基于粗糙集神经网络的商业银行信贷风险研讨.pdf

基于粗糙集神经网络的商业银行信贷风险研究 基基于于粗粗糙糙集集神神经经网网络络的的商商业业银银行行信信贷贷风风险险研研究究 1 2 王吉培 张志伟 王王吉吉培培 张张志志伟伟 （1.西南财经大学统计学院 2.西南财经大学统计学院） 摘要: 摘摘要要:: 本文在对信贷风险的涵义和特点进行分析的基础上提出了一种基于粗糙集BP神经网络预测 方法。该方法克服了单纯的BP神经网络方法因为数据量太大、处理速度慢、解释能力差等缺点。结 果表明，与传统的logistic回归模型相比，粗糙集一神经网络系统对检验样本预测精度更高，是一种 更为有效和实用的分类方法。 关键词 关关键键词词：粗糙集； BP神经网络； 信用风险； logistic 中图分类号 F830 文献标识码 A 中中图图分分类类号号: FF883300 文文献献标标识识码码:AA Study ofCommercial Bank’sLoan SSttuuddyy ooffCCoommmmeerrcciiaall BBaannkk’’ssLLooaann BasedonIntegrationofRoughsetsandNeuralNetwork BBaasseeddoonnIInntteeggrraattiioonnooffRRoouugghhsseettssaannddNNeeuurraallNNeettwwoorrkk JipeiWang ZhiweiZhang JJiippeeiiWWaanngg ZZhhiiwweeiiZZhhaanngg SchoolofStatistics,SouthWestUniversityofFinancialandEconomic Chengdu, Sichuan610074, P. R.China Email:wangjip_001@163.com Abstract: AAbbssttrraacctt:: The paper analyses the meanings and characteristics of the credit risk, then, the integration model of rough sets and neural network is investigated.and proposed for forceasting. The system reduces the training data of BP neural network, and overcomes the disadvantage of great data and slow speed and poorexpention.Empiricalresultsshowsthat，comparing with logistic model，integrationmodelofrough setsandneuralnetworkisaneficientandpracticaltooltoevaluatecreditriskoftestingsamples. Key words： KKeeyy wwoorrddss：：Roughsetmodel; BPneuralnetwork; Creditrisk; logistic 0 引言 00 引引言言 信贷风险是商业银行面临的主要风险。商业银行作为现代金融体系的主体部分，其信贷风险管 理水平将对国家经济安全产生直接的影响。目前，我国对信贷风险的管理与量化研究尚处在起步阶 段，在理论上尚有许多问题值得探讨。 从国内外信用风险模型的应用来看，主要流行实用的方法要数多元判别模型、Logistic回归模 型和神经网络模型。多元判别模型典型的代表有Altman的Z-Score模型和ZETA模型对