文章编号:1007 5429(2006)05 0081 04收稿日期:2005 10 30; 修回日期:2006 01 30作者简介:张卫东(1962 ),男,湖北随州人,教授,主要研究方向为企业理论、企业产权交易定价及风险研究。于GA BP 模糊神经网络的商业银行信用风险评估张卫东1,韩云昊1,米 阳2(1.华中科技大学经济学院湖北武汉430074; 2.华中科技大学控制科学与工程系,湖北武汉430074)摘要:研究了商业银行信用风险评估的现状,针对单独应用BP 神经网络评估信用风险时存在的缺陷,提出了基于遗传算法优化模糊BP 神经网络的信用风险评估新模型。通过遗传算法训练模糊BP 神经网络,克服网络建模中产生的局部极小的缺点,提高了风险评估的准确性。最后,利用M atlab 软件对样本数据进行训练和测试,仿真结果表明所构造的评估模型预测误差非常小。关键词:风险评估;遗传算法;BP 神经网络;模糊神经网络中图分类号:F830.33 文献标识码:AStudy on Credit Risk Assessment of Commercial BanksBased on GA BP Fuzzy Neural NetworkZH AN G Wei dong 1,H AN Yun hao 1,M I Yang 2(1.School of Economics,H uazhong University of Science and T echno logy ,Wuhan 430074,China;2.The Depar tm ent of Co ntrol Science and Engineering,H uazhong University of Scienceand T echnolo gy,Wuhan,430074,China)Abstract:Studying the actuality o f com mercial bank credit r isk assessm ent,its deficiencyw as revealed because of singly using BP neural netw ork,and a new assessment m odel is proposed w hich is based on o ptmizing fuzzy neural netw ork by g enetic algor ithm.The g enetic algor ithm is used to train fuzzy BP neural netw ork,w hich can ov ercome the shor tcom ing o f local minim um ap pear ed w hile training the netw o rk,and the v eracity of the w hole assessment model can be in creased.At last,the sam pled data are trained and tested M atlab softw are,and the sim ulation re sults indicate that the proposed assessm ent m odel has very sm all error.Key words:risk assessment;genetic algor ithm;BP neural netw ork;fuzzy neural new ork1 引言随着金融全球化的发展,商业银行作为经营金融资产的特殊企业,既存在着巨大的商机,也面临着潜在的风险。商业银行在经营过程中面临的主要风险中信用风险占有特殊地位。因此,世界上许多银行机构都在积极地研究和开发适合于自身管理特点的高效信用风险评估方法。同时对于商业银行信用风险的评估,国内外学者也已开展了广泛的研究[1~7],概括地讲可以归为两类:统计模型和人工智能模型。根据判别函数的形式和样本分布假设的不同,统计模型主要包括多元回归分析模型、多元判别分析模型、Logit 分析模型、近邻法等[1,4]。虽然统计模型在信用风险评估问题中取得了很大成绩,但是由于其对数据样本的严格假设要求及金融数据的高噪声特性,使得这些模型在实际应用中失效。针对统计模型的局限性,近年来,人工智能技术作为一种新的评估工具,被应用到商业银行的信用风险评估中。常用的人工智能模型主要包括神经网络、决策树以及遗传规划等智能算法[2~3,5~7],其中BP 神经网络是应用最广泛的智能模型[2~3,5~8]。BP 神经网络对数据的要求不严格,也不必要详细表述自变量与因变量之间的函数关系,神经网络的这些特性使之成为信用风险分析方法的一个热点。但是神经网络由于完全黑箱操作,因此整个网络在训练过程中容易陷入局部极小点,使得训练结果缺乏准确性。81 Indust rial Eng ineering and M anagement No.5,2006工业工程与管理 2006年第5期
本文来源：https://www.2haoxitong.net/k/doc/fcfe3e1bfc4ffe473368ab9f.html
