基于人工智能方法的貸款分類模型研究.pdf

1、本文采用專家系統(tǒng)(ES)和BP人工神經(jīng)網(wǎng)絡(luò)算法對(duì)商業(yè)銀行貸款按風(fēng)險(xiǎn)程度進(jìn)行質(zhì)量分類。經(jīng)研究，將影響貸款歸還可能性的因素分為四個(gè)方面：財(cái)務(wù)因素、非財(cái)務(wù)因素、現(xiàn)金流量、信用支持，分別建立模塊對(duì)上述因素進(jìn)行分析，從而將貸款按照五級(jí)分類法分為：正常、關(guān)注、次級(jí)、可疑、損失。 首先，將BP人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于對(duì)財(cái)務(wù)因素及現(xiàn)金流量的分析過程中，通過選取合適的指標(biāo)和數(shù)據(jù)，構(gòu)造訓(xùn)練集，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到BP神經(jīng)網(wǎng)絡(luò)輸入層到隱含層以及隱含層到輸入層

2、的最終權(quán)值，這樣，神經(jīng)網(wǎng)絡(luò)模型也就建立起來了。然后，將ES專家系統(tǒng)應(yīng)用到非財(cái)務(wù)因素的分析中來。首先，建立非財(cái)務(wù)因素的指標(biāo)體系，然后根據(jù)采取的指標(biāo)運(yùn)用產(chǎn)生式專家系統(tǒng)，建立規(guī)則體進(jìn)行分析，在輸出時(shí)，輸出的是非財(cái)務(wù)指標(biāo)的狀況，將非財(cái)務(wù)因素分析的結(jié)果分為極高風(fēng)險(xiǎn)，中高風(fēng)險(xiǎn)，中風(fēng)險(xiǎn)，中的風(fēng)險(xiǎn)，低風(fēng)險(xiǎn)五類。至此，三方面因素分析完成，我們?cè)俅芜\(yùn)用產(chǎn)生式專家系統(tǒng)對(duì)這三因素分析的結(jié)果進(jìn)行綜合分析，建立新的規(guī)則體，得到初步的分類結(jié)果。最后，根據(jù)信用支持對(duì)貸