基于BP神经网络的商业银行零售客户信用评价研究

发布时间：2017-07-08 13:23

  本文关键词：基于BP神经网络的商业银行零售客户信用评价研究

  更多相关文章： 信用评价 风险评估 BP神经网络 遗传算法

【摘要】：信用是市场经济的基础,国家信用、企业信用和个人信用共同构建成了完整的信用体系,完善的信用体系对推动经济的稳健运行具有非常重要的意义。个人信用制度是整个社会信用制度的基石,完善的个人信用制度是建立社会市场经济秩序和防范金融风险的有效保证。良好的个人信用体系能够推动消费信用的迅速发展,扩大内需,进而拉动经济增长。随着我国消费信用市场的不断发展,个人信用评估中存在的问题越来越受到理论界和学术界的关注。客观综合地评价个人信用,可以为商业银行发放消费信贷、发展个人金融业务提供科学、及时、有效的决策依据,显著降低信用风险,提高信贷决策效率。个人信用评估是当前金融领域中亟待解决的重要实践问题,也是学术界面临的一个严肃而紧迫的课题。由于我国信用建设起步较晚,社会征信体系不完善,既缺乏个人信用评估的相关资料,又缺乏专业的研究人员和评估机构,导致国内目前没有相对统一合理的个人信用评分体系,因此,对我国商业银行零售客户的信用评价进行研究具有重要的现实意义。本文尝试将BP人工神经网络模型运用到我国商业银行零售客户信用评价的实践当中,重点探讨了BP神经网络模型在零售客户信用风险评估体系中的应用。文章首先阐述了个人信用和个人信用评价的相关理论和方法,并重点介绍了BP神经网络基本原理和运行流程,及其在商业银行信用评价的适用性。然后利用BP神经网络的自学习能力、非线性处理能力和容错能力,在选取个人信用评价指标参数的基础上,构建了基于BP神经网络的零售客户信用评价模型,并利用MATLAB软件对模型进行了仿真实现,得到了较好的预测效果。考虑到BP神经网络在训练过程中,网络的权值和阈值可能会陷入局部最优值,因此提出用遗传算法对BP神经网络的权值和阈值进行优化,并用MATLAB软件对优化模型进行了仿真实证分析,结果发现优化模型的均方误差更小,预测精度更高。
【关键词】：信用评价 风险评估 BP神经网络 遗传算法
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.33;TP183
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-18
• 1.1 选题背景及意义12-13
• 1.2 文献综述13-16
• 1.2.1 国外文献综述13-15
• 1.2.2 国内文献综述15-16
• 1.3 研究内容及研究方法16-17
• 1.3.1 研究内容16-17
• 1.3.2 研究方法17
• 1.4 主要创新点17-18
• 第2章 个人信用评价的内涵及方法18-27
• 2.1 个人信用评价的概念18-20
• 2.1.1 个人信用及个人信用风险18-19
• 2.1.2 个人信用评价19-20
• 2.2 个人信用评价的方法及模型20-26
• 2.2.1 定性分析方法20-22
• 2.2.2 定量分析方法22-26
• 2.3 本章小结26-27
• 第3章 BP神经网络的原理及算法27-36
• 3.1 人工神经网络的内涵27-28
• 3.2 人工神经网络的学习规则28-29
• 3.3 人工神经网络的代表模型29-30
• 3.4 BP神经网络的基本原理30-31
• 3.5 BP神经网络的学习算法31-33
• 3.6 BP神经网络的运行流程33-34
• 3.7 BP神经网络的算法改进34-35
• 3.8 BP神经网络对零售客户信用评价的适用性分析35
• 3.9 本章小结35-36
• 第4章 基于BP神经网络的零售客户信用评价指标参数的选取与取值36-43
• 4.1 零售客户信用评价体系指标的设置原则36-37
• 4.2 零售客户信用风险评价指标体系构建与参数选取37-38
• 4.3 模型指标参数的细分及取值38-42
• 4.4 零售客户信用等级的划分42
• 4.5 本章小结42-43
• 第5章 基于BP神经网络的零售客户信用评价模型的构建与优化43-51
• 5.1 基于BP神经网络的零售客户信用评价模型的构建43-47
• 5.1.1 数据的收集和规范化处理44-46
• 5.1.2 BP神经网络模型结构的确定46-47
• 5.2 遗传算法对BP神经网络信用评价模型的优化47-50
• 5.2.1 遗传算法实现48-50
• 5.2.2 遗传算法优化BP神经网络的算法流程50
• 5.3 本章小结50-51
• 第6章 基于BP神经网络的零售客户信用评价模型的实证与测试51-58
• 6.1 BP神经网络模型的仿真模拟51-54
• 6.1.1 BP神经网络的训练51-52
• 6.1.2 BP神经网络的测试52
• 6.1.3 结果分析52-54
• 6.2 遗传算法优化BP神经网络的仿真模拟54-57
• 6.2.1 优化模型训练54-55
• 6.2.2 优化模型测试55-56
• 6.2.3 结果分析56-57
• 6.3 本章小结57-58
• 结论58-60
• 参考文献60-63
• 致谢63

【相似文献】

中国期刊全文数据库 前4条

1 庄乃琪;;上海移动集团客户信用评价模型研究[J];科技信息;2012年17期

2 侯X;陈谊;巩丽伟;;基于客户信用评价模型的营销管理系统[J];计算机工程与设计;2012年10期

3 朱志华;;电力客户信用评价与欠费风险预警系统的总体设计[J];现代计算机(专业版);2009年01期

4 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 李军;陈士俊;张云起;;基于FA-BP网络的客户信用评价[A];第八届中国管理科学学术年会论文集[C];2006年

2 张云起;赵国杰;;基于BP神经网络的客户信用评价和管理[A];中国市场学会2006年年会暨第四次全国会员代表大会论文集[C];2006年

3 卢雯嘉;李杨;栗秋华;周林;;基于遗传算法和BP神经网络的大电力客户信用评价模型[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

4 叶武;林成德;刘震宇;;基于神经网络的客户信用评价系统[A];新经济环境下的会计与财务问题研讨会论文集[C];2002年

中国硕士学位论文全文数据库 前7条

1 王卓恺;基于BP神经网络的商业银行零售客户信用评价研究[D];湖南大学;2015年

2 李超;基于数据挖掘的电信C网客户信用评价研究[D];西南财经大学;2013年

3 杨宝清;红河供电局电力客户信用评价[D];华北电力大学（北京）;2007年

4 许东辉;电力客户信用评价研究[D];华北电力大学;2011年

5 张鸿;航运企业客户信用评价及预警系统研究[D];上海海事大学;2007年

6 封期康;多属性决策支持向量机的银行客户信用评价研究[D];中南大学;2013年

7 杨明;B2C中客户信用评价模型的探讨[D];华中科技大学;2007年

，

本文编号：534767