基于BP神經網絡的農戶小額信用貸款風險評估系統(tǒng)的構建.pdf

1、隨著農業(yè)產業(yè)化與農村經濟的快速發(fā)展，農村的信貸需求逐漸增長。當前，束縛金融機構進入金融農村地區(qū)的主要障礙來源于對于農戶信用狀況的擔心，因此，農戶信用評估手段的技術運用是目前改變農戶貸款難問題的現實解決方案之一。因此，本文從筆者工作過程中收集的農戶小額信用貸款的基本信息作為基本數據庫，通過構建信用風險評估模型檢驗農戶信用狀況，進行模型適用性相關研究。
　　 首先，本文從個人信用風險評估技術和個人信用體系的基本理論基礎入手，形成對于

2、農戶小額信用貸款風險評估的基礎理論分析。其次，筆者在重點研究人工神經網絡模型的基礎上，構建適用于農戶小額信用貸款的BP神經網絡模型及其算法，并且通過Mathlab7.0軟件編寫B(tài)P神經網絡模型的運行程序。第三，運用筆者收集的農戶小額信用貸款的數據信息作為樣本，通過數據庫內的80％的數據量作為訓練樣本調試BP神經網絡對于農戶小額信用貸款的風險估計能力，同時，利用數據庫內的20％的數據量作為測試樣本，檢查對于BP神經網絡的訓練效果。并且針對

3、樣本數據的抽樣重復進行10次，以獲得BP神經網絡對于農戶小額信用貸款風險評級的整體效果，通過驗證BP神經網絡在估計數據庫樣本的準確率結果為:對于信用評分而言，練樣本數據的訓練精度為90.37％，測試樣本的測試精度為89.96％，測試樣本的平均誤差為0.03，誤差的標準差為5.07;對于信用評級集而言，訓練樣本數據的訓練精度為63.94％，測試樣本的測試精度為62.63％，測試樣本的平均誤差為-0.01，誤差的標準差為0.51。