基于多进化神经网络的信用评估模型研究

《基于多进化神经网络的信用评估模型研究》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、第38卷第9期2011年9月计算机科学ComputerScience基于多进化神经网络的信用评估模型研究喻敏，吴汇・2（西南财经大学经济信息工程学院成都610074）1（四川大学计算机学院成都61OO65）2摘要客户信用评估对于银行的经营管理有着玄要的意义，为此提出了一种基于多进化神经网络的信用评估模型（MNNCREDIT）O该模型基于客户信贷数据，利用基于聚类的小生境遺传算法并行地训练出多个精度高、差异性大的三层前馈神经网络，倣后将待识别的客户数据分别綸入，聂后根据动态投票法集成最终信用预测结果。利用德国信用数据库真实数据集进行了实证分析，结果表明•基于多进化

2、神经网络的信用评估模型具有校高的预测精度。关键词信用评估，小生境遣传算法.神经网络中图法分类号F833.2文献标识码ACreditEvaluationModelBasedonMultipleEvolutionaryNeuralNetworksYUMin1WUJiang1*2(SchoolofEconomicInformationEngineeringsSouthwestUniversityofFinanceandEconomics•Chengdu610074.China〉(SchoolofComputerSciencetSichuanUniversity,Che

3、ngdu610065•China)2AbstractCreditevaluationplaysanimportantroleinthebankingmanagementAnovelcreditevaluationmodelbasedonmultipleevolutionaryneuralnetworksnamedMNN-CREDITtwaspresented.TheMNN-CREDITmodelestablishesclassifiersbyagroupofthreelayerfeed-forwardneuralnetworkswithhighaccuracya

4、ndgooddiversity.Theneuralnetworksaretrainedbynichegeneticalgorithmbasedonclustering.Thecreditevaluationresultoftheidentifyingclientcanfirstbeevaluatedbyeachneuralnetworksandthefinalcreditclassificationresultisobtainedaccordingtothedynamicvotingrule.EmpiricalanalysisonGermanycreditda

5、tabasewasgiven.TheresultsshowthatMNN-CREDITmodelhashigherpredictionprecision.KeywordsCreditevaluation

6、着中国经济的快速发展,消费信贷热不断升温，各商业银行均把个人贷款业务作为未来发展战略的重要组成部分。目前，尚缺乏一套有效的个人信用评估方法，阻碍了个人消费信贷业务的进一步开展。因此建立一个快速、高效的信用评估模型•对金融市场的发展具有重要意义.信用评估实质上是模式识别的分类问题一将贷款者划分为能够按期还本付息的“好”客户和违约的“坏”客户两类。训练时，根据历史上每个类别（按期还本付息和违约）的若干样本，从中找出违约和不违约者的特征，从而得到分类规则,并建立数学模型，进而预测未来贷款人的违约风险，为消费信贷决策提供科学依据⑴。针对信用评估对象的待点,本文提出了基于

7、多进化神经网络的信用评估模型（MNNCREDIT）.利用该模型对德国信用数据库的真实数据进行实证研究,取得了较高的预测精度。结果表明MNNCREDTT模型较朴素贝叶斯模型,其预测精度提高了3.04%;较支持向飛机，其预测精度提高了1.64%$较十近邻判别分析方法4=17）,其预测精度提高了6.87%.2文献综述传统的信用评估方法有统计评估和非统计评估两大类.统计评估方法主要包括判别分析、线性回归、非线性回归、Logit模型以及非参数统计中的4近邻判别分析方法（KNN）等.非统计评估方法包括线性规划、整数规划、神经网络、专家系统等⑵.判别分析模型形式简单直观，具有

8、很好的解释性，但必须满足