【摘要】：信用評級一直是銀行信用風險管理的一項重要內(nèi)容,本文主要研究了RBF神經(jīng)網(wǎng)絡(luò)技術(shù)在商業(yè)銀行個人貸款信用評級模型中的應(yīng)用。在信用評級中,由于客戶的信息大多為分類型數(shù)據(jù),因此傳統(tǒng)的RBF模型無法進行有效處理,同時RBF模型還對初始中心的選取十分敏感,并且較容易受到異常值的影響。針對以上問題,本文將模糊K-Prototypes算法應(yīng)用到RBF神經(jīng)網(wǎng)絡(luò)模型中,且改進了初始中心的選取方法,并將改進前后的模型分別應(yīng)用于某商業(yè)銀行的個人貸款數(shù)據(jù)中,實證的結(jié)果表明,改進后的RBF模型在處理非數(shù)值型數(shù)據(jù)時精度更高,并且改進后的模型穩(wěn)健性有了一定提高。 文章的大致內(nèi)容如下： 第一章我們將對信用評級作簡單的介紹,從信用評級的起源與背景,到它的相關(guān)定義,最后到傳統(tǒng)主觀判斷方法與近代統(tǒng)計模型方法的比較,給讀者對信用評級的相關(guān)發(fā)展歷程有一個大致的了解。 第二章中,我們將對信用評級中的常用模型做出相關(guān)的介紹,主要包括一般線性模型、廣義線性模型、判別分析、K--臨近算法等。 第三章中,我們將介紹RBF神經(jīng)網(wǎng)絡(luò)的相關(guān)知識,包括RBF神經(jīng)網(wǎng)絡(luò)如何從生物學發(fā)展而來,RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)、數(shù)學基礎(chǔ),以及它的相關(guān)學習算法。 第四章中,我們將介紹模糊的K-Prototypes聚類算法,并將算法應(yīng)用到RBF神經(jīng)網(wǎng)絡(luò)的學習當中,同時,為了提高模型的穩(wěn)健性,我們還提出了初始聚類中心選取的替代方法,同時給出RBF網(wǎng)絡(luò)結(jié)構(gòu)的其他參數(shù)的確定方法。 第五章是文章的實證部分,我們將傳統(tǒng)RBF模型和改進的RBF模型分別應(yīng)用于某商業(yè)銀行個人貸款的數(shù)據(jù)集中,并比較分析其結(jié)果,同時,為了方便比較,我們還給出了如SOM神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)的結(jié)果作為對比。 最后是文章的總結(jié)部分,我們對全文的內(nèi)容進行了概括與總結(jié)。
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP183;F203

【參考文獻】

相關(guān)期刊論文 前8條

1 廖志芳;李鵬;劉克準;樊曉平;瞿志華;;數(shù)據(jù)聚類分析新方法研究[J];計算機工程與應(yīng)用;2009年10期

2 何清;模糊聚類分析理論與應(yīng)用研究進展[J];模糊系統(tǒng)與數(shù)學;1998年02期

3 陳寧,陳安,周龍驤;數(shù)值型和分類型混合數(shù)據(jù)的模糊K-Prototypes聚類算法(英文)[J];軟件學報;2001年08期

4 石慶焱,靳云匯;多種個人信用評分模型在中國應(yīng)用的比較研究[J];統(tǒng)計研究;2004年06期

5 劉閩,林成德;基于支持向量機的商業(yè)銀行信用風險評估模型[J];廈門大學學報(自然科學版);2005年01期

6 王春峰,康莉;基于遺傳規(guī)劃方法的商業(yè)銀行信用風險評估模型[J];系統(tǒng)工程理論與實踐;2001年02期

7 龐素琳;鞏吉璋;;C5.0分類算法及在銀行個人信用評級中的應(yīng)用[J];系統(tǒng)工程理論與實踐;2009年12期

8 藍潤榮;程希駿;;基于改進RBF神經(jīng)網(wǎng)絡(luò)的銀行個人信用評級[J];中國科學院研究生院學報;2013年03期

，

本文編號：2547340