基于离散Hopfield神经网络的个人信用评价模型研究

为了科学合理地对个人信用进行分级评价,本文提出了一种基于离散Hopfield神经网络的个人信用评价模型。由于离散Hopfield神经网络结构特征,使得其学习的过程可以演化到稳定状态,能够模拟生物神经网络的记忆机理,弱化评价中的人为因素,提高评价结果的准确性和权威性。同时借鉴美国FICO信用评分表的12个影响因素作为个人信用评价指标,把个人信用等级分为A,B和C三个等级,构建离散Hopfield神经网络个人信用评价模型。将3个待分类的个人指标数据进行仿真实验,结果表明该模型能够对个人信用进行有效的分级评价。     

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。