基于差分进化自动聚类的信用风险评价模型研究

《基于差分进化自动聚类的信用风险评价模型研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于差分进化自动聚类的信用风险评价模型研究张大斌周志刚许职李延晖华南农业大学数学与信息学院随着风险评价的日益复杂化，多维度、多时序等不规则的样本数据增加了评估的难度。木文建立信用风险评价的差分进化自动聚类模型，并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据，相反，通过群体智能去寻找最优的分区。通过数据仿真，并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研宂，结果表明，该模型能够非常准确的找到数据对应的分区，大大提高了信用评估的准确性，降低了风险成本，对信用风险的管理和控制具有很高的利用价值。关键词：差分进化;启

2、发式搜索;群体智能;信用风险;张大斌（1969—），男（汉族），湖北潜江人，华中师范大学信息管理学院，教授，，研宄方向:经济与社会预测预警、商务智能，信息系统等.2013-11-15基金：湖北省自然科学基金创新群体项目（2011CDA116）StudyonCreditRiskAssessmentModelBasedonAutomaticClusteringUsinganDifferentialEvolutionAlgorithmZHANGDa-binZHOUZhi-gangXUZhiLIYan-huiSchoolofLnformationManagem

3、ent,CentralChinaNormalUniversity;Abstract：Withtheincreasingcomplexityofriskassessment,multi-dimensional,multi-timingandotherirregularsampledataincreasesthedifficultyoftheassessment.Inthispaper,theestablishmentofcreditriskevaluationofdifferentialevolutionautomaticclusteringmodeli

4、sapplyedtoourassessmentofthecreditriskoflistedcompanies.Thepriorknowledgeofclassifieddataisnotrequiredinthismodel,onthecontrary,swarmintelligenceisusedtofindtheoptimalpartition.Bydatasimulationandempiricalcomparativestudyofcreditriskassessmentandgeneticalgorithms,decisiontree,BP

5、neuralnetworkmodel,theresultsshowthatthemodelcanbeveryaccuratelytofindthecorrespondingdatapartition,whichgreatlyimprovingtheaccuracyofthecreditassessment,reducingthecostofrisk,makingahighvalueofcreditriskmanagementandcontrol.Keyword：differentialevolution;heuristicsearch;swarmint

6、elligence;creditrisk;Received：2013-11-151引言最近全球金融市场持续动荡，而由此引发的全球金融危机引起丫越来越多的关注，然而在银行和金融机构所而临的众多风险中，信贷风险是最难以评估和管理的。信用评价是信用风险管理的主要工具之一，这使得银行和金融机构能够准确的评估信贷风险，改善现金流，降低可能出现的风险，并做出管理决策U1。最初决定给予信贷申请人贷款的是由专家的主观判断，以及根据过去的经验和一些指导性原则。常见的做法是考虑经典的“5C信贷”，包括性格，能力，资本，抵押品及条件盟。然而，这种方法受到培训成本高，经常不正

7、确的决定，以及由不同的专家对同一问题的决定不一致等限制。信用评价木质上是一种信用分析工具，以帮助贷款人决定是否批出信贷。信用评价的目的主要是为了区分“好”的申请人和“坏”的申请人。从实际的角度来看,信用评价的过程可以被视为预测或聚类的问题。但是，由于大量的信息涌现，A前，金融机构急需先进的分析工具，用来支持信用风险管理流程，以符合巴寒尔监管要求。自20世纪30年代信用评价技术诞生以来，在经历儿次比较重大的金融危机后，许多经济学家开始重视对信用风险的分析研宄，因此，许多信用风险管理评价技术应运而生。最经典的方法是基于统计模型，如Logistic冋归分析，

8、线性判别分析，多元自适应回归分析等。用统计方法对人群进行判别分类最早要追溯到Fisher[22