灰色_RBF在銀行預(yù)警系統(tǒng)的應(yīng)用研究.pdf

1、信用風(fēng)險是商業(yè)銀行面臨的最重要風(fēng)險之一。近年來，神經(jīng)網(wǎng)絡(luò)因良好的非線性映射能力使其對在解決商業(yè)銀行信用風(fēng)險評估問題上具有獨到的應(yīng)用優(yōu)勢。其中BP神經(jīng)網(wǎng)絡(luò)已有了較為廣泛的應(yīng)用基礎(chǔ)，較好實現(xiàn)了信用評估指標(biāo)和信用評分分級之間的非線性映射，為商業(yè)銀行信用風(fēng)險預(yù)警提供了良好的解決思路。但BP神經(jīng)網(wǎng)絡(luò)一種前向網(wǎng)絡(luò)，沒有反饋，這必將降低其收斂速度和預(yù)測精度。同時，神經(jīng)系統(tǒng)的良好非線性函數(shù)逼近能力需要大量的樣本數(shù)據(jù)來保證，針對有限信息數(shù)據(jù)的預(yù)測問題，傳

2、統(tǒng)神經(jīng)網(wǎng)絡(luò)的預(yù)測效果往往不盡人意。本文分別分析了具有全局尋優(yōu)功能的RBF神經(jīng)網(wǎng)絡(luò)和針對“小樣本”、“貧信息”、不確定系統(tǒng)的灰色系統(tǒng)理論，建立了基于灰色_RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險預(yù)警系統(tǒng)，以改進傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)策略，有效針對有限樣本數(shù)據(jù)的預(yù)測問題，優(yōu)化風(fēng)險預(yù)警系統(tǒng)。本文主要研究內(nèi)容及研究路線如下:
　　1、對商業(yè)銀行信用風(fēng)險預(yù)警研究的發(fā)展現(xiàn)狀及現(xiàn)有研究進行學(xué)習(xí)，對信用風(fēng)險預(yù)警系統(tǒng)體系構(gòu)建的原則和方法進行總結(jié)。選擇15個

3、關(guān)于信用風(fēng)險最有決定性影響的預(yù)警指標(biāo)，進而建立商業(yè)銀行信用風(fēng)險預(yù)警指標(biāo)體系。并且運用主元分析方法對所選擇的預(yù)警指標(biāo)體系進行優(yōu)化。
　　2、在研究BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、灰色系統(tǒng)理論的基礎(chǔ)上，運用各個預(yù)測模型進行商業(yè)銀行風(fēng)險預(yù)測的仿真研究，探索現(xiàn)有預(yù)測方法在信用風(fēng)險評估研究的局限性及可改進的地方，明確灰色_RBF預(yù)警模型建立的必要性及理論基礎(chǔ)。
　　3、建立基于灰色_RBF神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險預(yù)警系統(tǒng)，并運用新預(yù)測模型