SOM和BP網(wǎng)絡(luò)在企業(yè)信用評級中的應(yīng)用研究.pdf

1、信用評級是金融領(lǐng)域的重要研究課題。信用指標(biāo)選擇的合理性和有效性是信用評級的決定因素。如何從大量的企業(yè)歷史數(shù)據(jù)中挖掘有用信息，總結(jié)并預(yù)測企業(yè)的信用狀況，成為當(dāng)今銀行業(yè)所關(guān)注的焦點。隨著計算機技術(shù)的不斷發(fā)展，許多數(shù)據(jù)挖掘算法被應(yīng)用于該領(lǐng)域。企業(yè)的信用評級主要是通過基于財務(wù)指標(biāo)的信用特征估計該企業(yè)的信用狀況，然而企業(yè)的財務(wù)指標(biāo)與信用狀況之間往往表現(xiàn)出非線性的特征，這為信用評級建模帶來了挑戰(zhàn)。神經(jīng)網(wǎng)絡(luò)較適于描述這種指標(biāo)間的非線性特征。
　

2、　 神經(jīng)網(wǎng)絡(luò)方法是一種人工智能的方法，建立在一個簡單的數(shù)學(xué)模型上。在學(xué)習(xí)過程中，不斷地調(diào)整統(tǒng)計權(quán)重的值，以修正預(yù)測誤差。它能夠從特定模式的大量的數(shù)據(jù)中發(fā)現(xiàn)其潛在的規(guī)律。SOM神經(jīng)網(wǎng)絡(luò)的主要功能是實現(xiàn)對輸入特征向量的聚類，因此它在數(shù)據(jù)挖掘、模式識別和信號處理領(lǐng)域頗受重視。BP網(wǎng)絡(luò)是一種基于有監(jiān)督的學(xué)習(xí)、使用非線性的可導(dǎo)函數(shù)作為傳遞函數(shù)的前饋神經(jīng)網(wǎng)絡(luò)。BP神經(jīng)網(wǎng)絡(luò)的分類方法在模式識別方面具有很好的性能。
　　 本文從企業(yè)信用評級基

3、礎(chǔ)理論和常用方法出發(fā)，將評級問題細化為信用指標(biāo)的選擇問題和數(shù)據(jù)挖掘中的分類問題。然后參考國內(nèi)外信用評級研究中提出的各種要素，理解各指標(biāo)數(shù)據(jù)項的意義，建立了企業(yè)信用指標(biāo)體系。而后從數(shù)據(jù)挖掘的角度闡述了神經(jīng)網(wǎng)絡(luò)分類的具體過程，并根據(jù)企業(yè)信用指標(biāo)體系，將SOM網(wǎng)絡(luò)聚類方法和BP網(wǎng)絡(luò)分類方法組合應(yīng)用于商業(yè)銀行企業(yè)信用評級模型中。模型采用上市公司實際數(shù)據(jù)作為模型的樣本數(shù)據(jù)，并采用實證研究的方法，將受到ST處理的上市公司數(shù)據(jù)和新華遠東公開信用評級結(jié)