迅猛發(fā)展的高性能計算的目前已經成為金融行業(yè)的核心競爭力。高性能計算系統(tǒng)的并行計算能力,能夠有效提升高頻現金流精細分析的效率,實現對海量數據的高速分析與實時處理。本文的主要目的在于對企業(yè)融投資現金流進行動態(tài)優(yōu)化,提出了一種結合N-gram分詞模型的混合并行遺傳算法（Hybrid Parallel Genetic Algorithm, HPGA）,提供基于企業(yè)風險預測的高頻現金流的實時優(yōu)化方案。研究工作文章結構安排如下：1.介紹國內外發(fā)展現狀、主流方法與相關技術與業(yè)務發(fā)展背景知識；2.運用N-gram語言模型提取企業(yè)報表文本特征,分析其文本可讀性,利用SVM分類訓練,找出企業(yè)報表可讀性與企業(yè)營運狀況的相關性,并運用事件分析法找出報表可讀性變化與企業(yè)現金流風險的關系；3.結合企業(yè)報表風險預測值,對企業(yè)資金與現金流優(yōu)化問題進行統(tǒng)計推斷建模,使其符合遺傳算法優(yōu)化框架要求,同時合理壓縮遺傳算法的搜索空間；4.針對已有的并行遺傳算法存在的問題,設計結合內存數據庫的新型HPGA算法框架,并在高性能計算平臺與內存計算平臺實現HPGA算法,完成在高頻現金流優(yōu)化問題的應用,大幅提升了運算速度與求解效率。 

【文章來源】：中南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：70 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
    1.2 研究目的與意義
    1.3 主要研究工作
    1.4 論文組織結構
第二章 相關研究工作
    2.1 高頻現金流分析
        2.1.1 企業(yè)現金流管理
        2.1.2 高頻現金流特點分析
        2.1.3 現金流管理系統(tǒng)優(yōu)化難點
    2.2 供應鏈金融管理系統(tǒng)
        2.2.1 發(fā)展歷史
        2.2.2 存貸信息服務
    2.3 高性能計算技術研究現狀
        2.3.1 計算機集群系統(tǒng)
        2.3.2 共享內存多核計算機系統(tǒng)
        2.3.3 通用計算圖形處理單元
    2.4 并行遺傳算法研究現狀
第三章 金融風險模型
    3.1 引言
    3.2 關鍵績效指標
        3.2.1 流動性風險評估
        3.2.2 杠桿/償債風險評估
        3.2.3 運動風險評估
    3.3 ALTMAN Z-SCORE模型
        3.3.1 經典Z-Score模型
        3.3.2 非上市企Z-Score模型
        3.3.3 針對非制造企業(yè)與新興市場信貸Z-Score模型
        3.3.4 Z_(China)-Score
    3.4 本章小結
第四章 基于自然語言處理的企業(yè)風險評級
    4.1 引言
    4.2 企業(yè)報表數據特征與預處理
        4.2.1 數據來源
        4.2.2 數據特征與數據清洗
    4.3 企業(yè)報表自然語言特性分析
        4.3.1 統(tǒng)計語言建模
        4.3.2 N-gram隨機語言模型
        4.3.3 語言模型的平滑技術
        4.3.4 基于N-gram模型的詞法分析
    4.4 企業(yè)報表可讀性分析
        4.4.1 文本可讀性與衡量指標
        4.4.2 自然語言可讀性計算
        4.4.3 可讀性特征集選取
    4.5 企業(yè)報表風險情緒自動檢測
        4.5.1 事件分析法
        4.5.2 基于SVM的語言特征分類
    4.6 實驗結果
        4.6.1 語料庫基礎數據分析
        4.6.2 特征分類
    4.7 本章小結
第五章 混合式并行遺傳算法
    5.1 內存計算體系結構
    5.2 輸入輸出
    5.3 混合并行遺傳算法框架
    5.4 染色體數據結構
        5.4.1 借貸融資規(guī)劃染色體
        5.4.2 投資組合規(guī)劃染色體
        5.4.3 集成借貸與投資規(guī)劃的染色體
    5.5 遺傳算法搜索空間分析與壓縮策略
    5.6 進化方法與參數
        5.6.1 初始種群生成
        5.6.2 適應度計算
        5.6.3 變異與交叉方法
        5.6.4 子代選擇
        5.6.5 參數選擇
    5.7 本章小結
第六章 實驗設計與結果
    6.1 實驗設置
    6.2 實驗平臺
    6.3 實驗結果
        6.3.1 優(yōu)化結果對比
        6.3.2 適應度增長狀況
        6.3.3 并行效率
    6.4 本章小結
第七章 總結與展望
    7.1 研究工作總結
    7.2 可擴展工作與展望
參考文獻
致謝
攻讀學位期間主要的研究成果


【參考文獻】：
期刊論文
[1]國外物流金融研究綜述[J]. 謝圣濤.  物流科技. 2010(04)
[2]基于內容的垃圾郵件過濾技術綜述[J]. 王斌,潘文鋒.  中文信息學報. 2005(05)
[3]基于滲透原理遷移策略的并行遺傳算法[J]. 賴鑫生,張明義.  計算機學報. 2005(07)



本文編號：3215833