神经动力学模型在信用评级中应用.PDF

神经动力学模型在信用评级中的应用 孟庆福，邓宏雨 （吉林大学商学院，吉林 长春 130012 ） 摘要 ：本文主要介绍神经动力学模型在信用评级问题上的应用。首先简要说明什么是神经动力学；然后简介神经动 力学模型中的Hopfield 模型、BSB 模型和多层感知器（MLP ）模型，再说明如何将神经动力学应用于信用分类问题； 最后对这种应用做出评价。 关键词 ：神经动力学；神经网络；Hopfield 模型；BSB 模型；MLP 模型；信用分类 中图分类号：F224.0 文献标识码：A 1 引 言 神经网络在最近 20 年中得到了迅速的发展，有关的论文及著作已有许多，而神经网络与数学中 动力学系统理论的交叉结合（称之为神经动力学）虽也有所发展，但是在应用上却不是很广泛。 神经细胞或者叫做神经元是神经网络的结构单元，也是它的功能单元，神经网络的研究只把神 经元作为构成神经网络的基本元件，而不把它本身也当作一个更下一层次的元件——细胞膜上的膜 电容、膜电导和各种离子通道等所构成的系统。 在自然界中，有千变万化的现象，从这些现象出发，可以用各种数学模型去描述，但是总体上 可以分为两大类，一类是确定性的数学模型，另一类是随机性的数学模型。而在确定性的数学模型 中最普遍的是动力学模型，即系统的状态随时间演化的过程的模型。 事实上，神经动力学具有固定的权重、外部的输入、内部的状态，可以将它看成以权重、外部 输入作为参数的关于内部状态的行为动力学，也可以看作权学习的动力系统。广泛一点说神经网络 可以看作是权矩阵空间和输入输出状态空间的 Dicard 乘积下的一个动力学系统。 而在信用风险管理中，信用的评估是其中重要的组成部分。信用评估的目的是控制信用风险。 对于信用的提供者来说，信用评估为是否授信提供了决策基础。持续的评估可以帮助信用管理者监 测客户的账户。对于现金充足的大公司来说，对银行的评估有助于帮助他们决定分别应在各家银行 存入多少钱。对于寻求贷款的企业，几个银行的评估有时可以指导她们选择合适的银行来借款。 许多大的公司、银行、政府以及政府机构现存的债务都有各自的信用评级。评级通常是由穆迪 （Moody’s）标准普尔（StandardPoor’s ）和惠誉（IBCA）这样的专业机构完成的。根据企业评级 结果，银行可以决定对该企业的贷款使用何种等级的贷款利率。例如，一个信用等级较低的企业贷 款利率会比较高 。企业可以利用银行评级来决定它们在银行的存款额 度。 在信用评级中，最重要的一个环节就是对企业的信用等级进行分类。从一般意义上讲分类问题 可以归结为映射： ( ( f )A )B → A B → F ： 1 其中 A 表示分类对象特征的数据集合，在风险分类中，即流动比率、速动比率、债务/权益比率、 存货周转率、应收账款周转率、固定资产周转率、营运资本周转率、毛利率、总资产报酬率、和股 东权益报酬率等关键指标值的集合；B 表示分类结果，如 AAA 、A 、BBB 等。 在目前的企业信用评级中，Z 值评分制是是评估公司财务能力的一种统计方法。在 Z 值模型中， 那些关键的财务比率被赋予不同的权重，利用这些比率可以计算出一个得分。如果一个公司的 Z 值 低于一定水平，那么它将被认为有很高的潜在信用风险。Z 值评分在长期的信用决策中比较有用， 特别是对银行的帮助很大。但是银行对 Z 值评分的可靠性常常有自己的看法。他们会或多或少使用 Z 值评分或类似的信用评分模型，但是这些可能只是它们对客户进行信用分析的一部分。然而，在 我国，Z