發(fā)布時間：2017-07-08 13:23

  本文關鍵詞：基于BP神經(jīng)網(wǎng)絡的商業(yè)銀行零售客戶信用評價研究

  更多相關文章： 信用評價 風險評估 BP神經(jīng)網(wǎng)絡 遺傳算法

【摘要】：信用是市場經(jīng)濟的基礎,國家信用、企業(yè)信用和個人信用共同構建成了完整的信用體系,完善的信用體系對推動經(jīng)濟的穩(wěn)健運行具有非常重要的意義。個人信用制度是整個社會信用制度的基石,完善的個人信用制度是建立社會市場經(jīng)濟秩序和防范金融風險的有效保證。良好的個人信用體系能夠推動消費信用的迅速發(fā)展,擴大內(nèi)需,進而拉動經(jīng)濟增長。隨著我國消費信用市場的不斷發(fā)展,個人信用評估中存在的問題越來越受到理論界和學術界的關注�？陀^綜合地評價個人信用,可以為商業(yè)銀行發(fā)放消費信貸、發(fā)展個人金融業(yè)務提供科學、及時、有效的決策依據(jù),顯著降低信用風險,提高信貸決策效率。個人信用評估是當前金融領域中亟待解決的重要實踐問題,也是學術界面臨的一個嚴肅而緊迫的課題。由于我國信用建設起步較晚,社會征信體系不完善,既缺乏個人信用評估的相關資料,又缺乏專業(yè)的研究人員和評估機構,導致國內(nèi)目前沒有相對統(tǒng)一合理的個人信用評分體系,因此,對我國商業(yè)銀行零售客戶的信用評價進行研究具有重要的現(xiàn)實意義。本文嘗試將BP人工神經(jīng)網(wǎng)絡模型運用到我國商業(yè)銀行零售客戶信用評價的實踐當中,重點探討了BP神經(jīng)網(wǎng)絡模型在零售客戶信用風險評估體系中的應用。文章首先闡述了個人信用和個人信用評價的相關理論和方法,并重點介紹了BP神經(jīng)網(wǎng)絡基本原理和運行流程,及其在商業(yè)銀行信用評價的適用性。然后利用BP神經(jīng)網(wǎng)絡的自學習能力、非線性處理能力和容錯能力,在選取個人信用評價指標參數(shù)的基礎上,構建了基于BP神經(jīng)網(wǎng)絡的零售客戶信用評價模型,并利用MATLAB軟件對模型進行了仿真實現(xiàn),得到了較好的預測效果。考慮到BP神經(jīng)網(wǎng)絡在訓練過程中,網(wǎng)絡的權值和閾值可能會陷入局部最優(yōu)值,因此提出用遺傳算法對BP神經(jīng)網(wǎng)絡的權值和閾值進行優(yōu)化,并用MATLAB軟件對優(yōu)化模型進行了仿真實證分析,結果發(fā)現(xiàn)優(yōu)化模型的均方誤差更小,預測精度更高。
【關鍵詞】：信用評價 風險評估 BP神經(jīng)網(wǎng)絡 遺傳算法
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.33;TP183
【目錄】：

• 摘要5-6
• Abstract6-12
• 第1章 緒論12-18
• 1.1 選題背景及意義12-13
• 1.2 文獻綜述13-16
• 1.2.1 國外文獻綜述13-15
• 1.2.2 國內(nèi)文獻綜述15-16
• 1.3 研究內(nèi)容及研究方法16-17
• 1.3.1 研究內(nèi)容16-17
• 1.3.2 研究方法17
• 1.4 主要創(chuàng)新點17-18
• 第2章 個人信用評價的內(nèi)涵及方法18-27
• 2.1 個人信用評價的概念18-20
• 2.1.1 個人信用及個人信用風險18-19
• 2.1.2 個人信用評價19-20
• 2.2 個人信用評價的方法及模型20-26
• 2.2.1 定性分析方法20-22
• 2.2.2 定量分析方法22-26
• 2.3 本章小結26-27
• 第3章 BP神經(jīng)網(wǎng)絡的原理及算法27-36
• 3.1 人工神經(jīng)網(wǎng)絡的內(nèi)涵27-28
• 3.2 人工神經(jīng)網(wǎng)絡的學習規(guī)則28-29
• 3.3 人工神經(jīng)網(wǎng)絡的代表模型29-30
• 3.4 BP神經(jīng)網(wǎng)絡的基本原理30-31
• 3.5 BP神經(jīng)網(wǎng)絡的學習算法31-33
• 3.6 BP神經(jīng)網(wǎng)絡的運行流程33-34
• 3.7 BP神經(jīng)網(wǎng)絡的算法改進34-35
• 3.8 BP神經(jīng)網(wǎng)絡對零售客戶信用評價的適用性分析35
• 3.9 本章小結35-36
• 第4章 基于BP神經(jīng)網(wǎng)絡的零售客戶信用評價指標參數(shù)的選取與取值36-43
• 4.1 零售客戶信用評價體系指標的設置原則36-37
• 4.2 零售客戶信用風險評價指標體系構建與參數(shù)選取37-38
• 4.3 模型指標參數(shù)的細分及取值38-42
• 4.4 零售客戶信用等級的劃分42
• 4.5 本章小結42-43
• 第5章 基于BP神經(jīng)網(wǎng)絡的零售客戶信用評價模型的構建與優(yōu)化43-51
• 5.1 基于BP神經(jīng)網(wǎng)絡的零售客戶信用評價模型的構建43-47
• 5.1.1 數(shù)據(jù)的收集和規(guī)范化處理44-46
• 5.1.2 BP神經(jīng)網(wǎng)絡模型結構的確定46-47
• 5.2 遺傳算法對BP神經(jīng)網(wǎng)絡信用評價模型的優(yōu)化47-50
• 5.2.1 遺傳算法實現(xiàn)48-50
• 5.2.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的算法流程50
• 5.3 本章小結50-51
• 第6章 基于BP神經(jīng)網(wǎng)絡的零售客戶信用評價模型的實證與測試51-58
• 6.1 BP神經(jīng)網(wǎng)絡模型的仿真模擬51-54
• 6.1.1 BP神經(jīng)網(wǎng)絡的訓練51-52
• 6.1.2 BP神經(jīng)網(wǎng)絡的測試52
• 6.1.3 結果分析52-54
• 6.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的仿真模擬54-57
• 6.2.1 優(yōu)化模型訓練54-55
• 6.2.2 優(yōu)化模型測試55-56
• 6.2.3 結果分析56-57
• 6.3 本章小結57-58
• 結論58-60
• 參考文獻60-63
• 致謝63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 莊乃琪;;上海移動集團客戶信用評價模型研究[J];科技信息;2012年17期

2 侯X;陳誼;鞏麗偉;;基于客戶信用評價模型的營銷管理系統(tǒng)[J];計算機工程與設計;2012年10期

3 朱志華;;電力客戶信用評價與欠費風險預警系統(tǒng)的總體設計[J];現(xiàn)代計算機(專業(yè)版);2009年01期

4 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 李軍;陳士俊;張云起;;基于FA-BP網(wǎng)絡的客戶信用評價[A];第八屆中國管理科學學術年會論文集[C];2006年

2 張云起;趙國杰;;基于BP神經(jīng)網(wǎng)絡的客戶信用評價和管理[A];中國市場學會2006年年會暨第四次全國會員代表大會論文集[C];2006年

3 盧雯嘉;李楊;栗秋華;周林;;基于遺傳算法和BP神經(jīng)網(wǎng)絡的大電力客戶信用評價模型[A];重慶市電機工程學會2010年學術會議論文集[C];2010年

4 葉武;林成德;劉震宇;;基于神經(jīng)網(wǎng)絡的客戶信用評價系統(tǒng)[A];新經(jīng)濟環(huán)境下的會計與財務問題研討會論文集[C];2002年

中國碩士學位論文全文數(shù)據(jù)庫 前7條

1 王卓愷;基于BP神經(jīng)網(wǎng)絡的商業(yè)銀行零售客戶信用評價研究[D];湖南大學;2015年

2 李超;基于數(shù)據(jù)挖掘的電信C網(wǎng)客戶信用評價研究[D];西南財經(jīng)大學;2013年

3 楊寶清;紅河供電局電力客戶信用評價[D];華北電力大學（北京）;2007年

4 許東輝;電力客戶信用評價研究[D];華北電力大學;2011年

5 張鴻;航運企業(yè)客戶信用評價及預警系統(tǒng)研究[D];上海海事大學;2007年

6 封期康;多屬性決策支持向量機的銀行客戶信用評價研究[D];中南大學;2013年

7 楊明;B2C中客戶信用評價模型的探討[D];華中科技大學;2007年

，

本文編號：534767