上傳人：奔***

認證信息

認證類型：個人認證

認證主體：常**（實名認證）

IP屬地：河北

IP屬地：河北 更新時間：2024-03-15 格式：doc 頁數(shù)：50 大?。?98.26KB 人氣指數(shù)：12 舉報 版權(quán)申訴

1、參賽隊號#1716120132013年第六屆“認證杯”數(shù)學(xué)中國年第六屆“認證杯”數(shù)學(xué)中國數(shù)學(xué)建模網(wǎng)絡(luò)挑戰(zhàn)賽數(shù)學(xué)建模網(wǎng)絡(luò)挑戰(zhàn)賽題目土地儲備項目的風(fēng)險評估方法土地儲備項目的風(fēng)險評估方法關(guān)鍵詞土地儲備風(fēng)險評估方法模糊綜合評價殘差分析Eviews銀行風(fēng)險評估體系摘要：本文針對土地儲備項目的風(fēng)險評估問題，通過主成分判別法、層次分析法、模糊綜合評價法、殘差分析法等一系列方法，綜合分析了土地儲備項目指標數(shù)據(jù)和風(fēng)險之間的關(guān)系，依托模糊綜合評價模型，給出

2、了風(fēng)險評估方法，并與銀行的風(fēng)險評估體系做對比驗證，證明了本文給出的風(fēng)險評估方法具有很高的可信度，適合給土地儲備部門分析項目風(fēng)險提供參考。針對問題一，根據(jù)附件2中土地儲備項目數(shù)據(jù)，對相關(guān)指標和風(fēng)險的聯(lián)系進行分析，并建立數(shù)學(xué)模型，最后給出風(fēng)險評估模型。首先，建立主成分判別模型，將原來眾多的具有一定相關(guān)性的指標，重新組合成一組新的相互無關(guān)的綜合指標，得出財務(wù)凈現(xiàn)值率、融資成功率、資金動態(tài)回收周期和人口密度相對數(shù)四項主成分指標作為項目分析的指標

3、。其次，分別運用層次分析法和變異系數(shù)法，分析求出各指標權(quán)重，并進行了對比，從而確定通過建立層次分析模型來求權(quán)重。最后，分別運用相對偏差模糊矩陣評價方法和相對優(yōu)屬度矩陣評價方法，求出模糊系數(shù)矩陣，并結(jié)合指標權(quán)重，建立以模糊綜合評價模型來評估項目風(fēng)險的風(fēng)險評估方法。針對問題二，考慮到由于近些年，土地市場的活躍性降低，加之一些土地儲備項目可研報告有人為修改等實際情況，要求評出10個風(fēng)險最大的項目。首先，確定市場活躍性和動態(tài)回收周期的負相關(guān)關(guān)系

4、，建立關(guān)于動態(tài)回收周期指標的微分方程模型，進而定性地分析動態(tài)回收周期與風(fēng)險貢獻度之間的關(guān)系，最終通過理論分析及相應(yīng)圖表得出風(fēng)險貢獻度隨著動態(tài)回收周期的延長而增加的關(guān)系。其次，利用殘差分析法對各個指標的數(shù)據(jù)進行分析，做出各個指標與風(fēng)險度的相關(guān)圖，并嘗試使用雙對數(shù)函數(shù)模型，對數(shù)函數(shù)模型，指數(shù)函數(shù)模型，二次函數(shù)模型四種函數(shù)對曲線進行擬合；利用通過了T檢驗的模型，作出相應(yīng)擬合函數(shù)的殘差分布表，發(fā)現(xiàn)需要剔除的數(shù)據(jù)，并給出異常數(shù)據(jù)所對應(yīng)的項目。最后

5、，用問題一中的風(fēng)險評價方法評出十個風(fēng)險最大的項目，并結(jié)合殘差分析表分析，得出造成項目風(fēng)險很大的原因。本文通過綜合運用主成分判別法、層次分析法、模糊綜合評價法、殘差分析法模型等方法，給出來可信度高的風(fēng)險評估模型，以供土地儲備部門進行土地儲備項目的風(fēng)險評估。同時，本文綜合評價了模型的優(yōu)缺點，然后進行模型的改進和推廣，分析了在其他領(lǐng)域的廣闊應(yīng)用前景。參賽隊號:#1716所選題目:C題參賽密碼（由組委會填寫）（由組委會填寫）參賽隊號#17163

6、methodstocomeoutwithhighreliabilityriskassessmentmodelfriskassessmentoflreservelbanksectprojects.Meanwhilethispaperacomprehensiveevaluationoftheadvantagesdisadvantagesofthemodelthenimproveextendthemodeltoanalyzeabroadapp