基于神經(jīng)網(wǎng)絡(luò)與證據(jù)理論的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估.pdf

1、隨著信用違約事件的日益增多，信用風(fēng)險(xiǎn)管理日漸成為商業(yè)銀行風(fēng)險(xiǎn)控制能力的重要評(píng)價(jià)標(biāo)準(zhǔn)。本文對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的特點(diǎn)及主要的計(jì)量模型做了簡(jiǎn)單的介紹，并選取神經(jīng)網(wǎng)絡(luò)模型作為研究的重點(diǎn)，主要進(jìn)行了以下三方面的工作：
　　首先，我們用神經(jīng)網(wǎng)絡(luò)模型組取代傳統(tǒng)的專(zhuān)家系統(tǒng)模型。傳統(tǒng)的專(zhuān)家系統(tǒng)方法由于各專(zhuān)家的專(zhuān)業(yè)程度不一、關(guān)注點(diǎn)不同，判斷帶有主觀的成分。神經(jīng)網(wǎng)絡(luò)在評(píng)估過(guò)程中具有抗干擾、動(dòng)態(tài)可調(diào)整的優(yōu)點(diǎn)，因此用不同的神經(jīng)網(wǎng)絡(luò)模型來(lái)取代專(zhuān)家的判斷可以有

2、效降低主觀概率。這里我們?nèi)P、SVM及RBF神經(jīng)網(wǎng)絡(luò)模型。針對(duì)客戶(hù)信用評(píng)價(jià)樣本指標(biāo)過(guò)大，神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本大，訓(xùn)練時(shí)間長(zhǎng)的缺點(diǎn)，我們采用粗糙集方法減少冗余數(shù)據(jù)，提高融合效率。實(shí)證表明粗糙集方法確實(shí)可以大大簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。
　　其次，我們引入了一種改進(jìn)的D-S證據(jù)理論方法，并將沖突判定方法由二維推廣到多維的情況，提高了證據(jù)理論適用范圍。D-S證據(jù)理論不需要先驗(yàn)知識(shí)和條件概率，可以對(duì)相互重疊、非互不相容的多源信息進(jìn)行融合，是行之

3、有效地?cái)?shù)據(jù)融合方法。我們把經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)處理后的數(shù)據(jù)作為證據(jù)理論的基本概率分布值，可以在一定程度上排除主觀因素的干擾，又可以融合不同來(lái)源的數(shù)據(jù)，得到相對(duì)合理的評(píng)估結(jié)果。
　　再次，我們給出商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估的一個(gè)算例，檢驗(yàn)本文提出方法的有效性。在處理測(cè)試樣本時(shí)，我們采用了平均值方法來(lái)確定各個(gè)客戶(hù)的沖突度，以求得到相對(duì)穩(wěn)定的沖突值。評(píng)估結(jié)果表明本文提出的方法可以有效地判斷客戶(hù)的信用違約情況，是有效的。
　　最后，在結(jié)論部分，我