基于BP神经网络的行业间中小企业信用评估模型及应用.docx

第37卷第24期数学的实践与认识V01．37 No．242007年12月MATHEMATICS IN PRACTICE AND THEORY Decem．·2007基于BP神经网络的行业间中 小企业信用评估模型及应用王凯1，黄世祥2(1．安徽农业大学应用数学研究所．安徽合肥 230036)(2．安徽农业大学管理科学学院．安徽合肥 230036)摘要：首先构建了行业间中小企业信用评估指标体系，然后利用安徽省不同行业的800家中小企业调查 数据，将其分为训练样本集和测试样本集，对BP神经网络的构造进行讨论．确定BP神经网络的算法．建立起 基于BP神经网络的行业间信用评估模型，并代入2003年度全国农业和工业的部分分行业数据进行实证．并 对仿真结果做出分析．指出造成农、工行业信用较大差距的原因，并提出加强农业行业信用建设的建议． 关键词：BP神经网络；信用评估f比较分析1引言人工神经网络(Artificial Neural Network)是人类在对大脑神经网络认识理解的基础 上人工构造的能够实现某种功能的神经网络．是理论化的人脑神经网络的数学模型，基于模 仿大脑神经网络结构和功能而建立的一种信息处理系统．而BP学习算法是由Rumelhart等 于1986年提出，BP神经网络是一种具有多层结构的神经网络，除了输入层和输出层，还有 中间的部分称为隐含层，由于BP神经网络的多层次性，其激活函数所划分的区域不再是线 性可分的，而是由一个非线性的超平面组成的区域，从而其分类比线性划分精确合理，这种 网络的容错性较好．另外在BP神经元中可以使用任何可微的函数作为传递函数，可以严格 利用梯度法进行推算，权值修正的解析式十分明确．由于神经网络的这些优点，在20世纪90 年代，被引入银行业用于信用风险管理．1992年，Jensen利用BP网络对贷款企业进行分类， 分类准确率达到了76—80％[1】，1994年，C0ats和Pant使用神经网络分析法预测了美国公 司和银行的财务危机[2]，2002年，Reshmi Malhotra，D．K．Malhotra利用神经模糊系统对 “信用好”和“信用差”的贷款企业进行了辨识[3]．在中国，利用神经网络技术对信用风险的研 究起步较晚，2001年，郝丽萍，胡欣悦，李丽利用BP网络模型对商业银行信贷风险进行分析 和预测[‘]．2003年庞素琳、王燕鸣、黎荣舟在2003年利用神经网络中的BP算法建立了企业 信用风险评价模型[5]．现有的利用BP神经网络建立的信用评估模型，主要是针对企业个体进行信用评估，而 BP神经网络主要是通过神经网络的自学习性建立的黑箱模型，在学习过程中还是存在一定 误差，并不完全适合对企业个体的精确评估．但是针对行业总体的信用评估，仅从宏观上掌 握行业的信用状况，利用BP神经网络建立模型却要比传统统计分析更加的方便和快捷．本 文通过对安徽省800家不同行业中小企业的调查，将其分为训练集和测试集，建立起行业间收稿日期：2007·08一13万方数据48数学的实践与认识37卷中小企业信用评估模型，并对2003年度全国农业和工业(部分)分行业数据仿真分析，进一 步提出缩小农业和工业信用水平之间差距的建议．2基于BP神经网络的行业间中小企业信用评估模型2．1评估指标体系的构建 以美国经济学家沃尔沃创立的指标法为基础，建立行业间中小企业信用评估指标体系．其中包含偿债能力指标，财务效益指标，资金营运指标和发展能力指标，如图1：图1行业信用评估指标体系图2．2BP神经网络模型的建立2．2．1指标预处理 通过对安徽省800家各行业中小企业的调查，设企业的各指标值为z“其中i=1，2，，13；．『=1，2， ，800．设分别服从正态分布． 1．同趋势化处理由于指标体系中既有效益型指标，又有成本型指标和适度型指标，对于企业信用评估的 作用不同，所以首先进行同趋势化处理．对于适度型指标，流动比、速度比，由于大部分中国 中小企业都达不到国际标准，所以直接视为效益型指标，而资产负债率作为成本型指标，与 企业信用值成反方向变化，所以取资产负债率的倒数，使起同方向变化．从而将指标同趋势 化处理．2．无量纲化处理 由于指标有着不同单位和数量级，所以还要对指标进行无量纲化处理，可以通过标准化实现：Z，一—兰兰=兰t一，^√Zfj／(，2—1) 3．归一化处理万方数据24期王凯．等：基于BP神经网络的行业间中小企业信用评估模型及应用 49为了加快网络收敛速度，进一步对指标进行归一化处理：设第i个指标数据中的最大绝对值为IqI：Iz。l≥lz珏l，五=1，2，，800．则zk=亡备，五∈[一1，1]．I山U I2．2．2BP神经网络的构造及模型2．2．2．1隐层神经元个数的确定根据具有单隐层的BP神经网络可以映射任意连续函数