基于改进RBF神经网络的银行个人信用评级

研究RBF神经网络在个人信用评级中的应用.针对传统的RBF神经网络无法处理非数值型数据和对初始中心的选取及异常值十分敏感等问题,提出一种基于模糊K-Prototypes算法的RBF神经网络,提高了处理分类型数据及混合型数据的能力,并且改进的模糊K-Prototypes算法有助于降低模型对初始中心选取和异常值的敏感性.将改进前后的模型分别应用于商业银行的个人信贷评级中,结果表明,改进后的模型预测精度和稳健性都优于传统的RBF模型.     

政府监管视角下建设市场主体信用评价模型研究

良好的信用环境对于促进建筑业的持续健康发展至关重要。在政府监管视角下,分析建设市场主体信用评价要点并从五个方面构建了信用评价指标体系。在此基础上,基于BP神经网络构建了建筑市场主体信用评价模型。选取国内30家建筑企业信用数据对模型进行验证,利用构建的BP神经网络模型并进行了训练和测试。分析测试结果显示,误差数据满足目标要求,基于BP神经网络的信用评价模型具有较好可行性与准确性。     

商业银行客户信用综合评估的BP神经网络模型的建立

根据资信评估理论,结合我国商业银行实际情况,设计了商业银行客户信用评估的指标体系,同时,运用BP神经网络构建客户信用综合评估模型,并提出了相应的算法。     

基于客户分类和Z-score模型的某银行信用风险管理体系

商业银行的客户信用风险管理体系多种多样,各有立场和角度,也各有利弊。基于某商业银行客户信用风险管理实际,结合业界普遍的客户信用风险分析方法,通过实际需求建立客户等级分类模型和Z-score模型对客户信用风险进行系统性地评估,并利用真实数据进行验证,寻求现有信用风险评估值得改进之处,建立更为完善的客户风险管理机制。     

商业银行贷款风险综合评价

研究了主成分和改进神经网络混合算法在商业银行贷款风险评价中的应用,分析了商业银行贷款风险的影响因素,建立了基于主成分-改进神经网络的预测模型,并用实例验证了模型的有效性。     

商业银行贷款风险评价研究

本文研究了模拟退火神经网络算法在商业银行贷款风险评价中的应用,分析了商业银行贷款风险的影响因素,建立了基于模拟退火神经网络的预测模型,并用实例验证了模型的有效性。     

商业银行贷款风险综合评价

研究了主成分和改进神经网络混合算法在商业银行贷款风险评价中的应用，分析了商业银行贷款风险的影响因素，建立了基于主成分-改进神经网络的预测模型，并用实例验证了模型的有效性。     

基于贝叶斯正则化BP神经网络的上市公司信用评价研究

在神经网络训练中引入贝叶斯正则化以提高模型的推广能力。通过与未使用提高推广能力方法和使用提前停止法两种情况进行比较,表明基于贝叶斯正则化的BP神经网络模型在上市公司信用评价中的推广能力有显著的提高。     

商业银行信用风险评估模型研究——基于线上供应链金融的实证

在线上供应链金融融资模式特点的基础上,建立了相应的信用风险评价指标体系,同时,分别基于SMOTE-RF模型、C-SMOTE模型与Logistic模型进行了分析,结论认为,C-SMOTE-RF模型在线上供应链金融信用风险评估上更加准确可靠。基于C-SMOTE算法的随机森林模型在帮助商业银行管理线上供应链金融信用风险、降低信用损失上效果更为显著。     

熵权-TOPSIS模型在商业银行信息风险评估中的应用

信用风险评估是商业银行信贷决策的关键环节.基于信息熵的思想,建立了商业银行信用风险评估的熵权-TOPSIS模型,首先采用熵权法求解了多指标决策问题中各指标的客观权重,并且将其与采用层次分析法得出的专家主观权重相结合,得出了各指标的综合权重.其次,采用逼近理想解的排序法(TOPSIS)作为目标函数,根据接近度的大小对申请贷款的企业进行了信用风险评价排序.最后运用某国有银行陕西省分行的实际信贷数据进行了实证分析,说明了该方法的应用价值.     

熵权-TOPSIS模型在商业银行信用风险评估中的应用

信用风险评估是商业银行信贷决策的关键环节。基于信息熵的思想,建立了商业银行信用风险评估的熵权-TOPSIS模型,首先采用熵权法求解了多指标决策问题中各指标的客观权重,并且将其与采用层次分析法得出的专家主观权重相结合,得出了各指标的综合权重。其次,采用逼近理想解的排序法（TOPSIS）作为目标函数,根据接近度的大小对申请贷款的企业进行了信用风险评价排序。最后运用某国有银行陕西省分行的实际信贷数据进行了实证分析,说明了该方法的应用价值。     

基于AHP的商业银行个人信用模糊综合评价

针对个人客户的信用关系和商业银行的贷款质量,在全面考察并构建个人信用指标体系的基础上,利用层次分析法对各指标的权重进行测算,并利用模糊综合评价方法,构建个人信用的模糊综合评价模型,便于商业银行更好的开展个人业务。     

中小上市公司信用风险评估比较研究——基于径向基神经网络和BP神经网络模型

以114家中小上市公司为研究对象,运用BP神经网络模型和径向基网络模型对训练样本和测试样本中一定比例的"非ST"和"被ST"进行了信用评估。按照各上市公司财务状况把公司划分为"好"和"差"两类。仿真结果表明:BP神经网络模型对测试样本的预测准确率高达88.9%,而径向基网络模型对测试样本的预测准确率只有77.8%,比BP神经网络模型的准确预测率低了11个百分点。     

基于支持向量机的商业银行信用风险评估模型研究

本文将支持向量机(SupportVectorMachine,SVM)应用于商业银行信用风险研究中,通过实证研究,证实了该方法用于商业银行信用风险评估比BP神经网络更具有效性和优越性。     

基于神经网络与遗传算法的蔬菜市场价格预测方法研究

农产品市场价格预测是研究的难点.本文采用蔬菜市场价格数据,分别建立了BP神经网络模型、基于遗传算法的神经网络模型、RBF神经网络模型,并在前三种模型基础上,建立了一种集成预测模型;用北京市批发市场2003-2007年的蔬菜价格训练模型,对2008-2009年的数据进行了预报,前三种模型预报结果的平均绝对误差分别为0.1...     

基于模糊神经网络的宏观经济预警研究

本文将神经网络理论与模糊系统理论相结合,建立了宏观经济非线性预警模型;运用模糊逻辑推理将经济专家经验引入到宏观经济的预警分析中,使系统具有处理非线性、不确定性问题的能力,实现了预警过程的智能化;本文利用实际数据建立了具有转折点预测意义的、基于模糊神经网络的宏观经济波动预警模型,并对中国1999年和2000年进行了尝试性景气预报。     

也谈我国个人信用体系的建设

消费信贷作为一种新型的金融产品,一方面刺激了消费者超前消费和超额消费的欲望,拉动了整个社会的消费能力和消费水平;另一方面也为银行创造了新的利润增长点,在银行的信用资产业务中所占的比重不断上升。同时由于消费信贷潜在的风险性,如信用卡就是一种高风险信贷,即无担保贷款,而且信用卡贷款鼓励持卡人先消费,贷款的偿还则来自持卡人将来不可预知的收入,这其中就蕴含着极大的风险。所以如何准确、全面地征集个人的信用资料并正确评价、合理确定个人的信用额度以避免消费信用风险,已成为当前各商业银行迫切需要解决的课题,要求建立全国性…     

基于BP神经网络的复杂过程参数优化方法研究

针对生产过程中存在响应变量受多重复杂因素的影响,响应曲面模型不能解决的复杂因素影响的参数优化问题,提出一种基于BP神经网络的参数优化方法。BP神经网络具有较高的学习能力和映射能力,可以解决响应曲面模型的不足,建立良好的映射模型。利用BP神经网络模型的高泛化能力对最优参数组合寻优搜索,以较少的试验数据得到理想的参数设计。防眩玻璃制备工艺参数优化的分析结果表明,基于响应曲面模型的参数优化方法具有局限性,而BP神经网络的优化方法能够将透过率提高到92.22%,验证了该参数优化方法的有效性和可行性。     

基于组合神经网络的聚合物质量预测

介绍了一种将组合神经网络用于聚合物质量预测的方法．由定量数据建立的单一神经网络模型往往缺乏泛化能力，而使用组合神经网络模型则可以显著改善模型的泛化能力．由于在建立组合神经网络模型过程中，合适的组合权重对模型是否具有良好预测性能是非常重要的，因此采用了岭回归方法来选择合适的组合权重．所提出的方法已成功应用于PVC颗粒特性的预测研究中。研究结果表明，与单一神经网络模型相比，组合神经网络模型具有更佳的模型预测精度和鲁棒性．     

KMV模型在商业银行信用风险管理下的实证研究

商业银行在现代金融体系中起到了决定性作用。在我国商业银行的主要贷款客户是上市公司。一旦这些上市公司发生信用违约风险,无法偿还商业银行的贷款,就会给商业银行带来极大地风险。基于此,介绍商业银行用来管理其客户信用风险的模型KMV模型。根据KMV模型的理论原理进行实证分析。以41家上市的ST公司和对应的41家非ST公司为样本,从商业银行的角度,运用KMV模型对样本公司的违约距离进行测算。通过实证分析认为,认为KMV模型是当下最适合我国商业银行信用风险管理的模型。