基于自適應共振模型的信用風險評估

基于自適應共振模型的信用風險評估

關鍵詞：自適應共振，神經，信用風險
摘要：自適應共振模型是為了能夠分類任意次序模擬輸進模式而設計的，它可以按任意精度對輸進的模擬觀察矢量進行分類，較好地解決了前穩定性和靈活性，同時能夠避免對網絡先前所學的模式修改。本文將ART2模型于信用風險評估，通過實證比較，結果顯示應用自適應共振模型進行信用風險評估在精度和正確性上，都優于其他神經網絡模型和統計。
1統計方法用于信用風險分類評估存在的局限性
對信用風險評估一類主流方法是基于分類的方法，即把信用風險看成是模式識別中的一類分類題目—將劃分為能夠定期還本付息和違約兩類。其具體做法是根據上每個種別（如期還本付息、違約）的若干樣本，從已知的數據中發現其，從而出分類的規則，建立判別模型，用于對新樣本的判別，這樣信用評估就轉化為統計中的分類題目。傳統的統計模型主要基于多元統計分析方法，根據判別函數的形式和樣天職布的假定不同，主要的模型有：多元回回分析模型、多元判別分析模型（MDA）、Logit分析模型、近鄰法等。其中以多元判別分析模型和Logit分析模型應用最為廣泛，已有大量貿易化軟件。
盡管這些方法在國外有大量應用，但是大量實證研究（Altman，1983；Tam

【基于自適應共振模型的信用風險評估】相關文章：

基于移動性的自適應算法的性能評估11-22

基于改進BP的神經網絡模型參考自適應控制03-21

基于剩余收益RI的企業價值評估模型的研究03-21

混沌系統的模型參考模糊自適應控制03-07

基于重大錯報風險評估的新審計風險模型應用研究03-01

渠道效率評估模型選擇03-23

基于SOPC的LMS自適應濾波算法實現03-07

基于VoIP自適應回音抵消方案的設計與改進03-07

基于GPRS網絡的圖像傳輸自適應算法及實現03-07

基于DCT變換域自適應水印算法的研究03-07