遗传算法优化神经网络及信用评价研究

研究关于公司神经网络信用评估问题的现状,提出遗传算法辅助网络训练策略(优化后的网络称为进化网络),克服传统网络建模中产生的局部极小缺陷。建立了适合于我国商业企业的信用评分指标体系;然后依据该指标体系建立了基于进化神经网络的信用评估模型;最后,利用样本公司实际指标数据对该模型的评分效果进行了比较研究。     

遗传繁衍样本策略及神经网络信用评价研究

提出遗传算法繁衍样本策略,克服了小样本建立模型的缺陷,建立适合于我国商业企业的信用评分指标体系,依据该指标体系和遗传优化样本建立了基于反向传播回归神经网络的信用评估模型,利用样本公司实际指标数据对该模型的评分效果进行了比较研究.     

Bagging-BP算法及其在客户信用评估中的应用

随着银行信贷的发展以及其对信用风险的关注,客户信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中采用单个分类器进行评估,预测精度难以提高,本文提出了Bagging-BP算法,它以BP神经网络作为基本分类器,利用Bagging方法产生多个基本分类器,最后用简单多数投票法进行集成。在UCI中的German和Australian信用数据集上的实验结果表明,Bagging-BP优于单个分类器和以其他基本分类器进行组合的算法。     

基于ANFIS和Elman网络的信用评价研究

BP神经网络用作信用等级分类可取得较好的效果,但在过分要求输出信用分值时效果不佳。针对该缺陷,本文采用自适应神经网络(ANFIS)和Elman网络研究公司信用评分。文中提出了一套甄选方法准则,用于建立适合我国企业的信用评分指标体系;然后依据该指标体系建立了基于Elman网络和ANFIS的信用评估模型;采用V foldCross validation技巧,利用样本公司实际指标数据对该模型的评分效果进行了实证研究。     

官方出口信用机构的全面风险管理浅析与建议

官方出口信用机构是各国为了促进本国进出口贸易发展而设立的机构.随着巴塞尔协议的发展及其在银行业监管中应用逐渐成熟,比较官方出口信用机构业务的风险类型和管理特点,可以理清其未来的全面风险管理的特征和思路,为官方出口信用机构实施巴塞尔新资本协议提供有益借鉴.     

上市公司信用评估模型

论文在分析信用评估重要性和信用评估国内外现状的基础上,指出了目前上市公司信用指标体系建立中存在的不足,进而提出了一种基于特征选择FSDB算法的上市公司信用评估指标体系的建立方法,并在该指标体系的基础上,提出了一种基于SOM神经网络的上市公司信用评估模型。通过试验证明,该模型在经过一定的训练后,能够用于上市公司的信用评估,并具有较高的准确性。     

运用概率神经网络进行企业信用风险评估

企业的信用风险评估主要是通过基于会计指标的信用特征推出该企业的信用风险,然而企业的会计指标与信用风险之间往往表现出非线性的特征,这为信用风险建模带来极大困难,神经网络较适于描述这种指标间的非线性特征.本文主要通过概率神经网络在评估企业信用风险中的表现以及和其他方法的比较,阐述这种方法的重要作用,最后给出概率神经网络在国内上市公司的实证结果.     

银行客户信用评估动态分类器集成选择模型

现实的银行客户信用评估数据常包含大量的缺失值,这在很大程度上影响了信用评估模型的性能.针对已有模型的不足,提出了面向缺失数据的动态分类器集成选择模型DCESM.该模型充分利用数据集中所包含的已知信息,在训练信用评估模型之前不需要事先对缺失数据进行预处理,从而减少了对数据缺失机制假设以及数据分布模型的依赖.从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析,结果表明,与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比,DCESM模型能够取得更好的客户信用评估性能.     

基于差分进化自动聚类的信用风险评价模型研究

随着风险评价的日益复杂化, 多维度、多时序等不规则的样本数据增加了评估的难度。本文建立信用风险评价的差分进化自动聚类模型, 并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据, 相反, 通过群体智能去寻找最优的分区。通过数据仿真, 并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究, 结果表明, 该模型能够非常准确的找到数据对应的分区, 大大提高了信用评估的准确性, 降低了风险成本, 对信用风险的管理和控制具有很高的利用价值。     

基于信用风险度的商业银行风险评估模型研究

本文依据商业银行信用风险的内涵,结合信用风险的不确定性和相对性特征,提出以"信用风险度"作为系统的输出,并针对传统模式识别评估方法的不足,构建了基于补偿模糊神经网络的信用风险评估预测模型,为有效转变信用风险的分类评估模式、提供更为全面的信贷决策支持奠定了基础.实证结果表明,该模型是一种较为有效的评估方法.