基于蚁群聚类RBF神经网络的小企业信用风险研究

《基于蚁群聚类RBF神经网络的小企业信用风险研究》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、摘要随着经济改革的深入，我国小企业发展十分迅速。小企业对扩大就业、稳定社会以及调整经济结构等方面的作用日益体现，成为我国市场经济的重要组成部分。由于银行与小企业之间的信息不对称，小企业本身财务制度的不健全，银行很难从客观上识别小企业的还款能力、经营状况以及还款信誉等问题，也即存在着小企业到期无法偿还或不愿意偿还贷款的风险，尤其是信用风险。所以，从商业银行控制小企业信用风险的实际情况出发，探讨小企业信用风险控制的量化模型，完善小企业信用风险体系具有重大的现实意义。本文首先分析了小企业信用风险的特征、本质及成因，通过研究聚

2、类分析和神经网络方法理论，并对其在小企业信用风险系统中的应用进行可行性论证，运用层次分析法对各指标进行权重排序，删除异常和贡献度较小的指标，优化出以定量为主、定性为辅的小企业信用风险指标体系。其次针对传统的K均值聚类算法确定RBF神色网络径向基函数中心的缺点，提出了蚁群聚类RBF神经网络的小企业信用风险模型。通过蚁群聚类算法中自适应调节参数信息启发因子和期望启发因子，搜索最优路径，获得最优参数组合，使算法性能大大提高，消除了实验数值的不确定，并且动态产生聚类个数，获得最佳的聚类效果，输出最优聚类中心，从而确定RBF神经

3、网络的径向基函数中心，再运用伪逆法计算隐节点的权值，进行误差修正调整，优化神经网络结构，提高预测准确率。同时，以南京某商业银行的项目为依托，实证分析了检验模型的预测结果，预测准确率达到82．3％。与传统的均值聚类算法预测效果进行比较分析，其模型效果比K均值聚类算法明显要好。最后分析了模型预测结果对银行小企业信贷业务的启示和作用，一方面能够准确的区分小企业客户风险，降低银行小企业信贷业务中的贷款成本；另一方面能够基本解决良好的风险管理和审批流程复杂之间的矛盾，大大提高了小企业信贷审批效率，审批效率达到58．9％。关键词：

4、小企业信用风险层次分析法蚁群聚类算法RBF神经网络ABSTRACTWithmedeepeningofopenandreformpolicy,thedevelopmentofsmallbusinessisveryrapid．Thesebusinesseshaveplayedanirreplaceableroleinincreasingemployment，stabilizingsocietyandforminghealthynationaleconomicstructure，becominganimportantcomp

5、onentofChina’Smarketeconomy．BecauseoftheinformationasymmetrybetweenBanksandsmallbusinesses，thereisnotasoundfinancialsysteminsmallbusiness．Bankshavedifficultlyinidentifyingrepaymentability,operatingconditionsandcreditrepayment，namelysmallbusinessesareunwillingtor

6、epayloanrisk．particularlycreditrisk．Therefore，itiSgreatpracticalsignificanceforcommercialbankstocontrolcreditriskofsmallbusinesses，toexplorethequantitativecontrolcreditriskmodelsandimprovethecreditrisksystemforsmallenterprises．InthisP印er,firstly,thecharacteristi

7、csandnatureofcreditriskaboutsmallbusinesswereanalyzed．Bystudyingthemethodsofdataminingandartificialintelligencetheory,theywerefeasibilitystudiedapplyingthecreditrisksystemofsmallbusiness．AHPhadusedtore—sorttheweightofthetargetanddeletedthesmallercontributionorab

8、normaltarget．Ataresult，eighttargetswereselectedtoreflectthecreditriskofsmallbusinessanditsweightiSmorethan85percent．Sotheobjectivescientificcreditrisktargetsystemabou