学位论文 > 优秀研究生学位论文题录展示

基于粗糙集和神经网络的中小企业信用评估体系及模型的研究

作　者: 李晓欢
导　师: 刘铁英
学　校: 内蒙古大学
专　业: 管理科学与工程
关键词: 中小企业粗糙集属性约简人工神经网络中小信用评估指标体系中小企业信用风险评估 MATLAB
分类号: F276.3
类　型: 硕士论文
年　份: 2010年
下　载: 293次
引　用: 0次
阅　读: 论文下载

内容摘要

中小企业在我国国民经济中占有越来越重要的位置。目前中小企业的总数、工业总产值、实现利税和出口总额以及为社会提供就业岗位总量也逐年上升。这表明中小企业在促进国民经济增长中发挥了非常重要的作用。但是,融资难的问题一直困扰着中小企业,其中重要的一项就是信贷融资难的问题。我国近期也出台相关政策,继续引导和鼓励银行业金融机构加大对中小企业的信贷支持力度,促进中小企业成长。然而,在解决中小企业信贷融资问题的同时,给商业银行本身带来的最大威胁也来自于中小企业违约的信用风险。信用风险评估是解决银行企业间信息不对称的关键。从我国银行业来看,信用评估模型的应用还处于初级阶段。由于缺乏有效的历史数据的缘故,商业银行普遍没有建立起定量信用评估的模型。本论文的研究重点针对我国中小企业的特点,结合现有的企业信用等级评价体系,将粗糙集属性约简的方法应用于中小企业信用评价指标体系建立的过程中,减少人为操作,简化评价体系,从而建立一个更为科学、实用的中小企业信用评价体系。根据BP网络的算法思想,将中小企业信用评价体系做为基于神经网络的中小企业信用评估模型输入端,通过商业银行信贷管理信息系统(CMIS)数据库的中小企业信贷历史数据的训练和学习,调整模型各组成神经元之间的链接权重,确定输入输出之间的内在联系,从而使模型具备了对中小企业信用风险的预测评估能力。通过该模型进行中小企业信用的评估,首先弱化了信用指标和权重确定中的人为因素,提高了评估结果的准确性；其次应用神经网络超强的非线性处理能力,更加准确的体现了中小企业信用指标体系各要素与评估结果的关系,并且通过MATLAB软件对模型进行仿真实验,检测模型的实用性、有效性和科学性。

全文目录

摘要  4-6
ABSTRACT  6-12
第一章引言  12-15
  1.1 论文选题背景及意义  12
  1.2 国内外研究现状  12-13
  1.3 本文研究内容及方法  13-15
第二章中小企业的概念及其相关内容  15-22
  2.1 中小企业的概念  15-20
    2.1.1 中小企业的界定  15-18
    2.1.2 中小企业的特征  18-20
  2.2 我国中小企业的发展现状  20-22
第三章信用、信用风险及信用评估  22-32
  3.1 对信用的理解  22
    3.1.1 信用的定义  22
    3.1.2 企业信用的定义  22
  3.2 信用风险  22-27
    3.2.1. 风险的概念  22-23
    3.2.2 商业银行的信用风险  23-24
    3.2.3. 信用风险的成因  24-26
    3.2.4 中小企业信用风险来源  26
    3.2.5 中小企业获得银行贷款的关键环节——信用风险评估  26-27
  3.3 商业银行信用风险评估  27-32
    3.3.1 银行业信用风险管理概述  27-28
    3.3.2 信用风险评估方法  28-30
    3.3.3 信用风险评估模型概述  30-32
第四章粗糙集理论与人工神经网络技术  32-42
  4.1 粗糙集理论  32-37
    4.1.1 粗糙集理论的研究对象  32-33
    4.1.2 粗糙集的基本概念  33-34
    4.1.3 知识约简  34-36
    4.1.4 粗糙集与其他软计算方法的结合  36-37
  4.2 人工神经网络技术  37-41
    4.2.1 生物神经元  37-38
    4.2.2 人工神经元  38
    4.2.3 人工神经网络模型结构  38-39
    4.2.4 多层前馈神经网络(BP神经网络)  39
    4.2.5 BP神经网络结构  39-41
  4.3 神经网络技术在金融领域的应用  41
  4.4 粗糙集与神经网络结合的优势  41-42
第五章基于粗糙集的中小企业信用评估体系  42-60
  5.1 中小企业信用风险指标的识别  42-48
    5.1.1 信用要素  42-44
    5.1.2 指标参数的识别  44-48
  5.2 将粗糙集属性约简算法用于初始指标的约简  48-55
    5.2.1 基于逼近精度的粗糙集属性约简算法  48-49
    5.2.2 构建中小企业信用评估体系  49-55
  5.3 信用指标参数细分及取值  55-60
    5.3.1 信用指标重要度调查意见表的设计  55
    5.3.2 指标属性分值的提取  55-56
    5.3.3 指标细分  56-60
第六章基于BP神经网络中小企业信用风险评估模型的构建  60-75
  6.1 中小企业信用风险评估模型数据预处理  60-62
    6.1.1 数据的采集  60
    6.1.2 指标数据标准化处理方法  60-62
    6.1.3 样本集的确定方法  62
  6.2 中小企业信用风险的BP神经网络模型结构设计  62-68
    6.2.1 神经网络模型结构设计  62
    6.2.2 网络模型的输入输出层设计  62-63
    6.2.3 网络模型隐层及样本集数的设计  63-64
    6.2.4 网络模型的训练(学习)规则设计  64-68
    6.2.5 神经网络模型的训练过程  68
  6.3 中小企业信用评估模型在MATLAB中的训练与实现  68-73
    6.3.1 神经网络模型的实现  69-72
    6.3.2 基于粗糙集属性约简后的网络模型与未约简的网络模型的训练过程性能比较  72-73
  6.4 基于BP神经网络的中小企业信用风险评估的步骤  73-75
第七章总结与展望  75-77
参考文献  77-80
致谢  80-81
攻读硕士期间发表的学术论文  81

基于粗糙集和神经网络的中小企业信用评估体系及模型的研究

内容摘要

全文目录

相似论文