KMV的MATLAB的代码distance_to_default
该代码使用幼稚，直接和迭代的方法来求解1970年至2015年公司的违约距离和违约概率。该代码使用的数据可在链接中找到。
方法1：天真
DD
=
(log(E
+
F/F)
+
(annret
−
σV^2
/2)T)/(σV
*
sqrt(T))
在哪里
-
σV
=
(E/E+F)
*
σE
+
(F
/
E
+
F)*(0.05
+
0.25
*
σE)
-
annret
is
the
annual
returns
from
the
previous
year
方法2：直接求解
等式1：
E
=
V
*
N(d1)
−
exp(−r
*
T)
+
F
*
N(d2)
在哪里
-
E
is
the
market
value
of
the
firm’s
equity
-
F
is
the
face
value
of
the
firm’s
debt
-
r
is
the
instantaneous
risk-free
rate
-
N()
is
the
cumulative
standard
normal
distribu
2021-06-16 09:15:57
474KB
1
kernel-default-4.4.21-81.3.x86_64.rpm
2021-06-15 22:00:48
35.26MB
kernel-default-base-4.4.21-81.3.x86_64.rpm
2021-06-15 22:00:48
15.69MB
刚导入美团cat监控时大家一般会报的jar包缺失网上又找不到的。org.unidal包的下载见https://download.csdn.net/download/liguo886/10473407
2018.06.14
2021-06-08 19:36:31
33KB
1
matlab中存档算法代码使用多层感知器和支持向量机的信用卡客户默认预测
这是使用多层感知器和支持向量机的信用违约预测的比较研究。
它是伦敦大学城的MSc数据科学的“神经计算”模块的一个单独项目的结果。
该项目的主要目标是解决极端的类别失衡问题（80％的非违约者和20％的违约者）。
使用了两种平衡技术：Adasyn和Borderline
Smote。
另外，还测试了使用RELIEF算法进行的特征选择是否会导致模型的更好性能。
在“多层感知器和支持向量机的比较研究”文件夹中，您可以找到用于评估的Matlab代码和报告。
“
Matlab代码”文件夹包含每个受过训练的模型（总共16个）的所有必要文件（使用的数据和功能）。
项目报告将为您提供有关问题，项目过程和结果的总体思路。
建议先阅读报告，然后再查找代码。
该数据集是从UCI机器学习存储库（）中检索的，并已在Python中进行了预处理。
执照：麻省理工学院
2021-05-30 15:38:23
74.41MB
1