基于SOM自組織神經(jīng)網(wǎng)絡的企業(yè)信用評估模型.pdf

1、在實際的經(jīng)濟生活中，影響企業(yè)和個人信用的因素很多，這些因素和信用之間多為一種非線性的關系，而且信用風險存在著諸如分布不對稱，數(shù)據(jù)匱乏等理論和實際問題，各界對信用風險量化度量方法也未達成共識。對于傳統(tǒng)的信用評估模型，很難識別其中存在的對信用影響的模式，特別是在我們國內，信用的評估多為專家方式，對于信用的評估結果人為的因素很多，科學性和準確性較差。從未來的發(fā)展趨勢看，隨著科技的進步，特別是計算機技術和信息技術的發(fā)展，將對信用風險量化評估的發(fā)

2、展產(chǎn)生巨大的推動作用，評估和管理的標準也將趨于統(tǒng)一。 隨著信息技術的發(fā)展，近年來人工智能(AI)模型被引入信用評估中。常用的AI模型主要包括神經(jīng)網(wǎng)絡技術(ANN)、決策樹等。ANN可以看成是從輸入空間到輸出空間的一個非線性映射，它通過調整權重和閾值來“學習”或發(fā)現(xiàn)變量間的關系，實現(xiàn)對事物的分類，有效解決非正態(tài)分布、非線性的信用評估問題。 人工神經(jīng)網(wǎng)絡由大量簡單的基本元件-神經(jīng)元相互聯(lián)結，模擬人的大腦神經(jīng)處理信息的方式，進

3、行信息并行處理和非線性轉換的復雜網(wǎng)絡系統(tǒng)。人工神經(jīng)網(wǎng)絡處理信息是通過信息樣本對神經(jīng)網(wǎng)絡的訓練，使其具有人的大腦的記憶和辨識能力，完成各種信息處理功能。人工神經(jīng)網(wǎng)絡具有良好的自學習、自適應、聯(lián)想記憶、并行處理和非線性轉換的能力，避免了復雜數(shù)學推導，在樣本缺損和參數(shù)漂移的情況下，仍能保證穩(wěn)定的輸出。人工神經(jīng)網(wǎng)絡這種模擬人腦智力的特性，受到學術界的高度重視和廣泛研究，已經(jīng)成功地應用于眾多領域，如模式識別、圖像處理、語音識別、智能控制、虛擬實現(xiàn)