神經網絡技術在商業(yè)銀行信用風險評估系統中的應用研究.pdf

1、計算機和網絡技術的發(fā)展使我們進入了信息化時代，也使我們面臨一系列的問題，其中最主要的是數據量的不斷增長和數據之間關系的不斷復雜化。如何對信息化過程中積累的大量數據進行全面深入的分析，發(fā)掘蘊含在這些數據中潛在的有價值的知識成為各個領域急需解決的一個熱點問題。為此，數據挖掘技術應運而生，并在各個領域得到廣泛的應用，顯示出越來越重要的價值。 隨著數據挖掘在各個領域內的不斷研究和應用，出現了許多優(yōu)秀而實用的數據挖掘技術，神經網絡技術就是

2、其中之一。神經網絡是指為模擬人類神經細胞群學習特性的結構和功能而構成的一種智能數據分析系統，它具有很強的自組織、自學習和自適應能力，適應于復雜環(huán)境和多任務控制的要求，具有以任意精度逼近任意非線性連續(xù)函數的特性。因此，神經網絡很適合處理非線性數據和含有噪聲的數據，在商業(yè)銀行信用風險評估中具有很好的應用前景。 信用風險評估是一個傳統而古老的課題，在國外已經有了很長時間的發(fā)展歷史，對信用風險的度量逐漸從定性數據分析向定量數據分析轉變，

3、對信用風險的評估也開始采用模型化的方法。而在國內，由于對信用風險評估的研究起步較晚，采用的信用風險評估技術仍處于初級階段，遠遠不能滿足各商業(yè)銀行適應國際金融行業(yè)市場競爭的需要。因此，加速我國信用風險評估的研究工作，盡快找到適合我國商業(yè)銀行實際情況的信用風險評估方法和模型，為商業(yè)銀行的貸款決策提供依據，使商業(yè)銀行的信用風險管理更合理、更科學和更有效，從而最終提高我國商業(yè)銀行的競爭力，將具有十分重要的意義。 在解決信用風險評估問題時

4、，神經網絡技術具有其獨特的優(yōu)勢，其中最重要的是神經網絡的非線性映射能力。通過前向型神經網絡，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目的。本文在對我國商業(yè)銀行，特別是城市商業(yè)銀行信用風險評估現狀和應用特點進行深入研究的基礎上，結合各數據挖掘和神經網絡技術的特點，提出了基于BP網絡的信用風險評估模型，并對提出的模型進行了改進和驗證，為商業(yè)銀行信用風險評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險評估、數據挖掘和神經網絡等領域知識，以清晰的結構展現了論文研究所依賴的知識體系。 (2)對神經網絡模型和信用風險評估之間的關系進行了全面研究和說明，使本文選擇神經網絡進行商業(yè)銀行信用風險評估具有說服力。 (3)對BP網絡模型的構建以及訓練進行了系統的研究，包括模型的網絡結構、學習參數和算法存在的問題以及學習算法的改進等，在此基礎上，確定了信用風險評估模型

6、的網絡結構、學習參數和學習算法。 (4)建立了按行業(yè)分類，以定量指標為主，定性指標為輔的信用風險評估指標體系，并給出了信用指標數據預處理的技術和方法。 (5)按照Z行信用數據的特點，確定了信用風險評估模型模式劃分的方法和依據。 (6)以工業(yè)企業(yè)評估模式為例，探討了信用風險評估模型構建的過程，并分析了模型學習參數、初始權值和學習算法對信用風險評估的影響。在此基礎上，構建了該模式下的信用風險評估模型，并對構建的模型進