PSO-BP神經(jīng)網(wǎng)絡在商業(yè)銀行信用風險評估中的應用研究.pdf

1、信用風險是金融機構(gòu)面臨的最主要的風險之一。在解決商業(yè)銀行信用風險評估問題時，神經(jīng)網(wǎng)絡的非線性映射能力使其具有獨特的優(yōu)勢。通過BP神經(jīng)網(wǎng)絡，可以很好地實現(xiàn)信用指標和信用等級之間的非線性映射關(guān)系，從而達到對客戶按其指標數(shù)據(jù)進行信用等級分類的功能。但BP神經(jīng)網(wǎng)絡的參數(shù)設(shè)置是基于參數(shù)空間局部信息的，不是全局最優(yōu)值，這必將降低BP網(wǎng)絡的收斂速度和預測精度。本文分析了具有全局尋優(yōu)功能的粒子群優(yōu)化算法(PSO)，該算法能夠改進傳統(tǒng)的BP神經(jīng)網(wǎng)絡學習策

2、略，彌補BP神經(jīng)網(wǎng)絡參數(shù)設(shè)置的不足。 本文首先根據(jù)商業(yè)銀行信用風險評估研究的發(fā)展及現(xiàn)狀，對應用于商業(yè)銀行信用風險評估的各種傳統(tǒng)及現(xiàn)代方法進行總結(jié)。其次，在研究BP神經(jīng)網(wǎng)絡、粒子群優(yōu)化算法理論基礎(chǔ)上，針對PSO算法局部搜索能力較弱和存在早熟收斂的問題，提出一種改進PSO算法，并用該算法優(yōu)化BP神經(jīng)網(wǎng)絡的權(quán)值，建立基于改進PSO-BP神經(jīng)網(wǎng)絡模型。最后，應用新模型對某商業(yè)銀行信用風險評估數(shù)據(jù)進行了實例仿真，并把實驗結(jié)果與傳統(tǒng)BP模型