基于貸款人視角的互聯(lián)網(wǎng)金融信用風(fēng)險(xiǎn)分級(jí)研究
【文章頁數(shù)】:6 頁
【部分圖文】:
圖2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)2.3.2遺傳模擬退火算法(GSAA)優(yōu)化神經(jīng)網(wǎng)絡(luò)原理隱含層輸出層
指標(biāo)”映射規(guī)則。為獲得更優(yōu)的神經(jīng)網(wǎng)絡(luò),采用遺傳模擬退火算法(GSAA)優(yōu)化神經(jīng)網(wǎng)絡(luò)的初始閾值與權(quán)值。對(duì)于新樣本,只需將評(píng)價(jià)指標(biāo)輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)即可得到對(duì)應(yīng)的信用等級(jí)。2.3.1BP神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力,利用梯度搜索技術(shù)學(xué)習(xí)輸入到輸出的非線性映射關(guān)系。三層BP神經(jīng)....
圖4確定GSAA-BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)實(shí)驗(yàn)結(jié)果由圖4可知設(shè)定BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元個(gè)數(shù)為30個(gè)神經(jīng)元25個(gè)神經(jīng)元
???愕?BP神經(jīng)網(wǎng)絡(luò)。令等級(jí)為A、B、C、D、E樣本的網(wǎng)絡(luò)輸出分別為1,2,3,4,5。對(duì)于某樣本,若網(wǎng)絡(luò)預(yù)測(cè)輸出值與實(shí)際值誤差小于等于0.05,則稱該樣本實(shí)現(xiàn)精準(zhǔn)分級(jí)。根據(jù)不同神經(jīng)網(wǎng)絡(luò)在BP神經(jīng)網(wǎng)絡(luò)驗(yàn)證集上的精準(zhǔn)分級(jí)率確定隱含層神經(jīng)元個(gè)數(shù)。神經(jīng)網(wǎng)絡(luò)有關(guān)參數(shù)設(shè)定如下:訓(xùn)練函數(shù)為....
圖5GSAA-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果對(duì)比60%神12345實(shí)驗(yàn)序號(hào)
玫燃鍍攔饋R糯?D饌嘶鶿惴ㄓ泄夭問?瓚?如下:最大遺傳代數(shù)為30,種群規(guī)模為10,交叉概率為0.9,變異概率為0.05,初始溫度為100,冷卻系數(shù)為0.95。為驗(yàn)證遺傳模擬退火算法對(duì)神經(jīng)網(wǎng)絡(luò)優(yōu)化的有效性,在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練集上分別訓(xùn)練GSAA-BP神經(jīng)網(wǎng)絡(luò)和普通BP神經(jīng)網(wǎng)絡(luò),將這....
關(guān)系新樣本信用等級(jí)神經(jīng)網(wǎng)絡(luò)新樣本信用數(shù)據(jù)圖1互聯(lián)網(wǎng)金融信用分級(jí)模型構(gòu)建流程2.1主成分分析等級(jí)與評(píng)價(jià)指標(biāo)的映射
局行龐悶蘭壑?標(biāo)主成分,減小指標(biāo)間相關(guān)程度,從而避免Logit回歸出現(xiàn)嚴(yán)重的多重共線性問題;利用Logit回歸構(gòu)建“是否違約”和“評(píng)價(jià)指標(biāo)主成分”關(guān)系[16];利用Logit回歸方程得到的違約概率對(duì)樣本劃分等級(jí);通過訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),獲取“等級(jí)”和“評(píng)價(jià)指標(biāo)”的映射規(guī)則。利用訓(xùn)練....
本文編號(hào):4049638
本文鏈接:http://www.lk138.cn/jingjilunwen/touziyanjiulunwen/4049638.html