基于SOC网络的商业银行信用风险识别模型

• 作者: 宋东红 李家军 樊艳红 薛笑荣
• 来源期刊: 计算机仿真
• 学科: 社会科学
• 关键词: 自组织竞争神鲐网络 主成分分析 信用风险识别 商业银行
• 年，卷（期）: 2009,（12）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 249-252
• 页数: 4页
• 分类号: CF8
• 字数: 3969字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2009.12.065

摘要

针对自组织竞争(SOC)神经网络在解决模式分类问题上的优势,结合主成分分析法来构建商业银行信用风险识别模型.首先构造一套用于描述贷款企业信用状况的指标体系,然后使用主成分分析法提取特征指标,再采用SOC神经网络进行非监督分类.通过选取陕西省2007年度在沪、深两市交易的26家上市公司作为样本进行实证分析,实证结果表明:模型对信用风险具有较强的识别能力,同时对商业银行还有较好的预测功能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李家军	西北工业大学经济学系	60	420	11.0	19.0
2	樊艳红	西北工业大学应用数学系	9	46	4.0	6.0
3	宋东红	西北工业大学经济学系	2	14	2.0	2.0
4	薛笑荣	北京工业大学机电学院	4	25	3.0	4.0