陈雄华[1]2002年在《基于神经网络和专家系统结合的企业信用评级研究》文中进行了进一步梳理对银行客户的信用评价是否科学可靠、是否健全，关系着银行贷款的成败。因此，借助信用评价模型对企业的信用作出准确评价和客观判断，具有非常重要的实际意义和实用价值。 近年来，已有利用人工神经网络技术对企业失败、企业债券等级、银行客户信用等级进行判别的研究，与多元判别分析模型相比，其结果是令人鼓舞的。在国内，银行对客户的信用等级评定，还处在对企业的某些财务指标进行评价，而后加权平均确定的阶段上，因此迫切需要引入更为科学的方法来确定有效指标，并建立准确的定量模型来解决信用评估问题。针对这种需求，本课题根据我国商业银行的具体情况，利用人工智能技术和专家系统结合，研究我国商业银行的客户信用评估问题。 企业的信用等级的划分是一个十分复杂的问题，企业信用包含众多因素，需要考查企业财务数据定量化方面的原因，也要考查企业领导者素质、市场定位、技术更新水平、国家政策导向、产业规模等定性方面的原因。 因为神经网络适合处理定量的数据，而专家系统适合处理处理定性的数据，本课题我们用神经网络和专家系统分别对企业定量、定性两方面信用风险的成因进行研究，有机、科学地结合两者的的优点，最终得到企业信用等级的综合评价。 课题分为两个部分，本文集中用神经网络研究企业的财务比率对企业信用等级的影响。由于研究的企业涵盖面很广，有轻工业、重工业、贸易业、农业等行业，因此不能对所有的样本统一处理，我们按照企业行业和所有制的不同，并考虑样本数量上的要求，使用合理的方法将企业划分为不同的模式，同时，针对不同的模式建立相应的神经网络模型，实验结果表明划分模式的神经网络提高了信用评级的准确性。 我们还用c++Builder开发了一个人工智能企业信用等级评估的软件系统，用户可以方便地用本软件系统进行企业信用等级的评估。该软件为企业信用等级的评定提供了一个有力的辅助决策工具。
许珏[2]2007年在《基于神经网络专家系统的信用风险度量方法研究》文中研究表明随着国际金融领域竞争的空前加剧及大规模贷款组合的不断发展，传统的信用度量方法已不能满足人们的需要。就我国实际情况而言，银行经营效益低下，呆账、坏账增加固然有体制上的原因，但忽视信用风险分析和管理方法的研究，对信用等级进行不合理的度量也是一个不容忽视的原因。以往的研究多集中于对定量指标的分析，模型使用范围较狭窄，本文力图建立定性与定量指标相结合的信用风险度量模型，以期能有更强的使用性。本文以信用风险度量、专家系统和神经网络等领域知识为基础，首先对信用风险成因及目前采用的度量方法做了简单介绍，并对BP神经网络模型、专家系统的构建以及运行原理进行了系统的研究，确定了专家系统支持神经网络的信用风险评估模型。其次，确定了模型网络结构、学习参数和学习算法及模型划分的方法和依据，构建了定量指标，定性指标相结合的信用风险评估模型，最后对构建的模型进行了仿真和验证，结果表明该模型在风险度量方面具有一定的优越性。
张柳园[3]2002年在《基于混合型专家系统的企业信用评估研究》文中提出信用评价是对企业能否如约还本付息的能力和可信任程度的评估。借助评价模型对企业的信用作出准确评价和判断，极具社会和经济价值。但是企业信用评价又是一个十分复杂的过程，要综合考虑企业各方面的情况，同时包括定量和定性两方面的分析。传统的信用评价模型有财务比率分析、多元判别分析等，但这些模型都不能有效、全面、完整地解决信用评价问题。 随着人工智能技术的发展，已有学者提出将神经网络技术应用于信用评价领域，并取得了令人鼓舞的结果。但是在实际的应用中，神经网络技术并不能完整描述整个信用评价过程。本文提出了基于混合型专家系统的信用评价技术，利用神经网络处理财务状况方面的定量分析，利用专家系统来完成定性指标处理、数据预处理、综合企业情况判定企业信用等级等功能。这种技术符合信用评价的特点，更适合于建立信用评价模型。 本文主要工作是建造专家系统部分。以某银行提供的企业样本数据为基础，在完成对样本数据处理、抽取财务比率等基本工作后，根据信用评价领域知识的特点构建了系统的知识库，设计了基于优先级的正向推理机制与基于事实的自动解释机制，然后采用面向对象技术对系统进行分析，建立专家系统的对象模型和功能模型，在此基础上，采用access数据库设计系统的知识库，采用C++ Builder开发软件实现了基于混合型专家系统的可视化信用评价系统原型。实验结果表明，混合型专家系统既具有专家系统灵活性、解释性的特点，又具有神经网络鲁棒性、自学习能力的特点，因此非常适合用于企业信用评价，具有广泛的应用前景。 本文具体内容安排如下： 第一章介绍了信用、信用风险、信用评价的概念，回顾了信用评价的历史、发展和现状，并综合各种信用评价模型，指出这些模型各自的优缺点： 第二章简单描述了人工智能技术，着重介绍有关专家系统与神经网络的基础知识，通过总结它们的优缺点，指出结合专家系统与神经网络构造混合型专家系统的必要性；本章还介绍了神经网络子模块的概念，提出了混合型专家系统的一般框架与设计步骤： 第叁章对样本数据进行处理，包括异常数据的剔除、因子分析等，提出了信用评价混合型专家系统的具体框架结构，介绍了系统知识库的主要部分、基于优先级的正向推理机制的流程、以及基于事实的自动解释机制的具体实现方法； 第四章介绍了面向对象技术，进而采用面向对象对信用评价系统进行分析，建立了对象模型和功能模型，并在此基础上，采用C++语言以规则类为例说明系统中具体类的实现，用伪代码的形式描述了推理的算法； 第五章描述了整个系统的结构，对系统主要功能模块和界面进行了介绍，并总结系统的特点； 第六章总结了全文，指出本文所构造系统存在的不足以及对将来的展望。
李波[4]2005年在《商业银行内部信用评级与支持向量机应用研究》文中研究表明我国商业银行业务中的主要风险,仍然是信用风险。在全球竞争的背景下,提高我国商业银行的信用风险管理能力至关重要。信用评级是一个“古老”的问题,信用评级系统是商业银行信用风险管理的基础,也是信贷业务管理的支撑。随着全球金融竞争背景的变化,精确计量信用风险技术、风险调整收益计算以及资本充足率计算等各方面的需求均对作为基础的信用评级体系提出了更高的要求。随着信息技术的飞速发展,使用高级机器学习模型和人工智能方法处理信用评级问题,构建精确、定量的信用评级系统将是未来的主要研究方向,并且可以的极大地推动商业银行信用风险管理水平的提高。本文首先对商业银行内部信用评级的相关理论和问题进行了详细的分析和研究,对统计方法应用于信用评级存在的问题进行了详细的说明,并提出了解决方法。接着,本文简要研究了统计模式识别的各种经典方法,并指出了这些方法在信用评级问题中的适用性。然后,本文详细研究了关于统计学习和支持向量机的相关理论和算法,并详细说明了支持向量机相对于一般分类方法在泛化能力上的优越性。最后,本文使用上市公司数据,对SVM在信用分析中的应用效果进行了实证分析,并与BP神经网络模型进行了对比,证明了该方法适于处理这类数据。在实证分析的基础上,结合商业银行的管理需要和业务特点,本文得到了一系列关于支持向量机模型用于信用评级问题的结论,并对未来的深入研究进行了展望。
赵小艳[5]2007年在《基于神经网络的数据挖掘技术对民营企业信用评级研究》文中研究说明随着我们经济体制改革的逐步进行,民营企业经济呈快速上升趋势,在国民经济中占有越来越重要的地位。在民营企业规模扩展中伴随着资金紧张状况,它们对资金的需求和渴望不断增加。但由于民营企业自身逆向选择和道德风险比较大,这样导致了民营企业间接融资渠道狭窄。一个公司的财力是否雄厚,是否具备强大的融资能力,直接影响着企业成长的速度和扩张的程度,也直接决定着企业的发展。因此建立民营企业信用评级模型、合理测算风险就成为当务之急。而本课题研究目的就在于此。本文作为国家社会科学基金项目《民营企业信用评级指标体系与评级方法研究》的一部分,在进行民营企业信用评级模型的构建中,创新性地应用了基于神经网络的数据挖掘分类技术,将民营企业隐含的、尚不为人所知的,同时又潜在重要的信息从数据中提取出来,建立民营企业信用评级模式。实证分析表明基于神经网络的数据挖掘方法,对民营企业信用分类准确率达到88.96%,且模型噪音容忍度高、选择特征代表性强和求解速度快,能够有效的对民营企业进行信用评级。
张目[6]2010年在《高技术企业信用风险影响因素及评价方法研究》文中提出深入分析自主创新能力等非财务因素对高技术企业信用风险的影响,并将影响较为显着的因素纳入到高技术企业信用风险评价指标体系中;探索、运用先进的定量分析方法和手段对高技术企业信用风险进行科学评价,都将有助于提高信用评价结果的客观性和准确性。对畅通和拓宽高技术企业的融资渠道、提高技术成果转化率、促进高技术产业持续健康发展具有重要的理论意义和现实意义。为此,本文对自主创新能力等非财务因素对高技术企业信用风险的影响、基于分类的高技术企业信用风险评价方法等问题进行了探索性研究。主要内容概括如下:第一,为了提炼出可能对高技术企业信用风险有重要影响的行业(地区)因素,本文对高技术企业信用风险的行业(地区)差异进行了识别。首先,从借款人信用等级转移的角度,遵循CreditMetrics模型的基本假设和风险识别的前瞻性要求,构建基于Markov链的高技术企业信用风险行业(地区)差异识别系统,其中,运用基于投影寻踪和最优分割的企业信用评级模型获得高技术企业的信用状态空间和信用等级;然后,以高技术产业上市公司为例,对我国高技术产业主要行业的信用风险进行识别,同时,对我国东、中、西部地区高技术企业信用风险差异进行识别。其中,基于投影寻踪和最优分割的企业信用评级模型的建模思路为:运用投影寻踪对样本企业进行信用综合评分,将信用综合得分由大到小排序,生成有序样品序列;利用最优分割法对有序样品进行聚类,得出明确的聚类结果;将最优分割点对应的信用综合得分作为划分信用等级的阈值,从而实现对样本企业的信用评级。第二,自主创新是高技术企业生存和发展的生命线,为考察自主创新能力对高技术企业信用风险的影响,须先对高技术企业自主创新能力进行科学评价。为此,本文首先提出一种基于联系度的改进TOPSIS法。该方法将理想点与负理想点视为确定不确定系统中相互对立的集合,在考察目标方案与理想点或负理想点的联系度时,充分考虑了对立集合的存在;并通过引入联系向量距离的概念,计算相对贴近度,从而在一定程度上克服了传统TOPSIS法的不足。然后,在基于联系度的改进TOPSIS法中加入时间维,构建动态综合评价模型,对我国高技术产业自主创新能力进行分行业动态评价。第叁,基于柯布-道格拉斯生产函数和净现值法,对企业违约行为进行分析,从理论上初步解析了企业自主创新能力与信用风险的关系。在此基础上,构建高技术企业信用风险分析的Cox模型,将自主创新能力、财务因素、成长性、企业规模、地区因素和行业因素等作为协变量,通过Cox回归分析,实证检验上述因素对高技术企业信用风险的影响程度和影响方向,并考察引入自主创新能力对高技术企业信用风险评估结果的影响。第四,考虑到高技术企业信用评价指标体系中存在定性指标,本文对可处理定性指标的高技术企业信用评价方法进行了研究。针对传统云重心评判法的不足,借鉴TOPSIS法基本思想,基于理想状态和负理想状态,对综合云重心向量进行归一化,并采用修正的加权偏离度来衡量云重心的变化,由此提出一种改进的云重心评判法。将该方法应用于高技术企业信用评价,可较好的处理定性概念与定量表示的相互转换。第五,针对高技术企业信用状况的两类分类问题,提出一种基于多目标规划和支持向量机(SVM)的企业信用评估模型。基于TOPSIS法,分别以“正常企业”样本逼近理想点、“违约企业”样本逼近负理想点为目标,构建多目标规划模型;运用实码加速遗传算法求解得出指标综合权重,通过构造加权样本,减少两类样本企业信用状况的重迭,可在一定程度上提高SVM的预测精度。第六,针对高技术企业信用状况的多类分类问题,基于“非降维”的思路,提出一种基于投影寻踪和K-均值聚类的企业信用评级模型。首先,运用投影寻踪对样本企业进行信用综合评分,以反映原高维数据的结构或特征;然后,利用核密度估计法对信用综合得分序列进行分布密度估计,并根据密度函数的局部极大值点来确定初始聚类中心;最后,运用K-均值算法获得最终聚类中心,并划分企业信用等级,从而实现对样本企业的信用评级。
卢慕超[7]2017年在《基于深度置信网络的商业银行信用风险预测实证研究》文中提出信用风险是巴塞尔委员会定义的商业银行信用风险、市场风险、操作风险叁大风险之首,是现代商业银行面临的最重要的风险,也是导致商业银行破产的最常见的原因之一。2008年美国金融危机以及近几年我国商业银行不良资产迅速增长,都警示我们要时刻注意信用风险。提升信用风险度量和预警水平是提高风险防控能力的主要手段。2011年,中国银监会基于巴塞尔III出台了《中国银行业实施新监管标准指导意见》以及《商业银行资本管理办法(试行)》,规定达到条件的商业银行可以采用内评法计算风险加权资产,这就需要商业银行准确度量信用风险。目前国内信用风险管理度量预测研究方兴未艾,但由于诸多条件限制,商业银行信用风险度量能力距离国际发达国家还有不少差距。这些因素都迫切需要提升商业银行信用风险度量和预测研究水平。本文旨在学习借鉴国内外信用风险度量和预警的先进模型和最新的人工智能技术,结合我国国情,建立适合商业银行实际的信用风险度量实现系统。本文分别从理论和实践、技术和业务等多纬度展开研究,全面梳理信用风险预警系统、度量模型、实现工具,研究其基本理论和核心思想。在对我国股份制商业银行资产质量快速下滑的主因进行实证分析的基础上,基于信息爆炸时代大数据挖掘的特点,指出人工智能是提升信用风险度量能力的有力工具。本文在深入研究深度置信网络(Deep Belief Network,DBN)算法基础上,为使受限波尔兹曼机(Restricted Boltzman Machine,RBM)的在解决有监督学习问题时,充分挖掘标签数据特征,提出了基于分类分区受限波尔兹曼机的深度置信网络。为受限波尔兹曼机的隐含层单元参数增加分类分区惩罚项,惩罚项向量基于训练样本的标签值生成,服从高斯分布。该向量在系统初始化时确定,在训练过程中保持不变,每次训练根据标签分类决定所使用的惩罚向量。深度置信网络的第二阶段系统调优时取消惩罚项。增加分类分区惩罚项,可以增大训练时权重的不确定性,且根据标签分类不同,有倾向性的改变权重值的影响。改进后的算法对于阻止过拟合和学习不足有非常优异的效果。本文基于单户企业财务数据,建立了财务危机预警模型。基于大数据挖掘理念,针对人工智能系统与传统统计分类模型的区别,本文确定选取较大量的财务指标作为研究对象,将企业盈利与否作为预测的目标,建立基于分类分区受限波尔兹曼机深度置信网络的实证研究系统。对时间节点T的前叁年(T-1、T-2、T-3)叁个时间节点进行预测实证研究,叁个节点的第一类(危机)预测准确率分别为90.28%、88.24%h和84.20%。对样本量较少的第一类样本的分类准确率高于样本量较大的第二类样本的分类准确率。与相关工作相比预测准确率相对较高,也验证了改进后的算法对小样本数据的学习能力大幅提升。该实证研究初步搭建起商业银行信用风险单户财务危机预警系统框架,具有较高的实用价值。针对输入样本相同,输出为不同连续变量的多任务预测问题,提出了层次贝叶斯深度置信网络算法,提升有监督学习预测能力。本文利用A股上市公司财务报表进行了实证研究,预测的财务报表绝对误差较小,可信度较高,在具体指标预测上取得较大突破。有助于商业银行及其他机构预测企业未来经营状况,为各专业领域专家的分析提供可靠的数据依据。本研究成果,也可为其他度量模型提供可靠的中间数据,提高预测深度。本文研究的结论可以使商业银行系统开发人员根据自有数据对模型再次进行加工调整,经过简单的个性化改造后直接建立自有风险预警系统,应用于本行的管理实践。本文力图从金融机构经营实际需求出发,坚持理论与实践相结合,使科技真正成为促进经济发展的源动力。
吴雪莎[8]2013年在《我国商业银行中小企业信用评级指标体系研究与改进》文中研究指明随着我国市场经济开放程度的不断加大,中小企业在我国经济和社会发展中占据着越来越重要的作用。近年来,我国也出台了很多促进中小企业发展的政策,但是实际中中小企业的发展仍面临着很多问题,融资难就是阻碍其进一步发展的首要难题。尤其是自2011年以来,中小企业的民间融资频繁出现资金链断裂的现象,这更加剧了中小企业的融资难问题。因此在我国目前的金融发展阶段,商业银行依然会是中小企业贷款的首选对象,从市场供求出发,一方面中小企业为了发展亟需资金支持,另一方面银行为了调整贷款结构需要向中小企业发放贷款,这本是一个互补共赢的供求关系,但是在实际中,却存在着“银行授信难,中小企业融资难”的现象,究其原因,除了中小企业自身发展缺陷外,商业银行对中小企业信用评级指标体系的不完善也是一个重要的原因。我国中小企业行业经营范围广,但是资本规模小,发展不平衡,在管理、技术、人才、产品竞争力方面大都处于劣势,再加上一些中小企业信用意识薄弱,逃避和拖延银行债务的现象时有发生,严重影响了银行的经营效益,同时也对中小企业的形象造成了负面的影响,这些都是造成中小企业融资难的直接原因。除此之外,还有一个重要的原因来自于商业银行,虽然经过近几年的发展,大多数银行已经逐步形成了中小企业贷款评价标准,但是在体系建设上还不够完善,各个银行的评价标准不一,评价指标体系复杂,贷款审批时间过长,导致银行对中小企业贷款的低效性。目前我国多数商业银行对信贷员采取“谁贷款谁负责”的原则,在这种情况下,信用指标体系的不完善大大加剧了银行对中小企业贷款的否决率。因此,从银行方面看,不完善的、低效的中小企业信用评级严重影响了其对中小企业贷款的积极性。中小企业的特点决定了其融资难问题存在的必然性,而银行对中小企业信用评级手段和指标的不完善又从根本上加剧了这个问题。所以有效地评级手段和准确的评级指标是解决中小企业融资难问题的重要途径。因此针对融资难问题我们有必要对我国商业银行现行的中小企业信用评级体系进行改进和完善,使其在能更好的为中小企业进行服务的同时也能保护银行的资金安全和经营效益。目前,我国商业银行的中小企业信用评级指标体系已经逐渐开始建立,但是评级指标和指标权重方面或多或少都存在问题,比如评级体系中指标设置不科学、指标层次性不强、权重计算方法存在缺陷等问题,这些问题极易导致对中小企业评级结果的偏失,因此对中小企业的信用评级要针对中小企业的经营特点和管理模式选择合适的指标和评级方法。再者,各个银行的中小企业评价标准不一,选取的指标侧重点各有不同,导致不同银行对同一个中小企业的信用评价等级存在差异,银行的内部评级结果的自产自销模式,使得评级结果成为银行的自有资源。对企业来说,这种信息资源的不流通出现了对同一企业重复评级的现象,影响了企业获得银行贷款的效率；对银行来说,中小企业的评级成本高,这种高成本低收益的贷款不经济现象导致了供求衔接的不顺畅。因此,我们需要建立一种银行间统一的适合中小企业的信用评级体系,在银行间形成统一标准,实现中小企业信用评级的高效化、标准化。文章主要从我国中小企业的特点入手,在介绍国内商业银行中小企业信用评级体系的同时,发现其缺点和需要改正的地方,进而在总结和借鉴的基础上,重新构建了我国中小企业信用评级的指标体系。文章对中小企业信用评级指标体系的构建经过了定性指标的选取、定量指标的筛选和指标权重的确定叁个步骤,其中针对中小企业的特点和风险特征选取了14个具有代表性的定性指标；对定量指标的选取是从偿债能力、获利能力、发展能力、营运能力四个方面共计22个具体指标入手,运用聚类分析法,对随机选取的39家上市中小企业2011年的财务数据进行相关性检验,筛选出符合中小企业贷款“短、频、急”特点的非相关性指标,共计12个；指标权重的确定综合使用了层次分析法(AHP)和决策试验和评价实验室法(DEMATEL法),运用层次分析法确定了指标之间的重要程度,DEMATEL法确定了指标之间的相互影响程度,将指标的重要程度和影响程度相结合确定了最终的指标权重。在上述研究中,文章的创新点在于将指标之间的重要程度和影响程度结合起来确定指标的最终权重。传统的层次分析方法能够很好的将定性分析和定量分析很好的融合在一起来确定指标的权重,但是这种方法在指标关系上只考虑了指标之间的重要程度,并没有将指标间的影响程度考虑进去,仅仅运用层次分析法确定的权重并不是最终权重,应该将指标的影响程度结合到重要程度中去,这样对指标权重有一个优化作用,因此,文章使用了层次分析法(AHP)和决策试验和评价实验室法(DEMATEL法)将指标的重要程度和影响程度相结合确定了最终的指标权重。文章经过对商业银行现有的中小企业信用评级指标体系的分析,和对指标体系的改进构建,得出以下几个结论：1、商业银行的中小企业信用评级应该建立统一的指标体系。由于各个银行指标体系方面的差异,使得同一家中小企业在不同的银行间评级结果产生差异,差异性的存在一方面使得中小企业在银行融资中对评级的有机可寻,另一方面将或促使银行利用信用等级的差异,在对中小企业融资市场中使用非正当竞争手段。中小企业与银行的关系,不如大企业与银行之间的关系那样稳定、牢固,因此建立统一、有效的中小企业信用评级体系是非常有必要的。2、在中小企业的信用评级指标中,应该注重管理者素质和企业的创新能力。在本文得出的中小企业评级指标的各个权重中,管理者素质和企业的创新能力,尤其是创新产出,所占比重较大。对这两者的注重,一方面有利于银行发现优质中小企业,提高其贷款资金的安全性和回款的有效性；另一方面反过来又有利于中小企业注重这两个方面,对创新能力的注重,能够提高中小企业的市场竞争力,创新产出的增加有利于提高中小企业的利润,使其获得更大的发展空间。3、在评级指标权重的确定上,在考虑指标间重要程度的基础上也要充分考虑指标间的相互影响作用。运用层次分析方法确定的指标权重仅仅只是考虑了指标之间、因素之间的两两相比的重要程度,并没有考虑指标之间的相互影响程度,这种影响程度说明了某一个指标的变动带动的其他指标的变动程度,这种相互影响的变动程度在本质上对指标权重是有一定的修正作用的。因此,将指标间的影响度和重要性两者结合起来确定指标的权重是更加科学的方法。总之,对商业银行中小企业信用评级指标体系的分析和研究,将帮助我们更好的认识到商业银行在中小企业贷款评级中存在的问题,这些问题的解决有利于商业银行和中小企业合作关系的进一步发展,并最终促进双方的合作共赢。
高静[9]2012年在《Adaboost-BP方法在企业信用评级中的应用研究》文中进行了进一步梳理近年来，作为社会经济主体力量的企业越来越频繁地陷入了信用危机。企业的履约信用、商品服务信用和内部管理信用等问题严重地影响了我国经济正常运行秩序。经济活动的其他参与人也因此迫切需要一有效可行的手段对众多企业作出基本判断和区分。企业信用评级在此时则以其独立客观科学的评级结果为债权人、投资人乃至消费者提供了一个重要参考。而具体评级技术则是评级活动效率高低的一个关键因素。本文从已有评级方法的总结出发，在前人研究的基础上将神经网络方法确定为基本研究方向展开研究。主要内容有：首先通过归纳分析几大评级机构的企业信用评级指标体系，同时结合我国具体实际情况，确立了本文评级指标选取原则并完成了指标的选取。其次在科学的理论适用性分析基础之上将Adaboost-BP方法引用至企业信用评级这一领域。之后的实证分析过程先后运用非参数方法和主成分分析对样本数据进行预处理，然后使用MATLAB软件完成具体学习训练过程。通过实证分析得到的结果表明，Adaboost-BP方法在企业信用等级判别的准确率上明显高于BP神经网络方法，对原有的BP神经网络方法有着显着的提升作用。同时，就评级成本来看，Adaboost-BP方法也能更好地应用于实际。此外，其模式描述简洁、求解速度快、对噪音数据的容忍度高等特点都使得该方法可更有效地应用于企业信用评级。最后，本文分别从企业主体、企业信用评级机构和投资者的角度提出相关建议。
黄英婷[10]2006年在《我国商业银行的中小企业信用评级研究》文中研究说明国际信用评级制度经过长时期的发展，逐步形成了一套完善的理论和方法。信用风险分析正从主观判断法和传统的财务比率评分方法向以多变量、依赖于资本市场理论和计算机信息处理技术的动态计量分析为主的方法转变。我国商业银行的信用评估技术目前仍处在传统的比率分析阶段，针对中小企业的信贷评级则是参照大型企业的标准，没有一个专门针对中小企业的信用评级体系。由于不能客观正确地评价中小企业的信用状况，限制了商业银行对中小企业贷款的积极性，因此，出现了中小企业融资难问题。 本文拟从中小企业信用评级方法的选择入手，在对比研究有关企业信用评级方法的基础上，借鉴国外先进评级机构的经验，针对我国中小企业特点，建立以中小企业信用评级指标体系的优化设计、基于叁层BP神经网络为核心的中小企业信用评级模型，发挥神经网络超强的自学习和非线性处理能力。通过对30家样本企业信用数据的学习训练，弱化了权重确定中的人为因素影响，并利用V-fold Cross-Validation方法验证了BP网络模型的精确性，这种做法是对中小企业信用评级模型建立的一种尝试。
参考文献：
[1]. 基于神经网络和专家系统结合的企业信用评级研究[D]. 陈雄华. 厦门大学. 2002
[2]. 基于神经网络专家系统的信用风险度量方法研究[D]. 许珏. 南京理工大学. 2007
[3]. 基于混合型专家系统的企业信用评估研究[D]. 张柳园. 厦门大学. 2002
[4]. 商业银行内部信用评级与支持向量机应用研究[D]. 李波. 东南大学. 2005
[5]. 基于神经网络的数据挖掘技术对民营企业信用评级研究[D]. 赵小艳. 吉林大学. 2007
[6]. 高技术企业信用风险影响因素及评价方法研究[D]. 张目. 电子科技大学. 2010
[7]. 基于深度置信网络的商业银行信用风险预测实证研究[D]. 卢慕超. 太原理工大学. 2017
[8]. 我国商业银行中小企业信用评级指标体系研究与改进[D]. 吴雪莎. 西南财经大学. 2013
[9]. Adaboost-BP方法在企业信用评级中的应用研究[D]. 高静. 兰州商学院. 2012
[10]. 我国商业银行的中小企业信用评级研究[D]. 黄英婷. 暨南大学. 2006
标签：自动化技术论文; 专家系统论文; 信用风险论文; 企业信用评级论文; 商业银行论文; 商业银行资本管理办法论文; 信用评分模型论文; 银行风险论文; 中小企业贷款论文; 中小企业融资论文; 神经网络模型论文; 银行信用论文; 预测模型论文; 银行系统论文; 系统评价论文; 分类数据论文; 能力模型论文; 主体信用评级论文; 金融论文; 信用系统论文; 信用政策论文;