銀行信貸風(fēng)險評價及預(yù)警RBFNN系統(tǒng)設(shè)計研究.pdf

1、控制銀行貸款風(fēng)險一直是我國商業(yè)銀行經(jīng)營的重中之重。本文針對傳統(tǒng)方法有相應(yīng)的缺陷，提出了一個新的評價銀行貸款風(fēng)險的方法——基于均勻設(shè)計法的RBFNN風(fēng)險評價及預(yù)警評價方法。同時本文運用面向?qū)ο蠓治龊兔嫦驅(qū)ο笤O(shè)計方法對銀行貸款風(fēng)險評價及預(yù)警系統(tǒng)進(jìn)行了設(shè)計。其主要工作其主要分成以下幾個階段： 1、在分析銀行貸款評價和預(yù)警評價的流程基礎(chǔ)上，對項目進(jìn)行了可行性分析，接著運用OOA方法進(jìn)行了需求分析，進(jìn)行了詳細(xì)的各層次用例分析。 2

2、、在選取了優(yōu)秀的銀行貸款風(fēng)險評價及預(yù)警評價指標(biāo)基礎(chǔ)上，運用所設(shè)計的指標(biāo)模糊隸屬度函數(shù)對評價指標(biāo)值進(jìn)行規(guī)范化，并使用均勻設(shè)計法獲取了自適應(yīng)RBFNN訓(xùn)練樣本。通過樣本訓(xùn)練和實例數(shù)據(jù)進(jìn)行檢驗貸款風(fēng)險評價和預(yù)警評價，獲得了理想的結(jié)果。 3、運用UML建模，對銀行貸款風(fēng)險評價及預(yù)警系統(tǒng)進(jìn)行了總體設(shè)計和詳細(xì)設(shè)計，設(shè)計出類圖、系統(tǒng)模塊結(jié)構(gòu)圖，并對各模塊設(shè)計出較詳細(xì)的時序圖。 4、在系統(tǒng)實現(xiàn)過程中，運用了Matlab函數(shù)與C?；炀幖夹g(shù)

3、，將Matlab的自適應(yīng)RBFNN函數(shù)轉(zhuǎn)換成COM組件，在C＃程序中調(diào)用。同時應(yīng)用了均勻設(shè)計法所獲得的大量樣本，分別進(jìn)行貸款風(fēng)險評價的RBFNN訓(xùn)練和預(yù)警評價的RBFNN訓(xùn)練，經(jīng)過程序檢驗，模型訓(xùn)練檢驗滿意。貸款風(fēng)險評價和預(yù)警評價，也獲得理想的結(jié)果。從而使應(yīng)用系統(tǒng)脫離了Matlab軟件而運行，也簡化了RBFNN算法的編寫。 Matlab函數(shù)與C?；炀幖夹g(shù)的運用，使我們今后在C＃程序中可以運用Matlab軟件的大量的函數(shù)進(jìn)行復(fù)雜計

4、算和圖形顯示變換，簡化了程序編制，同時充分發(fā)揮Matlab軟件強(qiáng)大的計算功能。 在過去的銀行風(fēng)險預(yù)警評價方法中，傳統(tǒng)模糊綜合評判法具有無法擺脫決策過程中的隨機(jī)性，主觀不確定性以及缺乏與時俱進(jìn)的自學(xué)習(xí)能力的嚴(yán)重缺點。過去采用的RBF神經(jīng)網(wǎng)絡(luò)評價方法具有網(wǎng)絡(luò)隱節(jié)點固定，局部極值的缺點。雖然它具有自學(xué)習(xí)能力的優(yōu)點，但是在自學(xué)習(xí)訓(xùn)練中卻具有致命的缺點——在有限的學(xué)習(xí)樣本情況下缺乏嚴(yán)密的實驗設(shè)計，從而使所訓(xùn)練出的網(wǎng)絡(luò)性能難以覆蓋絕大多數(shù)風(fēng)

5、險情況，致使人工神經(jīng)網(wǎng)絡(luò)評價性能不能達(dá)到預(yù)期要求。 本系統(tǒng)利用“均勻設(shè)計法”U1000表，通過DSP軟件，獲取大規(guī)模標(biāo)準(zhǔn)化“均勻設(shè)計”樣本，然后利用這些能夠覆蓋全部樣本空間的有代表性樣本進(jìn)行自適應(yīng)RBFNN訓(xùn)練，訓(xùn)練檢驗獲取了誤差小于預(yù)定誤差的模型訓(xùn)練結(jié)果；實例檢驗獲得了誤差小于預(yù)定誤差絕對值3.5，預(yù)警等級符合實際的應(yīng)用效果。從而建立一套較準(zhǔn)確的、正確的、無遺漏的、快速的銀行貸款風(fēng)險評價及預(yù)警評價模型和評價方法。 本系