神經(jīng)網(wǎng)絡(luò)技術(shù)在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)中的應(yīng)用研究.pdf

1、計(jì)算機(jī)和網(wǎng)絡(luò)技術(shù)的發(fā)展使我們進(jìn)入了信息化時(shí)代，也使我們面臨一系列的問題，其中最主要的是數(shù)據(jù)量的不斷增長(zhǎng)和數(shù)據(jù)之間關(guān)系的不斷復(fù)雜化。如何對(duì)信息化過程中積累的大量數(shù)據(jù)進(jìn)行全面深入的分析，發(fā)掘蘊(yùn)含在這些數(shù)據(jù)中潛在的有價(jià)值的知識(shí)成為各個(gè)領(lǐng)域急需解決的一個(gè)熱點(diǎn)問題。為此，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，并在各個(gè)領(lǐng)域得到廣泛的應(yīng)用，顯示出越來越重要的價(jià)值。 隨著數(shù)據(jù)挖掘在各個(gè)領(lǐng)域內(nèi)的不斷研究和應(yīng)用，出現(xiàn)了許多優(yōu)秀而實(shí)用的數(shù)據(jù)挖掘技術(shù)，神經(jīng)網(wǎng)絡(luò)技術(shù)就是

2、其中之一。神經(jīng)網(wǎng)絡(luò)是指為模擬人類神經(jīng)細(xì)胞群學(xué)習(xí)特性的結(jié)構(gòu)和功能而構(gòu)成的一種智能數(shù)據(jù)分析系統(tǒng)，它具有很強(qiáng)的自組織、自學(xué)習(xí)和自適應(yīng)能力，適應(yīng)于復(fù)雜環(huán)境和多任務(wù)控制的要求，具有以任意精度逼近任意非線性連續(xù)函數(shù)的特性。因此，神經(jīng)網(wǎng)絡(luò)很適合處理非線性數(shù)據(jù)和含有噪聲的數(shù)據(jù)，在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中具有很好的應(yīng)用前景。 信用風(fēng)險(xiǎn)評(píng)估是一個(gè)傳統(tǒng)而古老的課題，在國(guó)外已經(jīng)有了很長(zhǎng)時(shí)間的發(fā)展歷史，對(duì)信用風(fēng)險(xiǎn)的度量逐漸從定性數(shù)據(jù)分析向定量數(shù)據(jù)分析轉(zhuǎn)變，

3、對(duì)信用風(fēng)險(xiǎn)的評(píng)估也開始采用模型化的方法。而在國(guó)內(nèi)，由于對(duì)信用風(fēng)險(xiǎn)評(píng)估的研究起步較晚，采用的信用風(fēng)險(xiǎn)評(píng)估技術(shù)仍處于初級(jí)階段，遠(yuǎn)遠(yuǎn)不能滿足各商業(yè)銀行適應(yīng)國(guó)際金融行業(yè)市場(chǎng)競(jìng)爭(zhēng)的需要。因此，加速我國(guó)信用風(fēng)險(xiǎn)評(píng)估的研究工作，盡快找到適合我國(guó)商業(yè)銀行實(shí)際情況的信用風(fēng)險(xiǎn)評(píng)估方法和模型，為商業(yè)銀行的貸款決策提供依據(jù)，使商業(yè)銀行的信用風(fēng)險(xiǎn)管理更合理、更科學(xué)和更有效，從而最終提高我國(guó)商業(yè)銀行的競(jìng)爭(zhēng)力，將具有十分重要的意義。 在解決信用風(fēng)險(xiǎn)評(píng)估問題時(shí)

4、，神經(jīng)網(wǎng)絡(luò)技術(shù)具有其獨(dú)特的優(yōu)勢(shì)，其中最重要的是神經(jīng)網(wǎng)絡(luò)的非線性映射能力。通過前向型神經(jīng)網(wǎng)絡(luò)，可以很好地實(shí)現(xiàn)信用指標(biāo)和信用等級(jí)之間的非線性映射關(guān)系，從而達(dá)到對(duì)客戶按其指標(biāo)數(shù)據(jù)進(jìn)行信用等級(jí)分類的目的。本文在對(duì)我國(guó)商業(yè)銀行，特別是城市商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估現(xiàn)狀和應(yīng)用特點(diǎn)進(jìn)行深入研究的基礎(chǔ)上，結(jié)合各數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)技術(shù)的特點(diǎn)，提出了基于BP網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)估模型，并對(duì)提出的模型進(jìn)行了改進(jìn)和驗(yàn)證，為商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估提供了可行的解決方案。具體來

5、說，本文做了以下方面的工作： (1)全面綜合地介紹了信用風(fēng)險(xiǎn)評(píng)估、數(shù)據(jù)挖掘和神經(jīng)網(wǎng)絡(luò)等領(lǐng)域知識(shí)，以清晰的結(jié)構(gòu)展現(xiàn)了論文研究所依賴的知識(shí)體系。 (2)對(duì)神經(jīng)網(wǎng)絡(luò)模型和信用風(fēng)險(xiǎn)評(píng)估之間的關(guān)系進(jìn)行了全面研究和說明，使本文選擇神經(jīng)網(wǎng)絡(luò)進(jìn)行商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估具有說服力。 (3)對(duì)BP網(wǎng)絡(luò)模型的構(gòu)建以及訓(xùn)練進(jìn)行了系統(tǒng)的研究，包括模型的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)參數(shù)和算法存在的問題以及學(xué)習(xí)算法的改進(jìn)等，在此基礎(chǔ)上，確定了信用風(fēng)險(xiǎn)評(píng)估模型

6、的網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)參數(shù)和學(xué)習(xí)算法。 (4)建立了按行業(yè)分類，以定量指標(biāo)為主，定性指標(biāo)為輔的信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，并給出了信用指標(biāo)數(shù)據(jù)預(yù)處理的技術(shù)和方法。 (5)按照Z行信用數(shù)據(jù)的特點(diǎn)，確定了信用風(fēng)險(xiǎn)評(píng)估模型模式劃分的方法和依據(jù)。 (6)以工業(yè)企業(yè)評(píng)估模式為例，探討了信用風(fēng)險(xiǎn)評(píng)估模型構(gòu)建的過程，并分析了模型學(xué)習(xí)參數(shù)、初始權(quán)值和學(xué)習(xí)算法對(duì)信用風(fēng)險(xiǎn)評(píng)估的影響。在此基礎(chǔ)上，構(gòu)建了該模式下的信用風(fēng)險(xiǎn)評(píng)估模型，并對(duì)構(gòu)建的模型進(jìn)