基于bp算法的信用风险评级研究

《基于bp算法的信用风险评级研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于BP算法的信用风险评级研究本文首先运用BP算法思想对信用社客户（将信用社客户分为农户客户和企业客户）进行信用风险评级，在这基础上分析以信用风险评级为主要指标因素的江西省农村信用社贷款定价模式。将科学客观的人工神经X络BP算法运用到现在的江西省农村信用社贷款定价，将会打破以往人为主观因素占据主要依据的贷款定价模式。　　基于BP算法的农户客户信用风险分类：　　一、BP模型。　　BPX络是一个多层前馈神经X络，其神经元激励函数为S型函数，从而输出量0到1之间的连续变量，它可以实现从输入到输出的非线性映射。因为它的权值调整为实际输出和期望输出

2、之差，X络连接权的层次的向前一步一步的修定的计算方法，所谓的反向传播（Back-Propogation）学习算法，BP算法最主要的是输入和输出样本，并根据样本进行相应的培训，X络对一个给定的输入/输出函数的保持映射关系。而根据现实意义，我们将激励函数定为：单极型的S型激励函数。其函数表达式：，f（）∈（0，1）（1）　　二、决定农户客户信用风险指标。　　第一，农户指标的选取，农户指标的选取应采取科学，全面性原则，做到基本排除主观上的影响。一农户的自然特征，自然特征包括：劳动力健康状况、其受教育程度、农户家庭劳动力数量，以及婚姻状况。二偿债

3、能力，这项指标包括：贷款人年收入状况、年支出情况、其家庭财产情况、现有的负债额、在信用社贷款次数、固定资产额度。三经营状况，该指标主要考察农户贷款所经营的项目，包括使用土地面积，项目规模等。四道德情况，综合考察农户诚信程度，向金融机构的借贷记录以及声誉。数据初始化，使以上农户数据规定在[0，1]的范围内。　　第二，输出值的规定，在贷款定价模式中，农户风险等级的分类有二类，即A、B类。那么在算法的输出值中，规定A类为（1，0），而B类为（0，1）。　　第三，X络结构的确定，根据第四章的公式，输入的节点数为企业的各指标为16项，输出节点数为2

4、，那么确定BPX络结构应该是：16×10×2。　　第四，初始化数据：BP神经X络的输入值X=（初始值—该组样本最小值）/（该组样本最大值—该组样本最小值）　　现在开始用MATLAB实现X络。　　标准化数据见附录1。其中1~4表示企业风险等级为A类，5~8表示B类，而9，10为将要利用BP算法分类的农户数据。标准化数据见附录1。　　完整的MATLAB程序如下：　　通过本文人工神经X络BP算法的运用，基本排除了专家系统风险评级方法的主观因素，基于BP算法的信用风险评级所需的是客户的影响因素指标的确定以及数据化，而将人为主观因素剔除，这对江西省

5、农村信用社具有现实意义。　　（单位：南昌大学经济管理学院）