基于SOC网络的商业银行信用风险识别模型  

A Credit Risk Recognition Model for Commercial Bank Based on SOC Neural Network

作　　者：宋东红[1] 李家军[1] 薛笑荣[2] 樊艳红[3] 

机构地区：[1]西北工业大学经济学系,陕西西安710072 [2]北京工业大学机电学院,北京100124 [3]西北工业大学应用数学系,陕西西安710072

出　　处：《计算机仿真》2009年第12期249-252,共4页Computer Simulation

基　　金：西安市社会科学基金项目(06J52);北京工业大学博士科研启动基金(52001111200701);北京工业大学青年科研基金(X1001015200803)

摘　　要：针对自组织竞争(SOC)神经网络在解决模式分类问题上的优势,结合主成分分析法来构建商业银行信用风险识别模型。首先构造一套用于描述贷款企业信用状况的指标体系,然后使用主成分分析法提取特征指标,再采用SOC神经网络进行非监督分类。通过选取陕西省2007年度在沪、深两市交易的26家上市公司作为样本进行实证分析,实证结果表明:模型对信用风险具有较强的识别能力,同时对商业银行还有较好的预测功能。This paper constructs a credit risk recognition model for commercial banks by combining Self - Organized Competition（SOC） neural network＇s superiority in pattern classification with principal component analysis. First, a set of index system is established for credit risk assesment, then extracting character index from principal componet analysis, finally finishing non- supervisory pattern classification by SOC neural network . At the same time, 26 listed companies of Shanxi are selected as samples in 2007. The results show that the model has strong risk recognition capability and preferable risk predicting fanction for commercial banks.

关 键 词：自组织竞争神经网络 主成分分析 信用风险识别 商业银行 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]