Personal Credit Risk .Scoring Model Based on Rough Set and Neural Network

In order to improve the precision of personal credit risk assessment, applying rough set and neural network to the credit risk scoring prediction problem in an attempt to suggest a new model with better classification accuracy. To evaluate the prediction accuracy of the model, we compare its performance with those of SVM, linear discriminate analysis, logistic regression analysis, K-nearest neighbors, classification and regression tree, neural network and PCA-NN. The experimental results show the model have a very good prediction accuracy     

概率神经网络信用评价模型及预警研究

介绍了概率神经网络(PNN)方法及其分类机理,构造了用于识别两类模式样本的PNN结构,用来对我国2000年106家上市公司进行两类模式分类.仿真结果表明,PNN对训练样本有很高的分类准确率,能达到100%;但对测试样本的分类准确率却很低,只达到69 77%.因而使总体的分类效果偏差,分类准确率只达到87 74%.进一步的仿真结果表明,该方法对我国2001年公布的13家预亏公司进行预警分析时,准确率只达到69 23%.所以PNN不太适合用来对新样本的识别和预警研究.研究结果还表明,PNN在分类效果上不如MLP(对相同的样本,多层感知器分类准确率达到98 11%),但和Yang等的PNN分类效果(分类准确率最高达到74%)相比,该文给出的PNN结构其分类效果更好.所以作为一种方法上的探讨,PNN仍不失其研究的价值.     

基于神经网络技术的商业银行信用风险评估

研究了神经网络技术在商业银行信用风险评估中的应用．实证结果表明, 与传统统计方法（判别分析）相比, 神经网络技术具有更高的预测精度和更强的鲁棒性。     

商业银行信贷风险分析的人工神经网络模型研究

对人工神经网络及其应用于信贷风险分析的可行性进行了论述 ,着重对构建商业银行信贷风险分析的人工神经网络模型进行了深入细致的研究 .旨在得到一个可行的神经网络模型进行合理的信贷风险评价 ,为信贷决策提供科学依据.     

基于模糊神经网络的商业银行信用风险评估模型研究

在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊神经网络的商业银行信用风险评估模型.该网络具有四个因子输入,一个衡量商业银行信用风险的输出,总共六层的结构,且模糊规则层具有根据具体问题情况进行调节的能力,优于神经网络完全黑箱操作的特点.利用Matlab6.1对167组样本数据进行实证分析,训练结果表明网络预测误差小.     

基于自适应遗传模糊神经网络的信用评估建模

提出了一种自适应遗传模糊神经网络评估信用风险的模型,该模型在多子群遗传算法基础上,采用带控制参数的动态概率选择与最优保存策略相结合的混合选择策略,根据种群适应度标准差大小动态调整交叉和变异概率,并将BP算子嵌入遗传算法中,构建了多子群自适应遗传BP算法,并利用该算法优化网络的连接权值和模糊参数。将所建模型应用到信用评估中,并与BP神经网络、ANFIS以及遗传神经网络模型预测效果进行比较,结果表明该模型对信用评估具有更好的泛化能力和更高的预测准确度。     

信贷风险评价指标权重的聚类分析

信贷风险评价是银行重要的管理活动,评价指标的权重评估又是决定评价结果是否科学的关键环节。本文在分析同类研究弊端的基础上,利用相似系数矩阵对众多专家评价指标的权重意见进行筛选,解决了信贷风险评价体系指标权重的合理分配问题。其特色在于一是对专家意见进行聚类分析,而不是像通常那样不加处理地简单平均;二是在剔除某些专家权重意见时,结合实际问题的具体要求,在聚类分析的基础上,提出了一种更为简化的方法,易于在实践中推广;三是对于通过任何方法得出的群体权重意见,本方法都可以作为后续数据处理方法。     

对银行信用风险评价体系的比较

以1332个贷款实际样本为数据集,讨论了基于目前常用的4种评价体系的判别模型和LOGIT模型的预测精度问题,有助于金融机构建立内部信用风险评估模型,提高信用风险管理的科学性。     

信用风险管理的发展及主要新方法

对目前极具应用前景的信用风险模型进行了评述,分析了它们的特点、应用及进展,并在此基础上,提出了我国相应的决策,以便为促进我国信用风险管理水平的提高提供有益的借鉴。     

基于BP神经网络的上市公司财务预警模型

为了进行企业财务危机预警方法精度的比较研究,采用BP人工神经网络工具,以120家上市公司的截面财务指标作为建模样本,并使用同期60家公司作为检验样本建立了财务危机预警模型.经过对样本的反复训练和学习,分别取得了建模样本90.8%和检验样本90%的判正率.与我们采用主成分分析法建立的模型对同一建模样本和检验样本的预测精度分别是90%和81.7%相比有很大的提高.研究结果表明:BP神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用范围和较高的推广价值.     

基于人工神经网络的商业银行贷款风险预警研究

在探讨人工神经网络 ( ANN)在商业银行信贷风险预警中的应用 .文中根据 ANN理论 ,着重分析了商业银行贷款风险中有关财务状况预警信号的知识表示、获取和推理过程 ,提出了信贷风险特征抽取的原则 ,设计了 BP模型决策工具 ,进行了示范性的实验设计 ,结果表明这是一种很好的方法和工具.     

网上拍卖竞买方个人信用风险管理理论与评价模型

针对网上拍卖特点建立了保证金制度、网友担保制度和拍卖品底价披露制度等竞买人信用风险管理制度,提出了竞买方信用风险管理原理与流程,从制度层面上提出了信用风险管理方法。提出了可获取性和可验证性原则,建立了反映竞买方个人资产、担保和历史交易记录的3大类、9项指标构成的信用评价体系。运用层次分析法求解各层次评价指标的权重,通过模糊隶属度函数的建立求解竞买方个人信用分值,建立了网上拍卖竞买方个人信用评价模型,解决了竞买方个人信用等级的划分问题。根据信用评价方程合乎逻辑的特例得到了信用评分的阈值,解决了什么样的竞买人有权进行网上交易的判断标准问题。从信用制度、管理方法和评价模型上探索了控制网上拍卖竞买方个人信用风险的途径。     

基于神经网络的企业信用等级评估

企业信用等级评估是金融领域重要的问题，论文采用人工神经网络模型研究企业信用等级的评估问题，按照企业样本在信用等级的分布状况来抽样，然后，根据企业样本性质的不同，将其分为制造业和非制造业两大类，利用偏相关分析方法建立了企业信用评级的指标体系，此外，还介绍了几种企业信用评级常用的评估模型，并将神经网络评估模型的性能和其他的信用评估模型作了比较，实验结果表明神经网络模型具有更好的预测准确性。     

基于免疫算法的自组织神经网络在效能评估中的应用

针对自组织神经网络自身的局限,将免疫克隆选择算法的克隆和变异机制引入SOM的学习算法中,提出一种免疫自组织神经网络模型,并建立了模型的学习算法。该学习算法用免疫克隆选择算法的克隆算子和变异算子改进自组织神经网络中的邻域大小和权值调整规则,使每个神经元的权值学习率和邻域大小随神经元的亲和力发生变化,从而克服了自组织神经网络分类效果受样本输入次序影响的弱点,且在很大概率上保证网络收敛到全局最优解。性能仿真结果说明该学习算法比自组织神经网络学习算法具有更好的分类准确性和泛化性能。将该模型应用雷达电子战装备的作战效能评估中,结果表明免疫自组织神经网络模型比自组织神经网络模型分类更合理。     

递归分类树在信用风险分析中的应用

递归分类树是计算机实现 ,基于统计理论的非参数的识别技术 .本文将之用于商业银行信用风险分析 ,以判别分析为参照方法 ,加以实证研究 .结果表明递归分类树在变量选择和分类方面的效果好于判别分析方法.     

基于人工神经网络的干旱程度评估方法

在干旱识别的基础上 ,采用人工神经网络技术 ,提出了一个干旱程度的评估模型 ,并经海河流域的实际应用表明 ,该方法简单易行 ,可为干旱研究提供一条新的途径.     

神经网络在装备保障性评估中的应用

利用人工神经网络及BP网络理论,在对装备保障性评估指标体系分析的基础上,对保障性综合评估模型进行了探讨,并分析其设计方法和局限性,旨在提高装备保障性评估的效能,进而提高装备战斗力.     

基于扩展数据包络判别法的商业银行信用风险评估

考虑到我国商业银行样本数据分布的非正态性和多维性特点,文章将扩展的数据包络判别模型引入商业银行信用风险评估中.该模型具有非参数检验特性,通过两阶段分类过程对企业信用状况进行判别.实证结果表明,与传统的Logistic分析模型相比,扩展数据包络判别模型的预测精度更好.     

中国进出口银行企业信贷风险模糊综合评判

中国进出口银行作为政策性银行,其信贷面临的风险既具有一般商业银行风险的一般性,又具有政策性银行特有的风险特性,其信贷风险的评判更具复杂性.由于需从多方面对信贷风险进行评价难免带有模糊性和主观性,采用模糊综合评判方法将使结果尽量客观,从而取得更好的实际效果.建立了针对中国进出口银行企业风险模糊综合评判的基本方法,并对中国进出口银行客户南京S企业的信贷风险进行了信贷风险实证分析.     

基于人工神经网络的石油勘探有利性综合评价

研究利用人工神经网络方法 ( ANN)对石油勘探有利性进行综合评价的问题 ,并成功地应用在我国某大油田 .应用说明 ,与传统的系统建模方法比较 ,此方法有明显的优越性.