基于BP優(yōu)化算法的個人信用評價模型研究.pdf

1、市場經濟的快速發(fā)展促使信貸消費逐漸成為區(qū)別于傳統(tǒng)消費模式的新潮流。個人信用作為信貸消費的評價基礎，它體現(xiàn)了當事人履行信用承諾的能力，如今它也不僅僅是傳統(tǒng)觀念上的一種美德，更確切的說是一種商品，是一種建立在個人凈資產和對未來收入預期基礎上的支付能力。運用先進的技術構建個人信用評價模型，進而客觀正確評價個人信用，能夠公平維護授信雙方的合法利益，也為信貸機構提供了預測信用風險的有效工具，同時維持市場經濟健康穩(wěn)定發(fā)展。
　　本文在分析了國

2、內信貸行情和國內外在個人信用評價領域的研究現(xiàn)狀的基礎上，對比分析了統(tǒng)計和非統(tǒng)計個人信用評價模型的優(yōu)越性和局限性，并且探討了人工智能算法中的BP神經網(wǎng)絡算法和粒子群優(yōu)化算法，然后運用屬性信息熵對德國個人信用數(shù)據(jù)集的原始指標體系做二次優(yōu)化，通過指標增益值的大小來選取合適的信用評價指標，從而構建了新的指標體系;其次，在原始預測分類模型基礎評價指標（整體預測正確率、兩類信用等級預測精度和兩類信用等級召回精度）的基礎上，創(chuàng)建了兩個適合度量個人信用

3、評價模型評測性能的綜合評價指標:綜合評價性能指標和綜合評價損失率指標;再次依據(jù)新的指標體系結合BP算法和PSO算法構建了不同訓練函數(shù)下的BP常規(guī)優(yōu)化個人信用評價模型和基于PSO優(yōu)化的個人信用評價模型。最后通過實例驗證表明:在常規(guī)優(yōu)化的BP個人信用評價模型中，采用trainbfg訓練函數(shù)的模型收斂速度較快，而且泛化性能好，兩個綜合評價指標在同類常規(guī)優(yōu)化算法中表現(xiàn)最好;基于PSO優(yōu)化的BP神經網(wǎng)絡個人信用評價模型的評測性能隨著迭代次數(shù)不同有