基于分类器组合的企业信用评级研究

《基于分类器组合的企业信用评级研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于分类器组合的企业信用评级研究-->基于分类器组合的企业信用评级研究控制理论在经济领域中的应用控制理论在经济领域中的应用摘要对客户的信用评级是银行贷款业务经营的核心，信用评级是否科学可靠、健全，直接关系到银行贷款的成败。因此，借助信用评级模型对企业的信用等级做出准确、可靠的评判，具有重要的现实意义和使用价值。国内银行对客户的信用等级的评定，还处在对企业的某些单一指标进行评价，然后加权平均的阶段。因此，迫切需要建立更为准确的定量模型来解决信用评估问题。国内外学者已利用神经网络技术来建立企业信用评级模型。然而，基于单个神经网络建立的

2、评级模型不稳定，即学习样本较小的变化会引起神经网络结构和预测性能的较大改变，无法保证模型的可靠性；而且，单个神经网络评级模型的准确率，仅仅依靠参数和算法的调整也难有较大提高。针对这些问题，本文使用了分类器组合技术，对企业信用等级评估建模方法进行了更为深入的研究。本文首先阐述了分类器组合的原理和方法，介绍了分量分类器输出结果的组合规则，以及产生分量分类器的两种最为流行的算法——Bagging和Boosting。在前人研究的基础上，本文考察了BP神经网络对信用评级问题的适用性，并选用BP神经网络作为多分类器系统的元学习算法。本文的主要

3、工作是：针对选定的元学习算法对数据进行相应处理，使用portantforthemercialbankstoassessthecreditratingoftheircustomerssincetheassessmentscanhavesignificantimpactonbanklendingdecisionsandprofitability.Thebanksmustcarryoutascientific,reliableassessmentmethodforthecreditrating.Sodevelopingaccuratec

4、reditratingmodelsisveryvaluable.Atpresent,theapproachtoassessthecreditratingusedinChinaistoproduceaninternalrating,.Theproblement,akesitdifficulttomakeconsistentestimates.Thereisaneed,therefore,todevelopfairlyaccuratequantitativeassessmentmodelsthatcanserveasveryearly

5、eresearchershavedevelopedtheassessmentmodelsusingneuralodel.Furthermore,itisdifficulttoimproveaccuracyofmodelbasedonsingleneuraletersandlearningalgorithm.Focusingontheseproblems,entmodelsusingclassifiersbinationmethod.Inthispaper,ethodsofclassifiersbination,introducet

6、obiningrulesofponentclassifiersandapproachesforproducingponentclassifiers——BaggingandBoosting.Inspiredbypreviousresearches,tocreditratingassessment,andtheneta-learningalgorithmofmultipleclassifierssystem.Themajoreta-->-learningalgorithm;selectingfinancialratioindexsys

7、temusingentmodelsbasedonBaggingandAdaBoostetersbyexperiments;andconfirmingthebinationmethodappliedtocreditratingassessment.TheresultofexperimentsshoanceofmodelsbasedonBaggingissuperior,andtheBaggingtechniquecanent.Keyent;Classifiersbination;Bagging;Boosting;AdaBoost