组合模型在商业银行信用风险评估中的研究

• 作者: 朱金华
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 粗糙集 神经网络 信用风险 商业银行
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 361-364
• 分类号: TP301
• 字数: 3227字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.09.091

摘要

研究商业银行信用风险评估问题,商业银行信用风险评评估涉及指标相当多,各指标间呈非线性关系且存在严重冗余信息,传统评估方法不能很好消除冗余信息,只能反映指标间的线性关系,导致风险评估准确率低.为了提高商业银行信用风险评估的准确性,提出了一种粗糙集理论(Rs)和BP神经网络(BPNN)相结合的商业银行信用风险评估组合模型(RS_BPNN).新模型首先利用粗糙集理论对各评估指标进行指标约筒,消除指标间的冗余消息,简化神经网络的网络结构,然后将约简后的数据输入非线性预测能力优异的BP神经网络进行训练,得到商业银行信用风险评估模型,最后采用中国工商银行某分行数据对组合模型进行仿真试验.仿真结果表明,与传统的BP神经网络模型相比,组合模型加快了网络的运算速度,提高风险评估准确率,获得评估结果更具科学性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱金华		10	23	2.0	4.0