資源描述：
《基于神經(jīng)網(wǎng)絡(luò)的個人信用評估模型的研究.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、中文摘要摘要信用風(fēng)險是我國銀行所面臨的最主要的風(fēng)險，由于貸款企業(yè)和個人信用的缺失，導(dǎo)致銀行不良資產(chǎn)急劇增加，成為銀行破產(chǎn)最常見的原因之一。隨著個人信貸在銀行貸款業(yè)務(wù)中的比例不斷上升，對貸款個人的信用狀況提供一種科學(xué)的評估方法以避免不良現(xiàn)象的再生，是我國商業(yè)銀行界急需解決的主要問題，它直接關(guān)系著銀行經(jīng)營的成敗。本文首先在綜合考慮覆蓋面和計算量的基礎(chǔ)上，獲取了大量真實寶貴的相關(guān)數(shù)據(jù)，確定了合理的個人信用評估指標體系。鑒于實際的經(jīng)濟生活中，影響個人信用的因素很多，這些因素和信用之間多為復(fù)雜的非線性關(guān)系，采用神經(jīng)網(wǎng)絡(luò)方法進行個人信用評估。然后，利用LvQ學(xué)習(xí)向量量
2、化神經(jīng)網(wǎng)絡(luò)技術(shù)建立個人信用評估模型，對客戶信用等級進行劃分，從而確定相應(yīng)的授信額度。通過BP神經(jīng)網(wǎng)絡(luò)技術(shù)得到客戶信用預(yù)測值，細化了客戶信用情況，有利于對處于邊界處的客戶信用情況做出精確的判斷。論文研究中對BP網(wǎng)絡(luò)固有的不足之處，采用遺傳算法對其權(quán)值及閩值進行優(yōu)化，并綜合遺傳算法的全局搜索能力與BP網(wǎng)絡(luò)的局部搜索能力建立遺傳神經(jīng)網(wǎng)絡(luò)模型。兩種模型-LvQ神經(jīng)網(wǎng)絡(luò)模型、遺傳神經(jīng)網(wǎng)絡(luò)模型，既可獨立使用，也可相互補充。最后，針對具體問題對模型進行設(shè)計.用MATLAB這個良好的建模工具實現(xiàn)模型的建立和仿真，并利用相關(guān)數(shù)據(jù)對所建模型進行驗證和分析。利用神經(jīng)網(wǎng)絡(luò)方法，建
3、立個人信用評估模型，對客戶的信用情況進行預(yù)測及評價，在一定程度上消除了信用評估結(jié)果中的人為干擾因素。所建模型為金融機構(gòu)規(guī)范個人信貸管理、減少投資風(fēng)險起到重要的作用，為銀行個人信貸業(yè)務(wù)提供了決策依據(jù)。關(guān)鍵詞:個人信用評估;LVQ神經(jīng)網(wǎng)絡(luò);BP神經(jīng)網(wǎng)絡(luò);遺傳算法;遺傳神經(jīng)網(wǎng)絡(luò)英文摘要ResearchofPersonalCreditEvaluationModelBasedonNeura1NetworkAbstractCreditriskist11ePrimaryriskthatthebaI1‘sofourcountryl勁cewitll，becau‘eofthe
4、l即koferditfortheloanenterpriseandpersonal，causethe丘巧tlncreasenle爪ofnon.performingassetsforbanks.lisoneofthemostfan1i1iarreasonsbankbankn1Pt.Withtheratiopersonaleredithasinbankloanraising，itisfillldamentaltosuPP1yascientificcreditevaluationmethodfortheloanPersonaltoavoidt】leregener
5、ationofnon-Performlngassetsofcomercialbanks.偽thefoundationofconsidercomPutaionqllantity，makeuPreasonablelndexSystemofPersonalcreditevaluation，andobtainrelateddata.InPractical即onomiclife，lotsoffactorscanafectPersonalcredit，therelationshiPbetweenthe哭幾dOrsandcreditisnonlinear.Forthet
6、raditionalcreditevaluationmode1，canllardlyidentifythemodethata月七ctcredit.Thetechniqueofneuralnetworkisacourseofl1atUreNonlinearModeling，l1astheabilitydiscoveringtheregulationfrOmagreatdeaiofcon1P1icateddat.SomakeuseoftheLVQtechn1quetobuilduPPersonalcreditevaluationmodel，dividethec
7、reditgradeofthecus1omer，identi廳customertyPe，thuscertaincredlthasgralltingqtlota.AdoPtingBPnetw0rktogetthecustomercreditvalueofPrediction，thetheadvantagetomakeaPrecisejudgmentforthecustomerPIacedlncanboundaryBecallseofshonageofBPnetwork，theadoPtionofgenetlcalgorithllls。ptimizeit’sw
8、eightsandt11reshold.Combinlngglob
