基于BP算法的信用风险评价模型研究
本文利用神经网络技术建立基于BP算法的信用风险评价模型,为我国某商业银行120家贷款企业进行信用风险评价,按照企业的信用等级分为"信用好"、"信用中等"和"信用差"三个小组. 仿真结果表明,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法--线性判别分析法的分类准确率. 文中还详细给出神经网络信用风险评价模型的网络构建方法及基于BP网络的学习算法和步骤.
王燕鸣(中山大学数学与计算科学学院及岭南学院金融系,广州,510275)
黎荣舟(华南理工大学交通学院,广州,510640)
刊 名： 数学的实践与认识 ISTIC PKU 英文刊名： MATHEMATICS IN PRACTICE AND THEORY 年，卷(期)： 2003 33(8) 分类号： O1 关键词： 信用风险评价模型 BP算法 线性判别分析法