PSO-BP神經網絡在商業(yè)銀行信用風險評估中的應用研究.pdf

1、信用風險是金融機構面臨的最主要的風險之一。在解決商業(yè)銀行信用風險評估問題時，神經網絡的非線性映射能力使其具有獨特的優(yōu)勢。通過BP神經網絡，可以很好地實現信用指標和信用等級之間的非線性映射關系，從而達到對客戶按其指標數據進行信用等級分類的功能。但BP神經網絡的參數設置是基于參數空間局部信息的，不是全局最優(yōu)值，這必將降低BP網絡的收斂速度和預測精度。本文分析了具有全局尋優(yōu)功能的粒子群優(yōu)化算法(PSO)，該算法能夠改進傳統的BP神經網絡學習策

2、略，彌補BP神經網絡參數設置的不足。 本文首先根據商業(yè)銀行信用風險評估研究的發(fā)展及現狀，對應用于商業(yè)銀行信用風險評估的各種傳統及現代方法進行總結。其次，在研究BP神經網絡、粒子群優(yōu)化算法理論基礎上，針對PSO算法局部搜索能力較弱和存在早熟收斂的問題，提出一種改進PSO算法，并用該算法優(yōu)化BP神經網絡的權值，建立基于改進PSO-BP神經網絡模型。最后，應用新模型對某商業(yè)銀行信用風險評估數據進行了實例仿真，并把實驗結果與傳統BP模型