学位论文 > 优秀研究生学位论文题录展示

基于人工智能方法的贷款分类模型研究

作　者: 乔碧荣
导　师: 张作泉
学　校: 北京交通大学
专　业: 计算数学
关键词: 贷款分类人工神经网络专家系统财务分析现金流量信用支持
分类号: F830.5
类　型: 硕士论文
年　份: 2008年
下　载: 126次
引　用: 0次
阅　读: 论文下载

内容摘要

本文拟采用专家系统(ES)和BP人工神经网络算法对商业银行贷款按风险程度进行质量分类。影响贷款质量的因素主要分为:财务因素、非财务因素、现金流量、信用支持四个方面。本文拟将BP神经网络应用于对财务因素及现金流量的分析过程中,通过选取合适的指标和数掘,构造训练集,训练神经网络,得到BP神经网络输入层到隐含层以及隐含层到输入层的最终权值,这时神经网络模型也就建立起来了。拟将ES专家系统应用到非财务因素的分析中来。首先,建立非财务因素的指标体系,然后根据采取的指标建立规则体进行分析,在输出时,输出的是非财务指标的状况,将非财务因素分析的结果分为极高风险,中高风险,中风险,中的风险,低风险五类。至此,三方面因素分析完成,我们最后再用专家系统对这三方面因素进行综合分析,建立规则体,得到初步的分析结果,最后,根据信用支持对初步结果进行调整,得到最终的贷款分类结果。

全文目录

致谢  5-6
中文摘要  6-7
ABSTRACT  7-8
序  8-11
1 引言  11-12
2 我国贷款分类的方法  12-16
  2.1 “一逾两呆”分类方法  12
  2.2 五级分类法  12-14
  2.3 五级分类法与“一逾两呆”的比较  14-16
3 影响贷款归还可能性的因素  16-32
  3.1 财务因素分析  16-23
    3.1.1 财务因素分析的内容  16
    3.1.2 盈利能力分析  16-17
    3.1.3 营运能力分析  17-20
    3.1.4 长期偿债能力分析  20-21
    3.1.5 短期偿债能力分析  21-23
  3.2 现金流量分析  23-24
    3.2.1 现金  23-24
    3.2.2 现金流量  24
  3.3 非财务因素分析  24-29
    3.3.1 行业风险分析  24-26
    3.3.2 经营风险分析  26-27
    3.3.3 管理风险分析  27-28
    3.3.4 银行贷款管理  28-29
  3.4 信用支持  29-32
    3.4.1 担保的种类  30-32
4 专家系统及人工神经网络概述  32-44
  4.1 专家系统  32-36
    4.1.1 专家系统的特点  32-33
    4.1.2 专家系统的优点  33-34
    4.1.3 专家系统分类  34
    4.1.4 专家系统的一般结构  34-35
    4.1.5 产生式专家系统  35-36
  4.2 人工神经网络  36-44
    4.2.1 人工神经网络的特点  38-39
    4.2.2 人工神经网络的结构  39-41
    4.2.3 前向三层BP神经网络模型  41
    4.2.4 B—P网络的学习算法  41-44
5 贷款分类研究  44-64
  5.1 基于人工智能研究的基本框架  44-45
  5.2 基于B—P神经网络的财务因素分析  45-52
    5.2.1 建立财务分析指标体系  45-46
    5.2.2 人工神经网络模型构造  46
    5.2.3 财务分析的实证研究  46-52
  5.3 现金流量因素分析及实证  52-54
  5.4 基于专家系统的非财务因素分析  54-60
  5.5 贷款风险分类的综合分析  60-64
    5.5.1 贷款风险分类综合分析专家系统知识结构  60
    5.5.2 贷款分类综合分析的知识表示  60-64
6 结论  64-65
参考文献  65-66
作者简历  66-68
学位论文数据集  68

基于人工智能方法的贷款分类模型研究

内容摘要

全文目录

相似论文