艾什·奥兹曼;韦伯，格哈德·威廉姆;塞赫拉圣奥卢;厄兹勒姆·德特利 新的稳健二次曲线GPLM方法及其在金融中的应用：信用违约预测。 （英语） Zbl 1273.62251号 J.全球。最佳方案。 56，第2期，233-249（2013）. 摘要：本文通过高级优化，有助于现代金融的分类和识别。在过去的几十年里，由于金融世界的重组，金融失调以及由此引发的金融危机的数量一直在增加。在这项研究中，作为其中最引人注目的一项，试图用一些宏观经济变量来预测由非流动性导致的国家债务危机。该方法包括两个预测回归模型的组合，即逻辑回归和稳健二次曲线多元自适应回归样条（RCMARS），作为广义部分线性模型的线性和非线性部分。与CMARS相比，RCMARS在处理输入和输出数据中的噪声以及获得更一致的优化结果方面具有优势。引入了一种包含数据集鲁棒化的二次曲线广义部分线性模型（RCGPLM）的改进版本。这个新模型应用于一个数据集，该数据集属于45个新兴市场，在1980年至2005年间有1019个观察值。 引用于9文件 MSC公司： 62P05号 统计学在精算科学和金融数学中的应用 62J99型 线性推断、回归 91G40型 信用风险 关键词：预测违约概率;不确定性;稳健优化;RCMARS系统;鲁棒二次曲线广义部分线性模型 软件：alr3;CMARS公司;汽车 PDF格式BibTeX公司 XML格式引用 \textit｛A.Özmen｝等人，《环球报》。最佳方案。56，No.2，233--249（2013；Zbl 1273.62251） 全文： 内政部 参考文献： [1] Manasse，P.，Roubini，N.，Schimmelpfennig，A.：预测主权债务危机。IMF工作文件03/221，国际货币基金组织（2003），ISBN:978-1-45187-525-6 [2] Lee G.，Sung T.K.，Chang N.：数据挖掘中建模的动力学：破产预测的解释方法。J.管理。信息系统。16, 63-85 (1999) ·doi:10.1201/1078/43197.16.3.19990601/31317.9 [3] Lee T.，Chiu C.，Chou Y.，Lu C.：使用分类回归树和多元自适应回归样条挖掘客户信用。计算。统计数据分析。50, 1113-1130 (2006) ·Zbl 1431.62645号 ·doi:10.1016/j.csda.2004.11.006 [4] Weber G.-W.、Akyüz-ØzöGür S.、Kropat E.：数据挖掘和连续优化在计算生物学和医学中的应用综述。出生缺陷研究（C部分）-今日胚胎87（2），165-181（2009）·doi:10.1002/bdrc.151 [5] Detragiache E.，Spilimbergo A.：短期债务与危机，国际货币基金组织。以色列国际宏观经济欧洲夏季研讨会（2001年） [6] Çavuşoğlu，Z.：使用广义偏线性模型预测新兴市场的债务危机。安卡拉中东技术大学应用数学研究所学期项目（2010年）·Zbl 0977.90052号 [7] 韦伯，G.-W.，乔瓦夫什·奥卢，Z.，Øzmen，A.：通过新的二次曲线广义部分线性模型及其优化预测新兴市场的违约概率。最佳方案。特殊问题高级连续优化。申请。财务。6(4), (2012). 网址：10.1080/02331934.2011.654343·Zbl 1245.91080号 [8] 奥兹曼，A.：稳健圆锥二次规划在质量改进中的应用——CMARS的稳健化。中东技术大学应用数学研究所硕士论文，安卡拉（2010）·Zbl 1007.90047号 [9] Ùzmen，A.，Weber，G-W.，Batmaz，I.：新的稳健CMARS（RCMARS）方法。摘自：ISI Proceedings of 24th MEC-EurOPT 2010-金融部门的连续优化和基于信息的技术，土耳其伊兹密尔，pp.362-368（2010），ISBN:978-9955-28-598-4 [10] Özmen，A.，Weber，G.-W.，Batmaz，I.，Kropat，E.:RCMARS：多面体不确定性集下不同场景下CMARS的鲁棒性。Commun公司。非线性科学。模拟数量。（2011），doi:10.1016/j.cnsns.2011.04.001·Zbl 1416.65169号 [11] Ben-Tal A.、Nemirovski A.：稳健优化方法和应用。数学。程序。92(3), 453-480 (2002) ·Zbl 1007.90047号 ·doi:10.1007/s101070100286 [12] Ben-Tal A.，Nemirovski A.：稳健凸优化。数学。操作。第23号决议，769-805（1998年）·Zbl 0977.90052号 ·doi:10.1287/门23.4.769 [13] Ben-Tal A.、El-Ghaoui L.、Nemirovski A.：稳健优化。普林斯顿大学出版社，（2009）·Zbl 1221.90001号 [14] Özmen，A.，Weber，G.-W.：使用RCMARS方法的鲁棒二次曲线广义偏线性模型——CGPLM的鲁棒性。METU应用数学研究所的预印本，将于2011年6月1日至3日在迪拜举行的第五届全球电力控制与优化会议上发表。国际标准图书编号：983-44483-49 [15] Müller M.：广义部分线性模型的估计和测试——一项比较研究。统计计算。11, 299-309 (2001) ·doi:10.1023/A:1011981314532 [16] Taylan，P.，Weber，G.-W.，Lian，L.，Yerlikaya-Øzkurt，F.：基于B样条和连续优化的广义部分线性模型的参数估计。计算数学应用（CAM-WA）60，1（2010）134-143，2010年2月2日至4日在澳大利亚昆士兰黄金海岸举行的第三届全球电力控制与优化会议PCO 2010特别版·Zbl 1198.62071号 [17] 乔利克，G.：广义部分线性模型中的参数估计与二次锥规划。安卡拉METU应用数学研究所硕士论文（2010年） [18] Kayhan，B.：使用Tikhonov正则化方法在广义部分线性模型中进行参数估计。安卡拉METU应用数学研究所硕士论文（2010年） [19] Weber G.-W.，Batmaz I.，Köksal G.，Taylan P.，Yerlikaya F.：CMARS：对非参数回归的新贡献，使用由连续优化支持的多元自适应回归样条。土耳其安卡拉METU应用数学研究所技术代表（2009年）·Zbl 1254.65020号 [20] Ben-Tal A.、Nemirovski A.：现代凸优化讲座：分析、算法和工程应用，MPR-SIAM优化系列。SIAM，费城（2001）·Zbl 0986.90032号 ·doi:10.1137/1.9780898718829 [21] MARS®salford系统：软件可在http://www.salfordsystems.com ·Zbl 1431.62645号 [22] Fioramanti M.：使用人工神经网络预测主权债务危机：一种比较方法。J.金融稳定。4(2), 149-164 (2008) ·doi:10.1016/j.jfs.2008.01.01 [23] Fox J.：引导回归模型：应用回归的R和S-PLUS伴侣。Sage Publications，加利福尼亚州，美国（2002） [24] MOSEK:CQP的一个非常强大的商业软件，可在网址：http://www.mosek.com 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。