基于BP算法的信用風險評價模型研究

本文利用神經網絡技術建立基于BP算法的信用風險評價模型,為我國某商業銀行120家貸款企業進行信用風險評價,按照企業的信用等級分為"信用好"、"信用中等"和"信用差"三個小組. 仿真結果表明,本文所建立的神經網絡信用風險評價模型的分類準確率高于傳統的參數統計分類方法--線性判別分析法的分類準確率. 文中還詳細給出神經網絡信用風險評價模型的網絡構建方法及基于BP網絡的學習算法和步驟.

作 者： 龐素琳 王燕鳴 黎榮舟   作者單位： 龐素琳(中山大學數學與計算科學學院及嶺南學院金融系,廣州,510275;暨南大學數學系,廣州,510632)

王燕鳴(中山大學數學與計算科學學院及嶺南學院金融系,廣州,510275)

黎榮舟(華南理工大學交通學院,廣州,510640) 

刊 名： 數學的實踐與認識  ISTIC PKU 英文刊名： MATHEMATICS IN PRACTICE AND THEORY  年，卷(期)： 2003 33(8)  分類號： O1  關鍵詞： 信用風險評價模型   BP算法   線性判別分析法  

【基于BP算法的信用風險評價模型研究】相關文章：

線源擴散模型的建立及算法實現05-02

基于遺傳算法的地下水位動態預測雙線性模型09-08

支付寶支付研究報告模型07-20

信用風險排查03-13

數學算法04-28

彩超在小鼠原位肝癌移植模型中的應用研究04-28

研究生自我評價01-06

研究生簡歷自我評價02-02

研究生自我評價簡短10-24

機械安全風險評價方法的研究12-04