| 【中文题名】 | 基于神经网络的信用评估模型的研究 |
| 【英文题名】 | Research of Credit Rating Model Based on Neural Network |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-12-12 |
| 【中关键词】 | 神经网络,BP算法,信用风险,指标体系,信用评估模型, |
| 【英关键词】 | Neural Network,BP Algorithm,Credit Risk,System Index,Credit Rating Model, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文首先介绍了数据挖掘技术和神经网络技术的发展现状，及其应用领域。接着论述了目前国际和国内企业、个人信用评分现状，应用的主要评分方法，以及这些方法在实际应用中的缺点和不足。进而利用前向神经网络的学习能力、非线性处理能力和容错能力，依据企业的各项信用指标，提出并设计了基于神经网络的信用评估模型，弥补了其他方法的不足。模型的建立包括企业、个人评分方法的分析、评分指标体系的确定、样本数据的预处理和BP算法神经网络结构的设计。最后，根据实际应用提出了对BP算法的改进方法。这一评分模型的提出，对信用评估机构和金融机构提供了科学管理和正确决策的依据，同时也为解决同类问题以及神经网络应用于其他领域提供一条良好的途径。 |
| 【论文题纲】 |
|
第一章 绪论 |
21-24 |
|
1.1 课题的提出 |
21-22 |
|
1.2 国内外研究现状及发展趋势 |
22 |
|
1.3 论文的结构 |
22-24 |
|
第二章 数据挖掘技术 |
24-40 |
|
2.1 数据挖掘技术概述 |
24-25 |
|
2.2 数据挖掘技术和其它方法的联系 |
25-30 |
|
2.2.1 数据挖掘与传统分析方法的区别 |
25 |
|
2.2.2 数据挖掘与数据库、数据仓库技术 |
25-29 |
|
2.2.3 数据挖掘和联机分析处理 |
29 |
|
2.2.4 数据挖掘，机器学习和统计 |
29-30 |
|
2.3 数据挖掘研究技术与方法 |
30-33 |
|
2.3.1 数据挖掘研究的内容 |
30-32 |
|
2.3.2 数据挖掘研究应用的主要技术 |
32-33 |
|
2.4 数据挖掘的流程 |
33-34 |
|
2.5 数据挖掘解决的典型商业问题 |
34-35 |
|
2.6 神经网络技术 |
35-40 |
|
2.6.1 神经元模型概述 |
35-37 |
|
2.6.2 神经网络的工作原理 |
37-38 |
|
2.6.3 神经网络的特点 |
38-39 |
|
2.6.4 神经网络的应用领域 |
39-40 |
|
第三章 现代信用风险概述 |
40-49 |
|
3.1 信用风险的定义 |
40 |
|
3.2 信用风险的成因 |
40-41 |
|
3.3 信用风险度量模型 |
41-49 |
|
3.3.1 模型概述 |
41-42 |
|
3.3.2 企业信用风险评估方法 |
42-44 |
|
3.3.3 企业信用评估体系 |
44-46 |
|
3.3.4 个人信用风险评估方法 |
46-49 |
|
第四章 前馈神经网络 |
49-57 |
|
4.1 前馈神经网络概述 |
49-52 |
|
4.1.1 网络结构 |
49 |
|
4.1.2 学习方法 |
49-50 |
|
4.1.3 转移函数 |
50-52 |
|
4.1.4 误差函数 |
52 |
|
4.2 误差反传(BP)算法 |
52-57 |
|
4.2.1 BP网络模型 |
52-53 |
|
4.2.2 三层BP学习算法 |
53-55 |
|
4.2.3 BP算法程序实现 |
55-57 |
|
第五章 基于神经网络的企业信用评估模型 |
57-71 |
|
5.1 企业信用风险评估的课题背景 |
57-58 |
|
5.2 国内外商业银行企业信用评估的现状 |
58 |
|
5.3 企业信用评估指标体系 |
58-59 |
|
5.4 企业信用评估神经网络模型 |
59-64 |
|
5.4.1 指标体系标准化处理 |
60-61 |
|
5.4.2 神经元转移函数的选择 |
61-62 |
|
5.4.3 模型构造 |
62-63 |
|
5.4.4 学习算法 |
63-64 |
|
5.5 模型仿真 |
64-70 |
|
5.5.1 指标体系数据标准化处理 |
64-68 |
|
5.5.2 模型仿真 |
68-70 |
|
5.6 模型评价 |
70-71 |
|
第六章 基于神经网络的个人信用评估模型 |
71-79 |
|
6.1 个人信用评估课题的背景 |
71-72 |
|
6.2 国内外商行消费者信用评估现状 |
72 |
|
6.3 个人信用评估指标体系 |
72-73 |
|
6.4 个人信用评估神经网络模型 |
73-78 |
|
6.4.1 指标数据标准化处理 |
73-76 |
|
6.4.2 神经元转移函数的选择 |
76 |
|
6.4.3 模型构造 |
76-77 |
|
6.4.4 学习算法 |
77-78 |
|
6.5 模型评价 |
78-79 |
|
第七章 结论 |
79-81 |
|
7.1 论文进行的研究和主要工作 |
79 |
|
7.2 模型修正方法和下一步工作打算 |
79-81 |
|
致谢 |
81-82 |
|
主要参考文献 |
82-83 |
|
| 【DOI】 | LunWen.ID:2.2008.386824 |
