7信用風(fēng)險(xiǎn)分析方法的發(fā)展(存儲(chǔ)版)
【正文】 共 8 頁(yè) 取共性的變量，然后在這些屬性的基礎(chǔ)上建立生產(chǎn)式系統(tǒng)，利用其中的規(guī)則即可對(duì)新樣 本中的指標(biāo)進(jìn)行評(píng)估。 從目前國(guó)內(nèi)外文獻(xiàn)看，研究和應(yīng)用中使用最多的 nn 有：多層感知機(jī)（ mlp）、專家混合網(wǎng)絡(luò)（ moe）、學(xué)習(xí)矢量化器（ lvq）、徑向基函數(shù)（ rbf）、模糊自適應(yīng)諧振（ far）及概率神經(jīng)網(wǎng)（ probabilistieuralworks）。因此從目前的研究文獻(xiàn)看，nn 系統(tǒng)已顯示出非常大的 應(yīng)用前景，但與傳統(tǒng)的 da、 lg 方法相比，還不具備絕對(duì)的優(yōu)勢(shì)。 west（ 2024）在利用專家雜合系統(tǒng) 第 6 頁(yè) 共 8 頁(yè) 研究商業(yè)銀行信用評(píng)價(jià)的準(zhǔn)確性時(shí)，對(duì)德國(guó)和澳大利亞兩組不同的財(cái)務(wù)數(shù)據(jù)分別進(jìn)行兩類模式分類時(shí)，分類準(zhǔn)確率分別為 %和 %。盡管通常來(lái)說(shuō)，支持向量機(jī)方法也是神經(jīng)網(wǎng)絡(luò)方法的一種，但考慮到支持向量機(jī)方法與其他神經(jīng)網(wǎng)絡(luò)方法相比，確實(shí)有其獨(dú)特之處，特別是在信用風(fēng)險(xiǎn)分析領(lǐng)域的研究中表現(xiàn)出很強(qiáng)的應(yīng)用前景，因此將該方法單列出來(lái)。 。 ，同時(shí)建立良好的信用文化環(huán)境及適合自身的信用文化和管理哲學(xué)，要將風(fēng)險(xiǎn)意識(shí)根植于銀行的上上下下，讓全體員工以倫理道德、避免風(fēng)險(xiǎn)及銀行的 第 8 頁(yè) 共 8 頁(yè) 健康發(fā)展作為其行動(dòng)準(zhǔn)則 。其學(xué)習(xí)方法最大的 特點(diǎn)是：根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小劃原則，盡量提高學(xué)習(xí)機(jī)的泛化能力。由于具有這樣的特性，提高了解決問(wèn)題的效率，是目前一種比較流行的研究方法。對(duì)澳大利亞數(shù)據(jù)的分析顯示，判別最準(zhǔn)確的是 rbf，其余依次為：mlp、 moe、 lg、 lda、 knn、 lvq、 cart、 kd 和 far。首先找出一組影響分類的因素作為神經(jīng)網(wǎng)絡(luò)的輸入，然后通過(guò)有導(dǎo)師或無(wú)導(dǎo)師的訓(xùn)練，形成信用風(fēng)險(xiǎn)分析模型。 messier 和 hansen（ 1985）從知識(shí)獲取角度探討比較了專家系統(tǒng)在信用風(fēng)險(xiǎn)分析領(lǐng)域中的應(yīng)用。 從實(shí)證分析看，非參數(shù)法的效果不是很理想。其主要思想是將與信用風(fēng)險(xiǎn)相關(guān)的一組因素表示為一個(gè)向量，即樣本
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號(hào)-1