基于BP神经网络行业间中小企业信利用评估模型及应用数学实践及认识.pdfVIP

第37 卷第24 期 数学的实践与认识 V o l37　N o 24　 2007 年 12 月 M A TH EM A T ICS IN PRA CT ICE AND TH EO R Y D ecem. , 2007　 基于BP 神经网络的行业间中 小企业信用评估模型及应用 1 2 王　凯 , 　黄世祥 ( 1. 安徽农业大学 应用数学研究所, 安徽 合肥　230036) (2. 安徽农业大学 管理科学学院, 安徽 合肥　230036) 摘要: 　首先构建了行业间中小企业信用评估指标体系, 然后利用安徽省不同行业的800 家中小企业调查 数据, 将其分为训练样本集和测试样本集, 对 神经网络的构造进行讨论, 确定 神经网络的算法, 建立起 BP BP 基于BP 神经网络的行业间信用评估模型, 并代入2003 年度全国农业和工业的部分分行业数据进行实证, 并 对仿真结果做出分析, 指出造成农、工行业信用较大差距的原因, 并提出加强农业行业信用建设的建议. 关键词: 　BP 神经网络; 信用评估; 比较分析 1　引　　言 　　人工神经网络( ) 是人类在对大脑神经网络认识理解的基础 A rtificial N eu ral N etw o rk 上人工构造的能够实现某种功能的神经网络. 是理论化的人脑神经网络的数学模型, 基于模 仿大脑神经网络结构和功能而建立的一种信息处理系统. 而 学习算法是由 等 BP R um elhart 于 1986 年提出,BP 神经网络是一种具有多层结构的神经网络, 除了输入层和输出层, 还有 中间的部分称为隐含层, 由于BP 神经网络的多层次性, 其激活函数所划分的区域不再是线 性可分的, 而是由一个非线性的超平面组成的区域, 从而其分类比线性划分精确合理, 这种 网络的容错性较好. 另外在BP 神经元中可以使用任何可微的函数作为传递函数, 可以严格 利用梯度法进行推算, 权值修正的解析式十分明确. 由于神经网络的这些优点, 在20 世纪90 年代, 被引入银行业用于信用风险管理. 1992 年, Jen sen 利用BP 网络对贷款企业进行分类, 分类准确率达到了76—80% [ 1 ] , 1994 年, Coats 和Pan t 使用神经网络分析法预测了美国公 [ 2 ] 司和银行的财务危机 , 2002 年, , . . 利用神经模糊系统对 R eshm i M alho tra D K M alho tra [ 3 ] “信用好”和“信用差”的贷款企业进行了辨识 . 在中国, 利用神经网络技术对信用风险的研 究起步较晚, 2001 年, 郝丽萍, 胡欣悦, 李丽利用 网络模型对商业银行信贷风险进行分析 BP [ 4 ] 和预