浅谈金融风险预警的RST—FNN模型论文.docxVIP

神经网络金融论文范文:浅谈金融风险预警的RST-FNN模型 论文 金融风险预警的RST—FNN模型论文 摘要：将粗糙集理论（RST）与模糊神经网络（FNN）相结合，提出 了一种基于粗糙集理论的模糊神经网络（RST-FNN）模型。新模型利 用粗糙集的知识约简对样本数据去噪消冗，提取最优规则，从而克服 模糊神经网络的“维数爆炸”灾难。实例仿真的结果表明，该模型的 预测准确性较高，見具有结构精简、收敛速度快及泛化能力强等特点。 关键词：金融风险预警；模糊神经网络；粗糙集理论 1009-3044 （2013） 31-7078-05 1概述 近十年多来，亚洲金融危机、美国次贷危机及欧债危机等金融 危机的频繁爆发使得金融风险预警领域备受国内外金融业界的关注。 随着人工智能技术的发展，以神经网络为代表的智能类风险预警策略 越来越受到研究人员的重视，并取得了丰富的研究成果，然而单一的 智能技术如神经网络等技术存在“早熟”、“收敛慢”、“黑箱操 作”等缺陷，导致了单一技术在金融风险预警实践应用中存在大量的 争议⑴。 模糊神经网络(Fuzzy Neural Network, FNN)将模糊理论与 神经网络相融合，汇集了模糊逻辑与神经网络的优点，且处理结果直 观、易于解释，广受金融业界好评。但模糊神经网络也存在“维数灾 难”等缺陷，限制了模糊神经网络在金融风险管理领域中的应用［2］。 为此，该文试图将