SOM神经网络模型在商业银行信用风险评估中的应用研究

研究了神经网络技术在商业银行信用风险评估中的应用,结合主成分分析法和SOM人工神经网络,建立了商业银行信用风险评估的人工神经网络模型;实证结果表明,该模型具有较高的预测精度.     

商业银行信用风险评估方法研究

研究商业银行信用风险准确评估问题,由于商业银行信贷资金安全存在不确定性,信用风险评估指标较多,指标间存在大量重复信息,风险等级与指标间呈非线性关系,导致传统评估模型很难精确地进行评估,评估精度不高.为了提高商业银行信用风险评估精度,提出一种将层次分析法(AHP)与BPNN(BPNN)相结合的的商业银行信用风险评估模型(AHPBPNN).模型首先利用层次分析法求出各指标的权重,并按照权重的大小进行指标排序,消除指标的重复信息,使评估指标得到了精简,然后将经过处理后的指标输入BPNN,通过进行非线性学习和建模,最后对信用风险进行评估仿真.实验结果表明,AHP-BPNN简化了评估指标体系,提高了评估的速度和精度,增加了商业银行信用风险评估的有效性.     

基于SVM混合集成的信用风险评估模型

准确的信用风险评估可以降低金融机构的风险。为了进一步提高信用风险评估模型的预测准确率,将基于SVM的集成学习模型应用到信用风险评估问题中,提出了一种混合集成策略,称作RSA。RSA是随机子集模型和AdaBoost两种流行策略的合成,能提高组合成员分类器的多样性,从而提高集成学习模型的预测准确率。模型在两组公开信用数据集上进行了应用,实验结果表明基于RSA的SVM的集成学习模型可以作为信用风险评估的有效模型。     

组合模型在商业银行信用风险评估中的研究

研究商业银行信用风险评估问题,商业银行信用风险评评估涉及指标相当多,各指标间呈非线性关系且存在严重冗余信息,传统评估方法不能很好消除冗余信息,只能反映指标间的线性关系,导致风险评估准确率低.为了提高商业银行信用风险评估的准确性,提出了一种粗糙集理论(Rs)和BP神经网络(BPNN)相结合的商业银行信用风险评估组合模型(RS_BPNN).新模型首先利用粗糙集理论对各评估指标进行指标约筒,消除指标间的冗余消息,简化神经网络的网络结构,然后将约简后的数据输入非线性预测能力优异的BP神经网络进行训练,得到商业银行信用风险评估模型,最后采用中国工商银行某分行数据对组合模型进行仿真试验.仿真结果表明,与传统的BP神经网络模型相比,组合模型加快了网络的运算速度,提高风险评估准确率,获得评估结果更具科学性.     

基于PSO-BP神经网络的企业信用风险评估模型研究

企业信用风险评估是金融领域的重要课题.本文针对单独运用BP神经网络评估信用风险时存在的不足,提出了一种基于PSO-BP神经网络的企业信用风险评估模型.该模型首先应用主成分分析方法降低输入BP网络的信用评估指标维数,并且采用粒子群优化算法优化BP神经网络的权值.实验表明,新模型采用的算法具有收敛速度快,预测精度高的优点,是一种有效可靠的企业信用风险评估模型.     

基于支持向量机的电信客户信用风险评估模型

本文根据目前电信行业业务支撑系统特别是计费系统的特点,指出电信客户信用风险评估的重要性。在此基础上,本文分析了电信客户信用风险评估和支持向量机的特点,并提出了针对电信客户信用风险评估的支持向量机信用风险评估模型。     

结合CVCA信任评估模型的位置隐私保护方法

针对传统K匿名位置隐私保护方法中,用户可信度无法评估,存在协助用户不愿意提供真实位置的信任问题,本文提出了建立信任评估模型来评估用户可信度的位置隐私保护方法.首先,引入信用指标对匿名区构造过程进行量化,结合变异系数法,构建CVCA信任评估模型;其次,为了度量用户可信度,利用CVCA信任评估模型计算信用评分,生成数字信用证书,建立身份验证机制;最后,为降低匿名区构造时延,可信任的协助用户衡量信用评分来判断是否参与匿名区构造.通过安全性分析和实验证明,本方案在降低用户移动终端计算开销的同时,提高了匿名区内用户质量,从而取得更好的隐私保护效果.     

基于径向基函数神经网络的信用评分模型研究

对信用风险、信用评分进行了分析,在综合分析国内外企业信用评分指标体系的基础上,结合我国企业信用评分的特点,建立了适合我国企业信用评价的指标体系。结合国内外相关研究的现状与进展,及信用评分本身所具有的特点,建立了基于径向基函数神经网络的信用评分模型,利用现有数据分别进行判别和分析,研究其计算结果与实际情况的差距,然后使用改进的RBFNN学习算法,对径向基函数神经网络进行了学习训练,得到了令人满意的评价结果。利用该模型建立的评分系统具有进一步研究和推广应用的价值。     

数据挖掘和数据仓库技术在个人信用系统中的应用

对数据挖掘和数据仓库技术在个人信用系统中的应用做研究,构建多维信用系统数据仓库与信用评估模型并实现相关算法。     

基于径向基函数神经网络的信用评分模型研究

对信用风险、信用评分进行了分析，在综合分析国内外企业信用评分指标体系的基础上，结合我国企业信用评分的特点，建立了适合我国企业信用评价的指标体系。结合国内外相关研究的现状与进展，及信用评分本身所具有的特点，建立了基于径向基函数神经网络的信用评分模型，利用现有数据分别进行判别和分析，研究其计算结果与实际情况的差距，然后使用改进的RBFNN学习算法，对径向基函数神经网络进行了学习训练，得到了令人满意的评价结果。利用该模型建立的评分系统具有进一步研究和推广应用的价值。