基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)戶小額信用貸款風(fēng)險(xiǎn)評(píng)估系統(tǒng)的構(gòu)建.pdf

1、隨著農(nóng)業(yè)產(chǎn)業(yè)化與農(nóng)村經(jīng)濟(jì)的快速發(fā)展，農(nóng)村的信貸需求逐漸增長(zhǎng)。當(dāng)前，束縛金融機(jī)構(gòu)進(jìn)入金融農(nóng)村地區(qū)的主要障礙來(lái)源于對(duì)于農(nóng)戶信用狀況的擔(dān)心，因此，農(nóng)戶信用評(píng)估手段的技術(shù)運(yùn)用是目前改變農(nóng)戶貸款難問(wèn)題的現(xiàn)實(shí)解決方案之一。因此，本文從筆者工作過(guò)程中收集的農(nóng)戶小額信用貸款的基本信息作為基本數(shù)據(jù)庫(kù)，通過(guò)構(gòu)建信用風(fēng)險(xiǎn)評(píng)估模型檢驗(yàn)農(nóng)戶信用狀況，進(jìn)行模型適用性相關(guān)研究。
　　 首先，本文從個(gè)人信用風(fēng)險(xiǎn)評(píng)估技術(shù)和個(gè)人信用體系的基本理論基礎(chǔ)入手，形成對(duì)于

2、農(nóng)戶小額信用貸款風(fēng)險(xiǎn)評(píng)估的基礎(chǔ)理論分析。其次，筆者在重點(diǎn)研究人工神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，構(gòu)建適用于農(nóng)戶小額信用貸款的BP神經(jīng)網(wǎng)絡(luò)模型及其算法，并且通過(guò)Mathlab7.0軟件編寫(xiě)B(tài)P神經(jīng)網(wǎng)絡(luò)模型的運(yùn)行程序。第三，運(yùn)用筆者收集的農(nóng)戶小額信用貸款的數(shù)據(jù)信息作為樣本，通過(guò)數(shù)據(jù)庫(kù)內(nèi)的80％的數(shù)據(jù)量作為訓(xùn)練樣本調(diào)試BP神經(jīng)網(wǎng)絡(luò)對(duì)于農(nóng)戶小額信用貸款的風(fēng)險(xiǎn)估計(jì)能力，同時(shí)，利用數(shù)據(jù)庫(kù)內(nèi)的20％的數(shù)據(jù)量作為測(cè)試樣本，檢查對(duì)于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果。并且針對(duì)

3、樣本數(shù)據(jù)的抽樣重復(fù)進(jìn)行10次，以獲得BP神經(jīng)網(wǎng)絡(luò)對(duì)于農(nóng)戶小額信用貸款風(fēng)險(xiǎn)評(píng)級(jí)的整體效果，通過(guò)驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)在估計(jì)數(shù)據(jù)庫(kù)樣本的準(zhǔn)確率結(jié)果為:對(duì)于信用評(píng)分而言，練樣本數(shù)據(jù)的訓(xùn)練精度為90.37％，測(cè)試樣本的測(cè)試精度為89.96％，測(cè)試樣本的平均誤差為0.03，誤差的標(biāo)準(zhǔn)差為5.07;對(duì)于信用評(píng)級(jí)集而言，訓(xùn)練樣本數(shù)據(jù)的訓(xùn)練精度為63.94％，測(cè)試樣本的測(cè)試精度為62.63％，測(cè)試樣本的平均誤差為-0.01，誤差的標(biāo)準(zhǔn)差為0.51。