基于BP算法的信用风险评价模型研究  

Credit-Risk Evaluation Model Based on Back-Propagation Algorithm

作　　者：庞素琳[1] 王燕鸣[1] 黎荣舟[2] 

机构地区：[1]中山大学数学与计算科学学院及岭南学院金融系 [2]华南理工大学交通学院,广州510640

出　　处：《数学的实践与认识》2003年第8期48-55,共8页Mathematics in Practice and Theory

基　　金：广东省自然科学基金资助 (项目编号 :0 2 1763)

摘　　要：本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .The research uses neural network tec hnology to establish a credit-risk evaluation model based on back-propagation algorithm. The model is used to evaluate credit risk for 120 applicants of a co mmercial bank in our country. According to their credit grades, the applicants a re separated three groups: a ″good credit″ group, a ″middle credit″ group an d a ″bad credit″ group. The simulation shows that the neural network credit-risk evaluation model has higher classification accuracy compare with a tradit ional parameter statistical approach, that is linear discriminant analysis. We s till introduce the constructed method of the network in detail and give a learni ng algorithm and steps based on back-propagation algorithm.

关 键 词：BP算法 信用风险评价 模型 线性判别分析法 神经网络 商业银行 企业 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]