资源描述：
《基于神经网络的金融风险评估研究》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、毕业论文中文摘要基于神经网络的金融风险评估研究摘要：20世纪80年代末以来，随着经济全球化趋势的不断蔓延，世界金融市场无疑面临各种各样的挑战，对于金融风险的评估和管理的重要性日益加强。我国的市场经济处于由计划经济向市场经济转轨的关键时刻，作为经济总枢纽的商业银行在运营过程当中无时无刻不面临着各种各样的金融风险，并随着经营业务领域和面向的群众普及率大幅开阔与提高，可谓步步如履薄冰。世界银行对全球银行业危机的研究指出,信用风险的管理不善是导致商业银行的风险防范和控制出现危机的主要原因。国外在运用数据挖掘技术对信用风险的评估中，广泛采用
2、基于统计判别方法的预测模型，常见的模型有：多元判别分析模型（MDA）、logit分析模型、近邻法、分类树方法等。上述方法均属于线性模型，分析方法简单、计算复杂度低，但是具有过于严格的限制条件，并且不适用于我国目前的经济情况。因而我选用神经网络模型，进行我国商业银行的信用风险的评估分析。神经网络模型对任意函数具有逼近能力、学习能力、自组织和自适应能力，能够比较精确的描述因素之间的映射关系。并且神经网络模型在应用中的优势在于，它结构简单，学习方法快，推广能力优异。因而可以对于商业银行的信用风险进行一个较为准确的评估。关键词：信用风险，
3、数据挖掘，信用风险评估模型，神经网络模型30毕业论文外文摘要TitleFinancialriskassessmentstudiesbasedonneuralnetworkAbstractSincethelate1980s,withthetrendofeconomicglobalizationcontinuestospread,theworld'sfinancialmarketswillundoubtedlyfaceavarietyofchallenges,increasinglytheimportanceoffinancialri
4、skassessmentandmanagement.China'smarketeconomyisinacriticalmomentoftransitionfromaplannedeconomytoamarketeconomy,whichastheeconomichubofcommercialbanksoperatingintheprocessallthetimefacingavarietyoffinancialrisks,andwiththepopularityoftheareaofoperationsandforthemasse
5、sratesignificantlybroadenandimprove,canbedescribedstepbystepinperpetuity.TheWorldBankstudypointedoutthattheglobalbankingcrisis,mismanagementofcreditriskleadingcommercialbanksriskpreventionandcontrolofthemainreasonsofthecrisis.Abroadintheuseofdataminingtechnologyforcre
6、ditriskassessment,widelyusedpredictionmodelbasedonstatisticaldiscriminationmethod,thecommonmodel:multiplediscriminantanalysismodel(MDA),Logitanalysismodel,thenearestneighbormethod,theclassificationtreemethod.Theabove-mentionedmethodsarelinearmodelanalysismethodissimpl
7、e,lowcomputationalcomplexity,butoverlystringentrestrictions,anddoesnotapplytothecurrenteconomicsituationinourcountry.Thus,Ichosetouseaneuralnetworkmodel,China'scommercialbankscreditriskassessmentanalysis.Neuralnetworkmodelforanyfunctionapproximationability,learningabi
8、lity,themappingbetweentheself-organizingandadaptivecapacitycan30bemoreprecisedescriptionoffactors.Andtheadvantageoftheneural
