基于GA-BP神经网络的互联网金融企业信用评价研究

发布时间：2020-05-26 19:41

【摘要】：互联网金融填补了传统金融服务和社会投融资需求的空档,同样也暴露了许多问题,最严重的是一些互联网金融企业游走于无门槛、无标准、无监管的边缘,随意进出互联网金融市场。如果这些企业出现问题,损失的就是投资者和参与者利益,危害的就是互联网金融市场秩序,本文研究的目的是通过对互联网金融企业的信用评价,为企业开展互联网金融业务提供准入标准、为消费者选择互联网金融产品提供选择标准、为企业提升自身互联网金融业务能力提供改进标准、为相关监管机构及部门监管提供科学的参考标准。本文从评价互联网金融企业信用的角度出发,将互联网金融能力指标纳入到互联网金融企业信用评价体系中,运用SEM模型构建了一套包含14个指标的反映互联网金融企业信用等级的评价指标体系,并在此基础上将GA-BP神经网络模型应用于互联网金融企业的信用评价,构建了基于BP神经网络与GA-BP神经网络的预测评价模型。利用具有代表性的57家上市互联网金融企业的171组样本数据进行训练和仿真,选取其中三家企业的9组数据作为测试样本,对样本企业的信用等级进行预测和分析。实验验证表明,BP神经网络在评价互联网金融企业信用方面具有很好的预测效果,同时经过遗传算法优化后的BP神经网络比原始的BP神经网络具有更好的训练效果和预测效果,能够更加有效的对互联网金融企业进行信用评价。
【图文】：

图 1-1 论文研究框架图1.5 论文的创新点（1）评价指标体系的创新。与传统的企业信用评价相比，互联在评价指标的建立上要融入互联网金融因素，本文在查阅了相关文献将涉及到互联网金融因素的一些定性和定量指标进行搜集和归纳，将定量指标纳入互联网金融业务能力类指标中，与基本财务能力类指标类指标一起构建完整的互联网金融企业信用评价指标体系，基于结构行指标约简，从而得到更具代表性的评价指标体系。（2）研究方法的创新。通过对相关文献的整理发现，对企业信多数文章都是基于统计学方法，基于非统计的人工智能方法很少。同于对互联网金融企业这一新兴研究对象进行信用评价的文章很少，因握了一定的理论和知识背景下，将人工智能算法运用到互联网金融企

化、第三方支付、P2P 网贷、众筹模式、信息化化指用网络信息技术来优化金融服务，是传随着互联网技术的发展，许多传统的金融业进程会加快。例如目前比较流行的网上银付运作实质主要是在买卖双方之间建立一个康流向，使交易双方的资金能在过度账户中个典型第三方支付交易的平台，使买卖双方此保护买卖双方的利益。目前我国第三方支不可或缺的支撑力量[34]。支付平台的交易中，其一般流程如图 2-1 所
【学位授予单位】：河南财经政法大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;F832.3;TP183

【参考文献】

相关期刊论文 前10条

1 尹海员;王盼盼;;我国互联网金融监管现状及体系构建[J];财经科学;2015年09期

2 唐晓波;陈馥怡;;微信用户满意度影响因素模型及实证研究[J];情报杂志;2015年06期

3 李平;陈林;李强;冯毅;赵洪江;;互联网金融的发展与研究综述[J];电子科技大学学报;2015年02期

4 陈圣群;王应明;施海柳;;多属性匹配决策的等级置信度融合法[J];系统工程学报;2015年01期

5 郑联盛;;中国互联网金融:模式、影响、本质与风险[J];国际经济评论;2014年05期

6 莫易娴;;传统金融与互联网金融的竞争与合作[J];财会月刊;2014年14期

7 高杨;罗亚南;邹新月;;互联网金融模式比较分析与未来发展研究[J];海南金融;2014年07期

8 于彤;李海东;;基于BP神经网络的客户信用风险评价[J];现代电子技术;2014年10期

9 李雪静;;众筹融资模式的发展探析[J];上海金融学院学报;2013年06期

10 楼裕胜;;基于模糊神经网络的企业信用风险评估模型研究[J];中南大学学报(社会科学版);2013年05期

，

本文编号：2682315