参考文献

参考文献

[1]Altman E I,Haldeman R G,Narayanan P,1977.ZETAM analysis a new model to identify bankruptcy risk of corporations[J].Journal of Banking and Finance,1(1):29-54.

[2]Altman E I,Marco G,Vareto F,1994.Corporate distress diagnosis:comparisons using linear discriminant analysis and neural networks[J].Journal of Banking and Finance,(18):505-529.

[3]Altman E I,1968.Financial ratios,discriminant analysis and the prediction of corporate bankruptcy[J].The Journal of Finance,23(4):589-609.

[4]Apergis N,Payne J E,2013.European banking authority stress tests and bank failure:evidence from credit risk and macroeconomic factors[J].Banking and Finance Review,5(2):23-32.

[5]Baesens B,Van Gestel T,Viaene S,et al.,2003.Bench marking state-of-the-rat classification algorithm for credit scoring[J].Journal of the Operation Research Society,6(54):627-635.

[6]Baesens B,2003.Using neural network rule extraction and decision tables for credit-risk evaluation[J].Management Science,49(3):313-329.

[7]Bartual C,García F,Giménez V,2012.Credit risk analysis:reflections on the use of the logit model[J].Journal of Applied Finance and Banking,2(6):13.

[8]Beaver W H,1966.Financial ratios as predictors of failure[J].Journal of Accounting Research,4(3):71-111.

[9]Coats P,Fant L,1993.Recognizing financial distress tool[J].Financial Mangement,1(22):142-155.

[10]Coffman J Y,1986.The proper role of tree analysis in forecasting the risk behavior of borrowers[J].MDS Reports,Management Decision System,Atlanta,1986:3-9.

[11]Collins R A,Green R D,1982.Statistical methods for bankruptcy forecasting[J].Journal of Economics and Business,34(4):349-354.

[12]Desai V S,Crook J N,Overstreet G A,1996.A comparison of neural networks and linear scoring models in the credit union environment[J].European Journal of Operational Research,95(1):24-37.

[13]Dutta,Shekhar,1988.Bond rating:a nonconservative application of neural networks[C].IEEE.

[14]Figini S,Fantazzini D,2009.Random survival forests models for sme credit risk measurement[J].Methodology and Computing in Applied Probability,11(1):29-45.

[15]Gentry J A,Newbold P,Whitford D T,1987.Funds flow components,financial ratios,and bankrnptcy[J].Journal of Business Finance&Accounting,14(4):595-606.

[16]Glasserman P,Heidelberger P,Shahabuddin P,2000.Efficient monte carlo methods for value-at-risk[R].Risk Management Report.

[17]Hwang C,Yoon K,1981.multiple attribute decision making:methods and applications[M].Berlin:Springer.

[18]Jensen H L,1992.Using Neural networks for credit scoring[J].Managerial Finance,18(6):15-26.

[19]Jensen H L,1992.Using neural networks for credit scoring[J].Managerial Finance,18(6):15-26.

[20]Jones S,Hensher D A,2004.Predicting firm financial distress:a mixed logit model[J].Accounting Review,79(4):1011-1038.

[21]Korablev I,Dwyer D,2007.Power and level validation of moody's KMV EDF credit measuresin North America,Europe,and Asia[J].Economic Notes,(9):9-17.

[22]Kurbat M,Korablev I,2002.Methodology for testing the level of the EDF credit measure[R].Moody's KMV Technical Report.

[23]Libby R,1975.Accounting ratios and the prediction of failure:Some behavioral evidence[J].Journal of Accounting Research,13(1):150-161.

[24]Martin D,1977.Early warning of bank failure:a logit regression approach[J].Journal of Banking and Finance,1(3):249-276.

[25]Nanni L,Lumini A,2009.An experimental comparison of ensemble of classifiers for bankruptcy prediction and credit scoring[J].Expert Systems with Applications,(9):3028-3033.

[26]Ohlson J A,1980.Financial ratios and the probabilistic prediction of bankruptcy[J].Journal of Accounting Research,18(1):109-131.

[27]Samad A,2012.Credit risk determinants of bank failure:evidence from US bank failure[J].International Business Research,5(9):10-21.

[28]Schebesch K B,Stecking R,2005.Support vector machines for classifying and describing credit applicants:detecting typical and critical regions[J].Journal of the Operational Research Society,56(9):1082-1088.

[29]Scott J,1981.The probability of bankruptcy:a comparison of empirical predictions and eoretical models[J].Journal of Banking&Finance,(9):317-344.

[30]Singleton,Surkan.2003.Simulating correlated defaults[J].Paper presented at the Bank of England Conference on Credit Risk Modeling and Regulatory Implications,(9):21-36.

[31]Smith L D,Lawrence E C,1995.Forecasting losses on a liquidating long-term loan portfolio[J].Journal of Banking and Finance,19(6):959-985.

[32]Tudela M,Young G,2003.A merton model approach to assessing the default risk of Uk public companies[J].Bank of England,9(5):12-17.

[33]Vapnik V,Cortes C,1995.Support-vector networks[J].Machine Learning,20(3):273-297.

[34]West D,2000.Neural network credit scoring models[J].Computers and Operational Research,11(27):1131-1152.

[35]West D,2000.Neural network credit scoring models[J].Computers and Operations Research,27(11):1131-1152.

[36]West R C,1985.A factor-analytic approach to bank condition[J].Journal of Banking and Finance,9(2):253-266.

[37][美]本杰明·富兰克林，1997.富兰克林经济论文选集[M].刘学黎译.上海：上海商务印书馆.

[38][英]休谟，1997.休谟经济论文集[M].陈玮译.上海：上海商务印书馆.(https://www.daowen.com)

[39]陈磊，2014.我国ST股票价格泡沫问题研究：基于A股市场的实证检验[J].经济研究导刊，（26）：195-197.

[40]陈忠阳，2000.信用风险量化管理模型发展探析[J].国际金融研究，（10）：14-19.

[41]程建，朱晓明，2007.信用风险评估模型预测力的验证研究[J].山西财经大学学报，（2）：86-92.

[42]戴峰，白庆华，2006.虚拟企业伙伴信用等级灰色关联模型的研究[J].情报杂志，（7）：49-50.

[43]邓聚龙，1982.灰色控制系统[J].华中工学院学报，（3）：9-18.

[44]丁兆云，2008.互联网多维层次式舆情指数若干计算方法的研究与实现[D].长沙：国防科学技术大学.

[45]方洪全，曾勇，2004.运用多元判别法评估企业信用风险的实例[J].预测，23（4）：65-68.

[46]何亮亮，2007.企业潜在信用风险的预警模型[J].大连海事大学学报（社会科学版），6（3）：48-50.

[47]黄薇薇，2012.KMV模型对中国上市公司信用风险评估的有效性验证[D].西南财经大学.

[48]霍琳，尚维，徐山鹰，2013.房地产开源舆情指数构建与政策影响研究[J].信息系统学报，（2）：57-66.

[49]靳晓宏，王强，付宏，等，2016.主题事件舆情指数的构建及实证研究：以食品安全主题为例[J].情报理论与实践，（12）：103-108.

[50]李昌祖，胡思佳，杨延圣，2019.人民美好生活需要舆情指数的构建：基于浙江省的实证研究[J].浙江工业大学学报（社会科学版），18（1）：1-9.

[51]李向波，王刚，2007.企业核心竞争能力的多层次灰色关联评价及应用研究[J].工业技术经济，（6）：119-121.

[52]刘少伟，2018.投资者舆情指数对股价波动风险影响的研究[J].金融管理研究，（2）：220-227.

[53]刘玉峰，贺昌政，2011.Subagging在个人信用评估中的应用研究[J].科技管理研究，（19）：188-190.

[54]马超，2016.企业信用综合指数体系构建研究[J].企业管理，（3）：121-123.

[55]潘睿，2017.我国上市企业基于KMV模型的实证研究[J].烟台大学学报（哲学社会科学版），（4）：108-115.

[56]石晓军，郑海涛，2007.国家信用体系的多维指数方法及实证研究[J].财经研究，（1）：4-15.

[57]史小坤，陈昕，2012.商业银行信用风险管理的KMV模型及其修正[J].南京财经大学学报，（4）：47-51.

[58]孙瑾，许青松，陈燕燕，2008.基于遗传算法和支持向量机的银行个人信用评估[J].统计与决策，（12）：126-128.

[59]孙婷，2011.基于模糊综合评价法的我国信用指数构建[D].吉林大学.

[60]孙晓东，焦玥，胡劲松，2005.基于灰色关联度和理想解法的决策方法研究[J].中国管理科学，（4）：63-68.

[61]孙玥璠，杨超，张梦实，2015.大数据时代中小企业信用评价指标体系重构[J].财务与会计，（6）：47-48.

[62]吴晶妹，2015.从信用的内涵与构成看大数据征信[J].首都师范大学学报（社会科学版），（6）：66-72.

[63]吴世农，卢贤义，2001.我国上市公司财务困境的预测模型研究[J].经济研究，（6）：46-55，96.

[64]向宁，王于鹤，2016.佛教互联网舆情指数的构建与互联网舆情评估[J].世界宗教文化，（4）：15-20，158.

[65]谢爱荣，田盈，袁壹，2007.多层次灰色评价法在中小企业信用评价中的应用[J].成都大学学报（自然科学版），（2）：160-162.

[66]徐映梅，高一铭，2017.基于互联网大数据的CPI舆情指数构建与应用：以百度指数为例[J].数量经济技术经济研究年，（1）：94-112.

[67]闫海峰，华雯君，2009.基于KMV模型的中国上市公司信用风险研究[J].产业经济研究，（3）：14-22.

[68]杨莹，徐慎晖，2016.判别分析在上市公司信用风险中的实证研究[J].河南工程学院学报（社会科学版），31（4）：17-19.

[69]俞庆进，张兵，2012：投资者有限关注与股票收益：以百度指数作为关注度的一项实证研究[J].金融研究，（8）：152-165.

[70]喻国明，2013.大数据分析下的中国社会舆情：总体态势与结构性特征：基于百度热搜词（2009—2012）的舆情模型构建[J].中国人民大学学报，（5）：2-9.

[71]喻国明，李彪，2010.2009年上半年中国舆情报告（上）：基于第三代网络搜索技术的舆情研究[J].新闻传播学研究，33（1）：132-138.

[72]张崇，吕本富，彭赓，等，2012.网络搜索数据与CPI的相关性研究[J].管理科学学报，15（7）：50-70.

[73]张发明，杨杰，2017.大规模混合信息下的交互式群体评价方法及应用[J].系统科学与数学，37（12）：2400-2411.

[74]张芳，化存才，何伟全，等，2013.采用网络舆情指数评价体系分级预警的多层模糊综合评判模型[J].重庆理工大学学报（自然科学），27（12）：123-128.

[75]张玲，杨贞柿，陈收，2004.KMV模型在上市公司信用风险评价中的应用研究[J].系统工程，（11）：84-89.

[76]张培凡，刘功申，2013.分级指标体系下的网络舆情指数计算[J].信息安全与通信保密，（1）：57-59.