【正文】 3 4 5 6 7 8 9 10 11 12 13 14 違約1 2 3 4 5 6 7 8 9 10 11 121314正常12 3 違約4 5 6 正常7 違約8 模型的設(shè)計(jì)權(quán)值的修改方式。一般，權(quán)值的修改有兩種方式：一是對(duì)于每一個(gè)訓(xùn)練樣本，就調(diào)整一次權(quán)值，稱為Online處理，另一種是輸入全部的訓(xùn)練樣本后才修改一次權(quán)值，稱為Batch處理。其差別在于計(jì)算是從（1）式中的出發(fā)還是從有（2）式中的出發(fā)。Online處理雖與生物神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程一致，針對(duì)特定的訓(xùn)練樣本，能減少誤差，但可能增大其它訓(xùn)練樣本的誤差，而我們的處理總是以減小總體誤差函數(shù)為目標(biāo)，采用后一種處理方式。 初始權(quán)值與初始輸入的確定。由于輸入初始值和初始權(quán)值對(duì)學(xué)習(xí)是否達(dá)到局部最小和能否收斂關(guān)系很大，有必要對(duì)輸入的初始值進(jìn)行預(yù)處理，即歸一化處理。我們通過(guò)一定的處理方式將初始輸入調(diào)到較小的區(qū)間[1，1]內(nèi)，初始權(quán)值是通過(guò)隨機(jī)函數(shù)生成[，]之間的隨機(jī)數(shù)賦給各連接權(quán),避免由于大的輸入或權(quán)值使網(wǎng)絡(luò)陷入飽和狀態(tài)。 。有時(shí)候，網(wǎng)絡(luò)層次的增加可減少各隱含層單元總個(gè)數(shù)，同時(shí)使學(xué)習(xí)過(guò)程變得更容易，但可能增加網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間。在模式空間中,即使各樣本分布在相互犬牙交錯(cuò)的復(fù)雜區(qū)域內(nèi)，三層神經(jīng)網(wǎng)絡(luò)就能構(gòu)成所需要的復(fù)雜判別函數(shù)。由于本模型是用于模式分類(lèi)的判別函數(shù)的神經(jīng)網(wǎng)絡(luò),因此我們采用三層BP網(wǎng)絡(luò)。 。隱含層單元個(gè)數(shù)的選擇是十分復(fù)雜的問(wèn)題，它與所求解問(wèn)題的要求、輸入輸出層的單元數(shù)都有關(guān)系，目前主要依靠經(jīng)驗(yàn)確定其數(shù)目，還沒(méi)有一致認(rèn)同的理論指導(dǎo)。一般說(shuō)來(lái)，隱含層單元數(shù)越多，越有助于訓(xùn)練樣本的擬合，但同時(shí)也約束了模型的自由度，降低了模型的泛化能力，形成過(guò)度訓(xùn)練。對(duì)于三層網(wǎng)絡(luò)，確定隱含層節(jié)點(diǎn)的主要經(jīng)驗(yàn)法則是：隱含層節(jié)點(diǎn)既不是各層中節(jié)點(diǎn)數(shù)最少的，也不是最多的；隱含層節(jié)點(diǎn)數(shù)介于輸入輸出節(jié)點(diǎn)數(shù)之和的50%一70%之間；隱層節(jié)點(diǎn)數(shù)應(yīng)小于學(xué)習(xí)樣本數(shù)，若節(jié)點(diǎn)數(shù)大于樣本數(shù)，則必有冗余節(jié)點(diǎn)可歸并，若節(jié)點(diǎn)數(shù)等于樣本數(shù)，則網(wǎng)絡(luò)成為插值網(wǎng)絡(luò)，插信網(wǎng)絡(luò)的泛化能力較差。另外，對(duì)于三層網(wǎng)絡(luò)，確定隱層單元數(shù)的以下經(jīng)驗(yàn)公式可供參考。①其中為輸入層單元數(shù)，為輸入層單元數(shù)，為1—10之間的常數(shù)；②，為輸入層單元數(shù)；③ 式中為樣本數(shù)，為隱層單元數(shù)，為輸入層單元數(shù)，如果，經(jīng)過(guò)多次反復(fù)試驗(yàn)得知, 在輸入節(jié)點(diǎn)數(shù)為5, 輸出節(jié)點(diǎn)數(shù)為1的情況下, 隱層結(jié)點(diǎn)數(shù)取3時(shí), 網(wǎng)絡(luò)收斂最快, 誤判率最低。如下圖所示。權(quán)值的調(diào)整公式及學(xué)習(xí)參數(shù)的確定采用最速下降法調(diào)整權(quán)值, ，對(duì)那些嚴(yán)重卷繞的非凸函數(shù)效果不佳，往往不易收斂，即使收斂也需很長(zhǎng)時(shí)間，這里采用改進(jìn)BP算法，加上慣性項(xiàng)，即 表示第次迭代，、分別表示學(xué)習(xí)因子和動(dòng)量因子，此法比最速下降發(fā)收斂速度快，對(duì)、的確定，可以采用試值法: 先初始化、的值，再一次調(diào)整、到合適的值，使網(wǎng)絡(luò)以較快速度收斂，又不出現(xiàn)震蕩。利用試值法得出本模型里的、.4．3 模型結(jié)果及分析對(duì)前述的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了計(jì)算, 具體數(shù)據(jù)及計(jì)算結(jié)果見(jiàn)表1。從表1可以看出, 在14個(gè)正常企業(yè)中，(), , 在14個(gè)違約企業(yè)中, (), ；測(cè)試樣本中只有第2號(hào)樣本輸出不太理想( )，很難從輸出結(jié)果判斷企業(yè)的種類(lèi)。此時(shí)決策者容易犯第一類(lèi)錯(cuò)誤, 即把測(cè)試樣本中信用好的2號(hào)企業(yè)誤判為信用差的企業(yè), 但這比犯第二類(lèi)錯(cuò)誤(即把信用差的企業(yè)誤判為信用好的企業(yè)) 要好，因?yàn)榉傅谝活?lèi)錯(cuò)誤時(shí), 銀行損失的是機(jī)會(huì)成本, 而犯第二類(lèi)錯(cuò)誤就會(huì)給銀行帶來(lái)真正的損失。因此，要盡量避免第二類(lèi)錯(cuò)誤的發(fā)生。試驗(yàn)說(shuō)明, 本模型能達(dá)到這一效果?？偟膩?lái)說(shuō)，本模型判斷結(jié)果較好, 從訓(xùn)練、測(cè)試和應(yīng)用的結(jié)果看, 判斷準(zhǔn)確率達(dá)90%以上。判斷率很高的原因之一是神經(jīng)網(wǎng)絡(luò)具有很好的知識(shí)發(fā)現(xiàn)和特征抽取能力, 另一原因可能是所有數(shù)據(jù)均為內(nèi)插數(shù)據(jù)。結(jié) 論商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估是一個(gè)傳統(tǒng)而古老的話題。隨著市場(chǎng)競(jìng)爭(zhēng)的日益激烈化，商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)量化和風(fēng)險(xiǎn)評(píng)估模型化的要求也日益強(qiáng)烈。在這種情況下，國(guó)內(nèi)外眾多研究者在這方面進(jìn)行了廣泛而深入的研究，設(shè)計(jì)了很多適應(yīng)特定環(huán)境的信用風(fēng)險(xiǎn)評(píng)估模型，但這些模型都存在一些局限性，無(wú)法適應(yīng)現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估的要求。神經(jīng)網(wǎng)絡(luò)技術(shù)因?yàn)榫哂酗@著的解決非線性問(wèn)題的特點(diǎn)，使它適合于構(gòu)建信用風(fēng)險(xiǎn)評(píng)估分類(lèi)模型?？傮w來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)模型具有以下優(yōu)越性：（1）神經(jīng)網(wǎng)絡(luò)是一種非參數(shù)化模型，具有很強(qiáng)的非線性映射能力和學(xué)習(xí)能力，比傳統(tǒng)的方法具有更好的分類(lèi)準(zhǔn)確度、自適應(yīng)性和動(dòng)態(tài)性。（2）神經(jīng)網(wǎng)絡(luò)采用分布式存儲(chǔ)結(jié)構(gòu)，網(wǎng)絡(luò)中少量單元的局部缺損不會(huì)造成網(wǎng)絡(luò)的癱瘓和全局影響，反映了神經(jīng)網(wǎng)絡(luò)的魯棒性。（3）神經(jīng)網(wǎng)絡(luò)進(jìn)行大規(guī)模并行處理，反映為同一層所有神經(jīng)元同時(shí)進(jìn)行計(jì)算，并且每一神經(jīng)元存儲(chǔ)的信息也同時(shí)參與計(jì)算。（4）神經(jīng)網(wǎng)絡(luò)具有在新環(huán)境下的泛化能力和容錯(cuò)能力，能夠處理有噪聲和不完全的數(shù)據(jù)。（5）神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的數(shù)據(jù)融合能力，可以同時(shí)處理定量信息和定性信息。（6）神經(jīng)網(wǎng)絡(luò)模型是一種多變量模型，它的輸入變量和輸出變量的數(shù)目是任意的。 根據(jù)我的學(xué)習(xí)和鉆研，我認(rèn)為我國(guó)商業(yè)銀行應(yīng)當(dāng)借鑒國(guó)外成功的信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)模型經(jīng)驗(yàn)，積極進(jìn)行信用風(fēng)險(xiǎn)評(píng)估的研究和探索，收集廣泛、連續(xù)的數(shù)據(jù)，為系統(tǒng)精確的商業(yè)銀行建立信用風(fēng)險(xiǎn)評(píng)估模型做好各方面準(zhǔn)備，盡快完成我國(guó)商業(yè)銀行風(fēng)險(xiǎn)管理由定性分析為主的傳統(tǒng)風(fēng)險(xiǎn)管理方式以定量分析為基礎(chǔ)的定量與定性相結(jié)合的現(xiàn)代風(fēng)險(xiǎn)管理模式的過(guò)渡。具體而言，可以包括以下三點(diǎn)：(l)規(guī)劃商業(yè)銀行風(fēng)險(xiǎn)管理信息系統(tǒng)建設(shè)。構(gòu)建定性與定量指標(biāo)相結(jié)合的風(fēng)險(xiǎn)管理模型,科學(xué)測(cè)量風(fēng)險(xiǎn)分布以及計(jì)算預(yù)期損失。實(shí)現(xiàn)交易處理電子化和風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)控,對(duì)業(yè)務(wù)及風(fēng)險(xiǎn)管理流程進(jìn)行整合,使之科學(xué)化。(2)完善我國(guó)信用評(píng)級(jí)制度,建設(shè)權(quán)威性信用評(píng)級(jí)機(jī)構(gòu)建設(shè)全國(guó)性信用評(píng)級(jí)機(jī)構(gòu),制定統(tǒng)一的評(píng)級(jí)行為規(guī)范,體現(xiàn)評(píng)級(jí)機(jī)構(gòu)獨(dú)立、客觀、公正的性質(zhì)；改變?cè)u(píng)級(jí)市場(chǎng)分割線狀,撇棄地方保護(hù)主義，使評(píng)級(jí)結(jié)果完全真實(shí)的反映風(fēng)險(xiǎn)程度,擴(kuò)大信用評(píng)級(jí)范圍,建立全社會(huì)信用評(píng)級(jí)體系。(3)人民銀行內(nèi)部或者貨幣政策委員會(huì)下設(shè)內(nèi)部模型監(jiān)測(cè)職能系統(tǒng),提高人民銀行風(fēng)險(xiǎn)監(jiān)管的科學(xué)性。按照信用風(fēng)險(xiǎn)模型進(jìn)行科學(xué)的壓力測(cè)試來(lái)監(jiān)測(cè)各家銀行計(jì)算出的風(fēng)險(xiǎn)評(píng)估的科學(xué)性與準(zhǔn)確性,并在此基礎(chǔ)上建立起一套適應(yīng)我國(guó)國(guó)情的信用風(fēng)險(xiǎn)評(píng)估體系。參 考 文 獻(xiàn)[1]王永昌，《我國(guó)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型的基本趨向》，中國(guó)政黨干部論壇，2001；[2]盧文瑩，《金融風(fēng)險(xiǎn)管理》，復(fù)旦大學(xué)出版社，2006；[3]李志剛，《金融風(fēng)險(xiǎn)宏觀與微觀透視》，中國(guó)金融出版社 2006；[4]鄧宇翔，魯煒，黃敏 《運(yùn)用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)估》[J].中國(guó)管理科學(xué)第11卷專(zhuān)輯 2003年10月：413－415[5] 王燕，黃家琳 《信用風(fēng)險(xiǎn)評(píng)估模型》北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版)2006年1月[6]劉郁菲，商業(yè)銀行信用風(fēng)險(xiǎn)管理，2009[7]劉郁菲，商業(yè)銀行信用風(fēng)險(xiǎn)管理，2009[8]歐陽(yáng)資生，商業(yè)銀行信用組合風(fēng)險(xiǎn)管理模型比較研究，湖南商學(xué)院學(xué)報(bào)，第16卷3期[9]證監(jiān)會(huì)國(guó)際組織技術(shù)委員會(huì)報(bào)告，《金融機(jī)構(gòu)及其監(jiān)管當(dāng)局風(fēng)險(xiǎn)管理與控制指引》（征求意見(jiàn)稿），中國(guó)證監(jiān)會(huì)網(wǎng)站[10]張維，李玉霜，商業(yè)銀行信用風(fēng)險(xiǎn)分析綜述，管理科學(xué)學(xué)報(bào)，1998[11]杜志剛，銀行個(gè)人信用評(píng)估方法研究，華南金融電腦，2004[12]王春峰，萬(wàn)海暉，張維，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估，系統(tǒng)工程理論與實(shí)踐，1999[13]詹原瑞，銀行信用風(fēng)險(xiǎn)的現(xiàn)代度量與管理，經(jīng)濟(jì)科學(xué)出版社[14]閻紅玉，商業(yè)銀行信貸與營(yíng)銷(xiāo)，清華大學(xué)出版社[15]王憲明，銀行業(yè)數(shù)據(jù)模型的設(shè)計(jì)與實(shí)現(xiàn)，金融電子化，2003[16]魏元風(fēng)，案例推理技術(shù)在銀行信貸中的應(yīng)用，華東船舶工業(yè)學(xué)院學(xué)報(bào)，2001[17]施鴻寶，神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，西安交通大學(xué)出版社，1993[18]李宗怡，美國(guó)大銀行內(nèi)部信用風(fēng)險(xiǎn)評(píng)級(jí)體系及其借鑒，國(guó)外財(cái)經(jīng)，2000[19]劉同明，數(shù)據(jù)挖掘技術(shù)及其應(yīng)用，國(guó)防工業(yè)出版社，2001[20]曾國(guó)堅(jiān)，何五星，銀行風(fēng)險(xiǎn)論，中國(guó)計(jì)劃出版社，1995[21]胡守仁，神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)，國(guó)防科技大學(xué)出版社，1998[22]曹順，劉婷，基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評(píng)價(jià)研究，控制工程，2003[23]楊保安，朱明，基于神經(jīng)網(wǎng)絡(luò)與專(zhuān)家系統(tǒng)結(jié)合的銀行貸款風(fēng)險(xiǎn)管理，系統(tǒng)工程管理方法應(yīng)用，1999[24]陳雄華，林成德，葉武，基于神經(jīng)網(wǎng)絡(luò)的企業(yè)信用等級(jí)評(píng)估，系統(tǒng)工程學(xué)報(bào)，2002[25]郝麗萍，胡欣悅，李麗，商業(yè)銀行信貸風(fēng)險(xiǎn)分析的人工神經(jīng)網(wǎng)絡(luò)模型研究，2002[26]劉鷹，趙琳，神經(jīng)網(wǎng)絡(luò)BP算法的改進(jìn)和方針，計(jì)算機(jī)仿真，1999致 謝本文是在張宇敬老師的耐心教導(dǎo)和細(xì)致完善下完成的。在該課題的選題和研究方法以及思路方面，我都得到了張老師的悉心指導(dǎo)。在論文的寫(xiě)作過(guò)程中，張老師多次的對(duì)我的論文進(jìn)行評(píng)注，幫助我不斷的完善論文。同時(shí)，在此次畢業(yè)論文的完成過(guò)程中，我也學(xué)到了許多的數(shù)學(xué)建模和經(jīng)濟(jì)學(xué)方面的知識(shí)，豐富了頭腦，開(kāi)闊了視野，整理了自身知識(shí)構(gòu)架。另外，我還有特別感謝對(duì)我的畢業(yè)論文寫(xiě)作過(guò)程提供無(wú)私幫助的同學(xué)們，有了他們的幫助才使得我的論文更加豐滿、更加全面。歷時(shí)數(shù)月，從畢業(yè)論文的選題到搜集資料，從開(kāi)題報(bào)告、論文初稿的反反復(fù)復(fù)的修改完善，這期間我經(jīng)歷了許多的彷徨、焦急和喜悅，心情起伏跌宕。而如今，伴隨著這篇畢業(yè)論文的最終成稿，負(fù)面的心情也煙消云散，自己也得到了極大的滿足和成就感。最后，再次對(duì)關(guān)心和幫助我的老師和同學(xué)們表示衷心的感謝！