基于som神经网络理论的商业银行信贷客户评价-技术经济及管理专业论文.docxVIP

客户信息获取及评级结果实际应用三方面。后两个问题的解决，需要 客户信息获取及评级结果实际应用三方面。后两个问题的解决，需要 国家相关法律、法规、政策的支持，本文并不对此作深入讨论，仅围 绕第一个问题，即评价方法问题进行展开。 信用评级问题的实质可以看作是模式识别中的分类与排序问题。 评级目的是采用某种多指标综合评价方法将所有客户划分成C个级 别或类型。因此，评价指标体系的确立及评价模型的构建，是整个信 用评级的关键。本文将其作为论述的重点，力图确立一个涵盖财务与 非财务因素，包含定量与定性指标的比较客观的指标体系；并对传统 的信用评级手段和方法(主要是分类方法)进行改进，运用非线性建 模过程的自组织特征映射神经网络(SOM神经网络)对客户进行分 类，在分类的基础上，对其进行排序，评定客户等级。论文共分为四 早。 第一章是全文的铺垫，主要介绍了信贷客户评价的涵义、必要性、 现状及当前我国商业银行在信贷客户评价方面存在的问题。本章首先 对信贷及信贷风险作了界定，在此基础上，阐明了信贷客户评价的涵 义。然后，分析了信贷客户评价的必要性。接下来，介绍了信贷客户 评价，特别是银行信用评级的发展现状。最后，分析了当前我国商业 银行在信用评级方面存在的问题，并阐明了本文的论述重点——客户 评价指标体系及评价模型的构建。 第二章围绕信贷客户评价指标选择这一问题而展开。首先分析了 选择评价指标应遵循的四项原则。然后，分别从财务和非财务角度出 发，阐述了评价指标的初选，一共选取了16项财务指标和3项非财 务指标。本章最后对评价指标筛选进行了论述，采用变量聚类方法对 财务指标进行分类，再运用因子分析方法选择各类的代表性指标。 第三章的重点是介绍基于自组织特征映射神经网络(SOM神经 网络)的信贷客户分类方法。本章首先分析了传统评价方法及其缺陷。 接下来，阐述了SOM神经网络的拓扑结构，学习、工作规则及回想 过程。最后对如何确定恰当的客户分类数及网络竞争层神经元数目进 行了讨论。 第四章是本文的核心和重点。本章结合实际情况，构建了一个基 于财务与非财务指标体系和SOM神经网络理论的信贷客户评价模 于财务与非财务指标体系和SOM神经网络理论的信贷客户评价模 型。首先，讨论了客户信息采集及建模原始数据获取。然后，对财务 指标进行分类，并对各类指标进行因子分析，最终筛选出8项财务指 标。接下来，具体阐述了信贷客户评价模型的构建，包括客户分类和 客户评级。本章最后比较了评价模型和评级机构对相同测试样本的评 级结果，对评价模型的有效性进行了检验。 本文围绕商业银行信贷客户评价这个中心，分析了客户信息采集 评价指标选取客户分类客户评级的整个信贷客户评价过程，着 重阐述了评价指标体系及评价模型的构建。文章的主要贡献如下： 1．确立了恰当的客户评价指标体系。指标体系的建立大致可分 为指标初选和指标筛选两个阶段。在指标初选阶段，非财务指标的量 化是关键，本文对其进行分解，运用专家模糊综合评价法评分，实现 了从定性到定量的转化。在指标筛选阶段，笔者运用变量聚类方法对 财务指标进行分类，并用因子分析方法从各类指标中筛选出了代表性 指标。将变量聚类和因子分析用于指标筛选，是本文的一个创新之处。 2．将SOM神经网络运用于信贷客户分类。SOM神经网络适用 于聚类分析，它能处理任意类型的数据，并能对输入模式进行自组织 训练和判断，通过不断学习，从未知模式的大量复杂数据中发现其规 律，进而实现聚类。构建SOM神经网络，将客户样本数据作为输入 模式，对网络进行训练和仿真，从而实现客户分类，这是本文的论述 重点和主要创新之处。 关键词 信贷客户评价 信用评级 变量聚类 因子分析 SOM神经网络 MATLAB AbstractCommercial Abstract Commercial bank is a special enterprise which provides services for ’ money clearing and exchange．From 300 years ago when the modern —r commercial bank emerged to nowadays，credit business is always the main business of the bank．Any business certainly has risk，of course， including credit business．Credit risk is the uncertainty of cr6dit profit 0r loss．It comes from two aspects，one is the internal management risk，