基于主成分分析法和BP神经网络的银行客户信用评价.pdf

《基于主成分分析法和BP神经网络的银行客户信用评价.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年l2月河北工程技术高等专科学校学报Dec．2013第4期JOURNALOFHEBEIENGINEERINGANDTECHNICALCOLLEGENO．4文章编号：1。08—3782(2013)O4一O038一O4基于主成分分析法和BP神经网络的银行客户信用评价刘春玲，张焕生，郝国芬，贾冬青(河北工程技术高等专科学校，河北沧州061001)摘要：为了加强商业银行对客户信用风险的事先控制，降低银行运营风险，需要对客户按信用等级进行分类，以便执行不同的信用风险控制策略。文中基于主成分分析法和BP神经网络法

2、，建立了客户信用评价模型。结果表明，利用此信用风险评价模型能够准确地判断银行客户所处的信用等级，具有广泛的适用性。关键词：商业银行；信用风险；主成分分析；BP神经网络中图分类号：F830．5文献标识码：A在现代经济发展过程中，商业银行发挥着极其重要的作用，因此，商业银行的信用风险管理一直是国际国内金融界关注的焦点。建立一个科学有效的商业银行客户信用评价模型，可以尽早对银行的潜在风险进行识别和预警，因此具有非常重要的现实意义。文中对大量的商业银行客户评价指标进行收集整理，然后运用主成分分析法对指标进行处理，分离

3、出能够表达绝大部分数据信息的主成分指标，消除了指标问的相关性，构建了基于BP神经网络的商业银行客户信用评价模型，对商业银行规避客户风险具有一定的指导作用。1建立指标体系依据指标选择的全面性、可操作性、科学性、弱相关性等原则，综合考虑影响信用风险评价的各个因素，采用定性分析和定量分析相结合的方法，最终选择1o个最能反映信用风险状况的指标口](见表1)，建立商业银行信用BP神经网络风险评估指标体系。表1商业银行信用风险评估指标体系2建立主成分分析和神经网络相结合的模型2．1原始数据的主成分分析过程选取在上海证券交

4、易所上市的124家公司作为BP网络的学习与测试样本。按表2中的商业银行风险评估指标体系，由124家公司的2012年度财务报告选取相关数据，见表2。收稿日期：2013—09—26作者简介：刘春玲(1980一)，女，河北沧州人，硕士，河北工程技术高等专科学校讲师，研究方向：计算机应用。第4期刘春玲等：基于主成分分析法和BP神经网络的银行客户信用评价39借助SPSS软件对原始数据进行主成分分析，得到了变量的相关系数矩阵的特征值以及贡献率，如表3所示。表3方差贡献率表由表3可知，主成分因子过程提取了3个主成分变量Y1

5、～Y3，使信息反映量达到了75．683％。由于原始数据中各指标的量纲不同，为了确保评价结果的客观性和科学性，需要对原始数据进行归一化处理。将归一化数据转化成为新的主成分指标数据。2．2BP神经网络模型的建立文中建立的商业银行信用风险评估的神经网络模型为BP网络模型。BP神经网络模型由输入层、隐含40河北工程技术高等专科学校学报层、输出层组成，通过误差反向传播来消除误差，它是一种具有模式识别能力、自组织、自适应、自学习特点的计算机制，它的知识编码在整个权值网络中呈分布式存储且具有一定的容错能力。从输入层输入企业

6、信用评价指标的基础指标数据，经隐含层处理传人输出层，输出结果即为评价结果。3．2．1层数设计理论上已证明：具有偏差和至少一个S型隐含层加上一个线性输出层的网络，能够逼近任何有理数]。增加层数可以更进一步的降低误差，提高精度，但同时也使网络复杂化，且网络权值的训练时间也有所增加。而实际上也可以通过增加神经元数目来提高精度，这样更容易观察和调整其训练效果。一般情况下，BP神经网络的隐含层层数设计为一层即可，因此，在文中构建的BP神经网络，采用只有1个隐含层的BP神经网络。3．2．2隐含层设计对于多层前馈网络来说，

7、隐含层节点数的确定对于BP网络成败具有关键作用。如果数量太少，那么网络能够得到的用于解决问题的信息也太少；但是如果数量过多，又会增加训练时间并且也会造成测试误差增大而使泛化能力降低，因此，隐含层节点数的选取非常重要。一般可以根据下述的方法来确定隐含层神经元个数。设BP神经网络的输入层有个神经元，输出层有q个神经元，隐含层有户个神经元，则户一v／n7~q+a，其中a取1到1O之间的整数_L3]。为了使隐含层结点的数目更加合适，可以选取不同的隐含层神经元数目分别进行测试运算，从而确定合适的隐含层神经元个数。经过测

8、试，本文中确定隐含层数目为5。3．2．3输入层设计一般而言，输入层是随着具体问题而定的。文中所要研究的是企业信用评级，输入层节点数就对应于所建立的信用评级指标的个数。由于前面的主成分分析己经抽取了3个主成分，因此，网络输入层含有3个输入向量。文中选择主成分数据作为BP神经网络的输入而不是使用原始数据作为BP神经网络的输入是出于对以下两点原因的考虑：一是通过主成分分析建立的指标体系以较少的指标表达了较