BP神经网络在城市信用社信贷风险评估中应用.docVIP

BP神经网络在城市信用社信贷风险评估中应用 　　[摘 要]为加强城市信用社对中小企业信贷风险管理的科学性和有效性，本文从城市信用社利益角度出发，建立了中小企业类客户信用评价体系，并建立了基于BP神经网络的信贷风险评估模型。实证研究证明了该模型的合理性。此模型能够为城市信用社管理层的信贷工作提供决策支持。 　　[关键词]城市信用社 中小企业 信贷风险评估 BP神经网络 　　 　　一、引言 　　 　　经过20多年不断规范和发展，城市信用社成为城市金融的重要组成部分，为中小企业客户的融资和民营经济发展提供许多有效支持，有力推动了地方经济的发展。随着金融业的全面对外开放，金融市场竞争也日趋激烈。股份制商业银行有很强的信贷营销队伍和规范的信用评价体系，而城市信用社规模相对较小，信贷风险评估体系不够健全。城市信用社需要利用IT技术及先进的管理思想来挖掘有价值的客户和规避金融风险。本文将数据挖掘中的神经网络应用于城市信用社中小企业类客户的信贷风险评估，从而实现对客户群体信用度的分类和分析，为城市信用社管理层提供决策支持。 　　 　　二、BP神经网络概述 　　 　　BP神经网络可以应用于城市信用社信贷风险管理，在大量数据中提取客户信息。神经网络是大量的神经元广泛互联而成的网络，它反映了人脑功能的许多基本特性，具有大规模并行、分布、存储、处理、自适应、自组织和自学习能力，因此而积累只是和经验，从而不断修正自己的知识。特别适用于处理需要同时考虑许多因素和条件的模糊信息问题。最常用的是BP神经网络，是一单向传播的多层前向网络。BP 神经网络通常由三个层次组成：输入层、隐含层和输出层。BP算法主要是利用实际输出与期望输出之差对网络的各层连接权由后向前逐层校正。BP神经网络的优点只要有足够的隐层和隐节点，就可以逼近任意的非线性映射。三层BP神经网络结构模型如图1。 　　图1三层BP神经网络结构模型 　　 　　三、应用实例 　　 　　以浙江省某城市信用社中小企业客户实际情况建立评价指标体系，如下图2所示。 　　图2 城市信用社中小型企业类客户信贷风险评估体系 　　本研究的样本来源：本人在浙江省某城市信用社有实习经历，数据部分来源于信用社内部客户信用资料。缺失指标数据通过信用社客户经理的人脉网络，采用问卷调查形式获得企业的调查数据。本研究共发放200份问卷，问卷回收率为30%；通过E-mail形式发放100份，问卷回收15%。有效问卷60份，5份因缺失值太多而无效。限于篇幅，未列出原始数据。 　　设企业的各指标为xij，其中i=1，2，…，15；j=1，2，…，70；其中60家作为训练样本，剩余10家作为测试样本。 　　第一步，将原始数据进行归一化处理 　　对于主观性指标来说，需要将等级对应于相应得数字，将定性变量予以量化。指标体系中包括效益型指标、成本型指标和适度型指标，需要进行处理。按照以下原则对数据进行标准化处理。对于某个指标i来说，当目标越大评价越好时，rj=(xj-xmin)/(xmax-xmin)；当目标越小评价越好时，rj=1-(xj-xmin)/(xjmax-xmin)； 　　在某一固定区间为优型指标处理如下： 　　X∈[xmin,xavg]时，rj=(Xj-xmin)/(xavg-xmin)；X∈[xavg,xmax]时，rj=(Xj-xmax)/(xavg-xmax) 　　第二步，构造BP神经网络模型 　　构造三层BP神经网络对城市信用社中小企业客户信用进行评估，其中输入层节点为15，对应评价体系中的指标；输出层节点数为1，输出值为信用评估值。由于输入数据在[0，1]之间，所以从输入层到隐层采用LOGSIG转换函数，从隐层到输出层采用PURELIN转换函数，并采用trainlm算法来训练网络，隐层的单元书与输入/输出单元的数目直接相关，根据经验公式（其中m为隐含层节点数，n为输入层节点数，a为1-10的常数），本文取隐含层节点数为5。 　　（1）输入层到隐层函数， 　　 　　 ；其中 ，R=(r1,r2,…r15)T， Z=(z1,z2, …Z5) T， W为连接权值初值随机设置， θ(1)为隐层节点阈值。 　　（2）隐层输到输出层函数 　　其中g（x）为线性函数purelin，是可微函数，其输出可以是任意值。θ(2)为输出层节点阈值。V是隐层到输出层到连接权值。 　　(3)BP学习算法 　　设第k次迭代样本的输出值与期望输误差误差 　　，按下式修正权值 　　，其中αE△w(k)= α[w(k)-w(k-1)]，其中α为动力因子η为学习速率，循环迭代k=k+1，直到误差小于0.01。 　　通过MATLAB进行仿真实验。对60个样本数据进行训练，经过2391次的训练，目