关系的不确定性，从而降低了模型的主观 性。接着，骆祥峰和高隽等( 2 0 0 3 ) m 1 又提出了基于信任知识库的概率模糊认知 图( b d i e f - k n o w l e d g e - d a t a b a s e - b a s e d p r o b a b i l i s t i c f u z z yc o g n i t i v em a p ， b k p f c m ) 。该方法有效地将概念间因果关系测度的不确定性、因果联系的时空 特性及专家对知识的不确定性融入模糊认知图中，扩展了f c m 的仿真能力。 将神经网络的思想融入f c m 方法中是t s a d i r a s a k 等人口2 1 在1 9 9 6 年提出的， 并且研究出一种确定神经元f c m ( c e r t a i nn e u r o nf c m ，c n f c m ) ，从而产生了 较传统f c m 更为先进的动态系统分析方法。此后，a s a n d r e o u 等嘲又提出基 于遗传进化算法的确定神经模糊认知图( g e n e t i ce v o l u t i o nc e r t a i nn e u r o n f c m ，g e c n f c m ) 。该方法是确定神经模糊认知图( c n f c m ) 的一种扩展，克 服了c n f c m 每采用一项新策略时都要重新计算每个连接权值的缺点，并且成功 利用该方法对塞浦路斯问题建模，取得了很好的效果。针对许多复杂问题中包括 太多的概念和因果关系，学者n h m a t e o u 等( 2 0 0 5 ) m 1 又提出了多层模糊认知 图( m u l t i l a y e r e df u z z yc o g n i t i v em a p ，m l f c m ) ，并用该方法再次对塞浦路斯问 第1 章绪论 题进行建模，仿真结果证明m l f c m 有助于解决政治危机问题。 1 2 2 2f c m 的应用 ( 1 ) 战略规划战略规划是一个以复杂性而著称的研究领域。战略问题具有 复杂、非结构化并且不易定量化的特点。目前在该领域已报道了大量使用f c m 的调查研究。 k a r d a r a s 和m e n t z a s ( 2 0 0 2 ) b 朝提出了一个开发商业运作机制的框架，并且讨 论了f c m 模型在分析和模拟商业性能指示器上的适宜性。 l e e 等人探讨了利用f c m 进行战略规划仿真的问题。将f c m 中所存储的因 果知识与一个基于对策的仿真机制相结合，实现了在仿真过程中引入时间变量的 竞争机制。研究显示，f c m 有助于决策制定者理解某一策略目标和相关环境因 素之间的复杂动态机制。 在战略信息系统规划中( s i s p ) ，规划者开发出一定的场景并且评价应用信 息技术的不同方法以便于改善组织绩效。k a r d a r a s 和k a r a k o s t a s 使用f c m 来仿 真s i s p 过程，所提出的f c m 考虑了相关概念和信息技术以及他们间存在的因果 关系，模型包括1 6 5 个概念和2 1 0 个因果链。研究证实了f c m 在解决这一问题 上的有效性。 ( 2 ) 金融工程在金融应用领域，l e e 和k i m ( 1 9 9 7 ) 给出了f c m 在股票 投资分析方面的应用。我国学者林春梅，何跃等( 2 0 0 6 ) 呻1 将f c m 用于股价涨 跌预测，该研究证明，f c m 作为一种智能工具，不仅具有知识表示和推理能力， 而且具有利用样本数据进行学习训练，进而对未来趋势做出预测的能力。 ( 3 ) e d i 控制设计e d i 控制设计问题，是另一个需要考虑复杂因果关系结 构化的问题。对于e d i 专家来说，预测一个控制对另一个控制产生什么样的影 响是很难的，它需要对不同专家给出的意见进行统计评估。l e e 和h a r t ( 2 0 0 0 ) n 7 3 通过使用结构化公式对七个组件之间的相互关系进行建模，提出了e d i f c m 。 ( 4 ) 电子商务m e g h a bg ( 2 0 0 3 ) 针对用户网上搜索行为，建立了基于 专家经验的f c m 模型，并且证明了一个有效的f c m 模型能够很好的表达网络 用户的认知和行为特点，同时还可以实时地反映各个因素间的因果关系。 在我国也有相关研究出现。如，苗纯燕、杨强等( 2 0 0 2 ) 汹1 提出了用于个性 化推荐的模糊认知a g e n t s ，并通过一个购车实例证实了该项技术的有效性。所谓 模糊认知a g e n t s ，是一种基于客户当前的个人偏好、其他客户的普遍兴趣及专家 知识为在线客户提供个人建议的技术。 ( 5 ) 入侵检测s i r a ia 和b r i d g e ss 等人m 1 利用f c m 技术探讨了智能侵入 检测系统的决策引擎。该引擎利用基于推理技术的因果知识融合了来自不同侵入 检测模型的信息。 北京t 业人学管理学硕f j 学位论文 国内学者穆成波、黄厚宽等h ( 2 0 0 5 ) 做了基于f c m 的自动入侵响应决策 推理机制的研究。通过采用f c m 方法对响应决策过程进行推理，得到的响应能 力、服务能力等各项指标都为自动入侵响应系统的有效工作提供了客观依据。杨 峰，钟诚和李智h 2 1 ( 2 0 0 6 ) 提出了基于概率模糊认知图的m s t r e a m 攻击检测方法。 利用p f c m 技术对m s t r e a m 攻击过程建模，构造了基于p f c m 的m s t r e a m 攻击 图，然后利用源自m i t 林肯实验室的测试数据对模型进行了检验。结果表明： p f c m 不仅能准确监测出m s t r e a m 攻击，还能正确判断出正在进行中的m s t r e a m 攻击程度。 ( 6 ) 工业国外学者h a d j i s k i ( 1 7 5 6 ) h 3 1 等针对存在很多不确定性问题的工厂， 提出了一个集模糊逻辑、神经网络和统计模型思想于一体的混合模型一模糊认知 图，对工厂进行建模仿真，证实了f c m 在该领域的有效性。p e l a e zc 等h 钔研究 了f c m 在分布式控制问题上的实现。特别是，f c m 被用于模拟和支持工厂控制 问题，建立故障模式系统和效果分析，模拟控制系统的监督。s t y l i o s 和 g r o u m p o s ( 1 9 9 9 ) h 钉提出了制造系统监督模型f c m ，并且认为f c m 可以用于复杂 系统的建模，同时提出了一种用于制造系统监督模型的双层f c m 结构，并且阐 述了一个关于化学过程监督机制的故障诊断f c m 模型。此后，s t y l i o s 和 g r o u m p o s ( 2 0 0 0 ) m 1 又研究了f c m 在监督控制系统的建模和控制方面的应用。 国内方面，我国学者潘晓勇，刘光复等h 刀( 2 0 0 4 ) 利用层次概率模糊认知图 进行了装配序列的研究，并以风机为例，证明了该方法的可行性。 ( 7 ) 政治危机问题a s a n d r e o u 和n h m a t e o 等人旧1 利用遗传进化模糊认 知图对有名的塞浦路斯政治危机进行了建模，综合考虑了国际方面、土耳其、塞 浦路斯、希腊政府等因素，分别建立c n f c m 模型和g e c n f c m 模型，最后又 进行了情景分析。结果显示：混合模型成功地模拟了该政治情景并给出了导致危 机平息真实事件的描述性结果。研究证明，g e c n f c m 模型能够成为一个供政治 分析家和决策者在处理危机或解决政治争端问题时使用的可靠工具。 ( 8 ) 数据挖掘数据挖掘领域，k h a nm 等h 8 1 介绍了f c m 在分析银行数据 仓库扩散过程中的应用。文中阐述了用于仿真数据仓库扩散情景的f c m 模型的 建立过程，且提供了分析结果，同时将该结果与应用于复杂系统建模的系统动力 学方法得到的结果做了对比，进一步显化了f c m 在该领域的应用价值。 ( 9 ) 医疗诊断f c m 不仅在工业、商业和政治领域得到了广泛应用，而且 在医疗诊断方面也表现出了定的潜力。国外学者e i p a p a g e o r g i o u 等不仅在 f c m 的学习方面做了大量的探索，提出了多种算法，而且在应用方面也取得了 一定的成就。早在2 0 0 4 年，该学者等就将f c m 引入到肿瘤诊断中m 】，后来通过 进一步完善，使得该方法在肿瘤诊断中的应用更加成熟侧，最近，该学者又利用 f c m 进行脑瘤分类判别碡，并取得了良好的效果。利用f c m 进行病理诊断，可 以表达出病理相关的专业知识，包括专家经验和专业知识。可以说，基于f c m 第1 帝绪论 的肿瘤评级模型是一个非常有效的具有自动评级功能的动态模型。该模型不仅有 很好的分类准确性，而且满足了专家和医生对透明性和解释性的要求。 1 3 主要研究内容及结构安排 本文的主要研究思路是利用模糊认知图( f c m ) 建立上市公司信用风险评价 模型，对该方法在信用风险领域的应用进行检验，同时也试图进一步丰富信用风 险研究方法体系。具体研究内容及组织结构如下： 第一章首先明确了本文的研究背景及意义，其次，介绍了上市公司信用风险 和模糊认知图的研究现状，最后给出本文的研究内容和文章结构。 第二章对模糊认知图的基本理论、推理机制以及学习算法进行了研究。重点 探讨了非线性h e b b i a n 学习算法( n o n l i n e a rh e b b i a nl e a r n i n g ，n h l ) 和激活 h e b b i a n 学习算法( a c t i v eh e b b i a nl e a r n i n g ，a h l ) 两种学习算法。 第三章对模糊认知图的开发进行了系统研究，为模型的建立奠定基础。 第四章介绍了上市公司信用风险评价模糊认知图模型的建立和检验。主要包 括：上市公司信用风险影响因素的确定；专家调查确定模糊认知图中的概念节点， 以及连接权值；利用建立的模型对样本进行研究，检验模型的有效性。 最后是结论部分。主要是总结全文，并指出了本文研究存在的不足和以后的 努力方向。 本文在研究过程中用到的主要方法有：模糊认知图法( f c m ) ；专家调查法： 头脑风暴法和德尔菲方法；模糊集合理论，包括模糊化、反模糊化( 清晰化) 、 求和法；定性分析与定量计算相结合。所有算法的实现及计算均借助m a t l a b 7 1 工程软件实现。 北京t 业人学管理学硕一l ：学位论文 皇皇曼曼曼曼曼曼曼曼曼曼曼曼i 一一1 皇曼曼皇曼鼍曼曼曼曼曼曼曼鼍曼曼曼曼 第2 章模糊认知图的基本理论 2 1 模糊认知图的基本原理 模糊认知图，简称f c m ，通常用一个由节点和节点间因果关系构成的图形 对问题做出描述。图中的节点表示与问题相关的概念，节点间的因果关系是概念 间因果关系的映射，通常用带有连接权值的有向边表示。通常，连接权值被定义 在 - 1 ，l 】内。一般情况下，f c m 中的每个节点都对应着一个具体的值，该值反 映了在特定时刻或情景下该节点在系统中的活跃程度，被称为激活水平，也叫概 念状态值。通常以当前状态为基础来设定不同概念的状态值。每个节点的值是由 它所代表的概念的可用数据决定，但对定性概念，在为它们分配数值时存在主观 判断。 为了防止特定概念在因果链中出现不成比例的情况，概念状态值需要经过归 一化，即将其值设定在 0 ，l 】内。一个具有5 个概念的f c m 如图2 1 所示： 图2 1 一个简单的f c m 结构 f i g u r e2 - 1as i m p l ef c m f r a m e w o r k 其中，e ( f = l ，2 ，5 ) 表示f c m 中的概念节点，每个节点对应的概念状态值 表示为4 f ，4 【o