BP算法在信用风险分析中的应用

《BP算法在信用风险分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、BP算法在信用风险分析中的应用摘要：按照企业的财务状况、经营状况以及过往的信用记录分为“信用好”和“信用差”两个小组。对于每一家贷款企业，主要考虑能反映该企业的还款能力、盈利能力、经营效率和资本结构等7个财务比率做为分析变量。关键词：BP算法；信用风险评价模型；信用风险分析ApplicationonBPAlgorithminCreditRiskAnalysisAbstract：Theresearchestablishesacredit-riskevaluationmodelbasedonback-propagationalgorithm.Themodelhasbeenappliedtoeval

2、uatethecreditsof80applicantsinacommercialbankofourcountryin2001.The80dataareseparatedintotwogroups:a“goodcredit”groupanda“badcredit”groupaccordingtotheirfinance,managementandpreviouscreditrecords.Toeachapplicant,itmainlyisconsideredsevenfinancialratesthatcanreflectitsdebtpayingability,profitability,

3、qualityofmanagementandcapitalstructure.TheBPnetworkistrained100times,390timesand800timesrespectively.Thesimulationsshowthat,whenthenetworkistrained800times,itenterssteadystateandtheperformancefunctionreachesoptimalvalue.Andtheclassificationaccuracyrateis98.75%.Inaddition,thepaperalsopresentsalearnin

4、galgorithmandstepsoftheBPnetwork.Keywords：BPalgorithm；Creditriskevaluationmodel；Creditriskanalysis1.引言信用风险分析是指信用评级机构根据科学的指标体系，采用严谨的分析方法，运用简明的文字符号，对被评级单位履行经济责任的能力及其可信任程度进行客观公正的评价，并确定其信用等级的一种经济活动。对贷款企业进行信用评级，建立相应的信用风险评价模型，并运用此模型预测某种事态或性质发生的可能性，以便及早发现信用危机信号，使贷款企业能够在危机出现的萌芽阶段，采取有效措施，改善经营方式，防范危机发生；使银行可依据

5、这种信号及时转移资产，管理应收账款及作出信贷风险决策。建立贷款企业的准确审核模型，提高银行的贷前审核质量，对提高信贷资产的安全性并减少不良资产的产生有极其重要的现实意义。2信用风险评价模型本文所采用的数据样本，是从我国某国有商业银行2001年选取80家贷款企业，按照其财务状况、经营状况以及过往的信用记录分为“信用好”和“信用差”两个小组，其中“信用好”的小组是由那些能够按时偿还贷款的企业组成；“信用差”的小组是由那些不能按时偿还贷款的企业组成。我们从每个小组中选取40个样本，训练集是由每个小组中的25个样本构成，因此训练集含有50个样本，余下的30个样本构成测试集。我们将考虑能反映贷款企业的还

6、款能力、盈利能力、经营效率、经营周转率和资本结构等的7个财务比率：我们定义两类错误：第一类错误是将“信用差”的贷款企业误判为“信用好”的贷款企业；第二类错误是将“信用好”的贷款企业误判为“信用差”的贷款企业。为了确定网络结构，我们在MATLAB神经网络工具箱中输入贷款企业的74个指标变量值和相应的目标值，可得如下BP网络结构：输入层含有7个结点，隐层含有4个结点，输出层含有1个结点（见图1）。（期望输出）图1BP网络结构根据图1的网络结构，可得到基于BP算法的信用风险评价模型如下：　　　　　　　　　　　(1)模型(1)可用向量表示为：其中是输入向量，是输出向量，（，）是输入层和隐层之间的连接权

7、，是隐层和输出层之间的连接权，和分别是隐层和输出层的偏置权向量，隐层结点的传递函数及网络输出函数均采用logistic函数，即：3仿真结果分析我们设定误差指标值为，取学习率，将80个样本分为训练样本（50个）和测试样本（30个），然后对BP网络分别训练100次、390次和800次。设表示网络训练次数，此处分别取390，800（下同）。当网络训练次时，设样本输出值为，原目标值为，用表示样本输出值与原