基于BP神经网络的企业信用评估模型

本文研究了企业信用评估中的模型问题.以商业企业为例,阐述了基于BP神经网络的信用评估模型的原理,通过建立指标体系,讨论基于BP神经网络的评价模型的实现,对模型的不足进行了分析,并提出改进建议.     

众筹模式下小微企业信用风险测度与评级转移模型

通过判断矩阵的特征向量与直觉判断矩阵对众筹模式下小微企业信用风险进行测度,得出专家组合权重,然后根据权重结果,选取主要5个信用风险因素为研究对象,利用信用评级的马尔科夫链,构建出众筹模式下小微企业信用风险评级转移模型,得出信用风险等级转移矩阵,再利用JLT调整法对此信用风险等级转移矩阵进行调整,得出调整后的转移矩阵,最...     

基于NFA-BP算法的企业经营状况评价模型

针对萤火虫算法(FA)易出现过早收敛,陷入局部最优的缺点,引入小生境技术,提出一种小生境萤火虫优化算法(NFA),通过测试后,利用其搜索BP神经网络的参数.最后建立基于小生境萤火虫优化BP算法的企业经营状况评价模型,并与传统的BP神经网络模型进行对比,仿真结果表明,基于NFA-BP算法的经营状况评价模型的正确识别率高于传统的BP模型,是一种有效的评价模型.     

网络小额贷款业务个人信用风险评估——基于DNN-SMOTEENN-ExtraTrees组合模型

针对网络小额贷款业务,构建组合模型DNN-SMOTEENN-ExtraTrees评估网络小贷信用风险.首先利用SMOTEENN算法处理样本数据中“好”和“坏”样本分布极端不平衡情况,再利用极端随机数算法ExtraTrees对特征重要性进行评估并剔除无关变量,最后采用深度神经网络DNN评估网络小贷个人信用风险.通过召回率、精确度、F1值和AUC值等模型性能评价指标,与BP神经网络模型、Logistic回归及支持向量机比较,发现组合模型分类能力更显著,泛化能力更加优异,更适合数据规模大、维度高的网络小贷市场评估信用风险.     

基于模糊信息分解的中小微企业信用评估组合模型

信用评估是银行开展中小微企业信贷业务的重要环节,尽管已有信用评估模型的分类性能较高,但仍有待进一步提升,同时模型也缺乏可解释性,在一定程度上影响了模型的推广应用。为此,本文提出了一种基于模糊信息分解的中小微企业信用评估组合模型。首先,针对信用评估数据的不平衡性,利用模糊信息分解的方法进行过采样处理。其次,基于XGBoost模型和Logistic回归模型,构建了一种具有较高的分类性能和良好可解释能力的中小微企业信用评估组合模型。最后,结合某商业银行对中小微企业的信用数据,实验验证了所构建组合模型的可行性和有效性。     

基于BP神经网络的行业间中小企业信用评估模型及应用

首先构建了行业间中小企业信用评估指标体系,然后利用安徽省不同行业的800家中小企业调查数据,将其分为训练样本集和测试样本集,对BP神经网络的构造进行讨论,确定BP神经网络的算法,建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分分行业数据进行实证,并对仿真结果做出分析,指出造成农、工行业信用较大差距的原因,并提出加强农业行业信用建设的建议.     

基于BP算法的客户关系管理有效性评价研究

根据客户关系管理（CRM）的基本原理，提出了客户关系管理的过程模型，基于该模型建立了CRM有效性的评价指标体系，针对BP算法的自适应性、自学习性、自组织性特点，提出基于BP算法的客户关系管理有效性评价方法，最后运用数字实例验证了该方法的有效性和可行性。     

基于非凸惩罚的SVM模型对科技型中小企业信用风险评估

以科技型中小企业为研究对象,从企业的盈利能力、成长能力、运营能力、偿债能力、供应链因素五方面选取了17个影响因素,运用带有非凸惩罚的SVM模型(SCAD SVM)模型对影响中小企业的信用风险因素进行研究,并选用LassoSVM和SVM作为对比,进行变量选择和参数估计,最后对模型的准确率进行预测,得出结论:Lasso SVM方法倾向于留下一些不太重要的变量,而SCAD SVM方法通过将系数大的变量保留,系数小的直接减小为0的方式,可以选择出重要的变量,通过预测精度验证发现,SCAD SVM方法比Lasso SVM和SVM的预测精度更高.     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

基于BP神经网络误差函数优化算法的武器装备承制商信用评价模型研究

信用评价是选择武器装备承制商的重要手段.以国标为基础,结合承制商具体情况确定了信用评价指标体系.分析了传统信用评价方法的不足,对经典BP神经网络的误差函数进行优化,优化后的网络模型收敛速度更快,预测精度更高.构建BP神经网络武器装备承制商信用评价模型,仿真实验表明武器装备承制商信用评价可以选用BP神经网络模型.     

农户信用评估系统的设计与运用研究

农户信用评估的研究对推动农村消费信用的发展，促进农村经济良好运行十分重要。本在构造农户信用评估的指标体系的基础上，提出了农户信用评估神经网络模型的算法，利用实际搜集到的农户资料进一步建立了农户信用评估模型，继而构造了农户信用评估系统，并举例说明了该系统的实际运用，以期能为农村经济发展中的农户信用评价及相关研究提供一丝基础性启发。     

基于PROMETHEE-II的商户小额贷款信用评级模型及实证

截至2014年底,中国注册个体工商户为4984.06万户,个体私营经济吸纳社会从业人员已达2.5亿人,加上中国商户小额贷款对象的分散性、财务信息不健全等特点和难点,商户小额贷款信用评级体系极不完善,甚至绝大多数银行都没有建立这个体系。本文通过相关分析剔除反映信息重复的指标,通过显著性判别遴选对商户违约状态影响显著的指标,建立了能显著区分商户违约状态的小额贷款信用评级指标体系。在此基础上,结合PROMETHEE-II(偏好顺序结构)和聚类分析方法,构建了商户小额贷款信用评级模型,并对中国某国有商业银行2157个商户小额贷款样本进行了实证。本文创新与特色:一是通过将偏好顺序结构评估法(PROMETHEE-II)引入商户小额贷款信用评级,构建了基于PROMETHEE-II的小额贷款信用评分模型,求解商户的净流量信用得分Φ(a),揭示了商户a与其余商户、评价指标间的相互作用对评价结果的影响,避免了现有研究由于评价指标之间的相互替代性、严重影响评价结果可靠性的不足。二是借鉴模糊聚类“数据越集中、越应该被分为一类”的思想,采用R聚类对商户信用得分进行分类;进而采用K-W检验,对分类数目l进行非参数检验,确定商户的信用等级。既保证了不同等级商户在信用得分数值上存在显著差异,也确保了不同等级商户能反映不同的信用特征;同时,也避免了现有利用信用得分区间、违约概率阈值或客户数分布方法划分信用等级时,得分区间、违约概率阈值或客户数分布分位点人为主观确定的不足。三是实证研究表明,影响商户小额贷款信用风险的重要性排序依次为:X₃偿债能力>X₁基本情况>X₆宏观环境>X₅营运能力>X₂保证联保>X₄盈利能力。     

基于改进模糊综合评价法的小微企业

本文结合小微企业的具体环境及实际情况构建小微企业信用评价指标体系,通过对比分析国内外信用评价方法,提出一种基于信息熵与层次分析法(AHP)结合的改进综合评价法,该方法利用信息熵计算客观权重,运用层次分析法计算主观权重,并对主客观权重进行拟合得出综合权重,分析得到小微企业信用评价等级,实现对小微企业金融风险的分析。实验结果表明,基于改进模糊评价法的小微企业金融风险分析模型可操作性较强,评估结果相对准确合理。     

基于离散型荧火虫算法的高校智能排课的研究

针对传统排课方法排课效率低、成功率低、冲突率高等无法满足现代高校教务管理要求的现状,提出一种基于离散型荧火虫算法的智能排课模型.首先,根据教师、班级、课程、教室及授课时间要求建立一个多目标、多约束的排课数学模型,采用二分图完美匹配操作初始可行排课方案;然后,利用离散型荧火虫优化算法在可行方案中寻找最优排课方案;最后,通过Matlab仿真实验验证其可行性与有效性.     

基于信用风险修正的多阶段银行资产组合优化模型

从资产组合管理角度出发,用信用风险修正的方法对企业信用等级阈值进行修正,同时考虑商业银行持续经营的特点,将修正后的信用风险引入到多阶段的模型当中去,建立一个基于信用风险修正的多阶段银行资产组合优化模型.针对该模型的特点,给出了把Monte Carlo模拟的动态算法和改进粒子群的多阶段算法相结合求解方法.数值试验表明所建...     

基于信息增益的小型工业企业信用评级模型

信用评级就是衡量一笔债务违约的可能性,评价债务违约风险的大小。本文利用信息增益方法建立了信用评级模型,并以小型工业企业贷款数据为对象进行了实证分析。本文的创新与特色:一是按照指标的信息增益越大、越能将违约与非违约企业区分出来的思路,筛选出对违约状态有较大影响的指标。改变了现有研究不以违约鉴别力作为指标遴选标准的不足。二是在相关程度高的一对冗余指标中,删除信息增益小、即违约鉴别能力差的指标,既避免指标间反映信息重复,又避免误删违约鉴别能力强的指标。三是利用信息增益值对指标进行赋权,保证违约鉴别能力越大的指标赋予的权重越大。改变了现有研究赋权不反映指标的违约鉴别能力大小的弊端。实证结果表明:本文遴选的包括资产负债率、行业景气指数、抵质押担保等31个指标对违约状态有显著的鉴别能力,且反映信息不重复。偿债能力是影响小型工业企业信用评级的关键要素。     

商业银行个人信用风险评价的投影寻踪建模及其实证研究

根据已有的商业银行个人信用风险评价指标体系和数据,应用投影寻踪分类（PPC）技术进行建模,通过改变指标归一化方式前后权重是否互为相反数等性质,以确保PPC建模时求得真正的全局最优解．实证研究表明：对于商业银行个人信用分类问题,PPC模型的识别正确率高于判别分析模型;在评价指标的四个方面中,借贷人与本行关系最重要,其次是其基本情况,而偿债能力和稳定性的影响很小;而且,删除偿债能力和稳定性两个均值差异不存在显著性的指标后建立的PPC模型,不仅不会降低识别正确率,还有利于银行降低采集数据的成本和节约时间,简化流程,对提高PPC模型的实用性等具有重要理论意义和实践价值．     

一种融合 SOM 与 K-means 算法的动态信用评价方法及应用

针对传统信用评价方法多是静态评价的不足,本文提出了一种融合SOM与K-means算法的动态信用评价方法。文章首先对动态信用评价问题进行了介绍,并利用E-TOPSIS方法对单时点下的静态信息进行集结,以确定被评价对象的信用评价值;然后在融合SOM算法和K-means算法各自优势的基础上,提出了SOM-K算法的原理和步骤;最后以SOM-K算法对被评价对象进行聚类,并确定相应信用等级。文章最后进行了实例验证。验证结果表明,该方法能够较好地克服静态信息下由于信息突变造成评价结果失真的问题。