大数据背景下基于GRBF神经网络的P2P机构信用风险预警研究

发布时间：2021-08-01 05:17

　　针对P2P机构信用风险预警问题,提出了基于大数据思维的信用评估体系,采用基于动态特征的广义径向基神经网络对228家P2P机构12个月的高维数据指标进行信用风险评估.应用设计的广义径向基神经网络和BP神经网络进行对比,准确率分别为91.9%、85.2%,广义径向基神经网络在处理实时高维数据时表现出良好的性能,可以对我国P2P机构信用风险进行预警.同时深入对预警机构进行数据分析发现,如果企业资金流动性较差、净流入低也可能存在较高风险,企业应依据小额分散的借贷原则,降低借款集中度可以有效防范企业信用风险. 

【文章来源】：数学的实践与认识. 2020,50(17)北大核心

【文章页数】：9 页

【部分图文】：

图３?ＧＲ？?ｆ?ＢＰ神经网络预测值对比图??ＢＰＧＲＢＦ

【参考文献】：
期刊论文
[1]基于深度神经网络结构的互联网金融市场动态预测[J]. 赵洪科,吴李康,李徵,张兮,刘淇,陈恩红.  计算机研究与发展. 2019(08)
[2]中国互联网金融生态足迹、承载力及效率的测算与评价研究[J]. 陆岷峰,葛和平.  管理学刊. 2018(01)
[3]基于卷积神经网络的互联网金融信用风险预测研究[J]. 王重仁,韩冬梅.  微型机与应用. 2017(24)
[4]大数据背景下互联网金融借贷风险预警研究[J]. 张亦婷,罗婧钰,李钰,朱忻妍.  价值工程. 2017(26)
[5]互联网金融民营系P2P网贷平台的风险预警[J]. 朱清香,王莉.  河北大学学报(哲学社会科学版). 2016(04)
[6]互联网金融的风险机理与风险度量研究——以P2P网贷为例[J]. 王立勇,石颖.  东南大学学报(哲学社会科学版). 2016(02)
[7]基于随机森林的P2P网贷信用风险评价、预警与实证研究[J]. 于晓虹,楼文高.  金融理论与实践. 2016(02)
[8]我国P2P网络借贷信用风险影响因素研究——基于排序选择模型的实证分析[J]. 肖曼君,欧缘媛,李颖.  财经理论与实践. 2015(01)



本文编号：3314892