銀行信貸風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警RBFNN系統(tǒng)設(shè)計(jì)研究.pdf

1、控制銀行貸款風(fēng)險(xiǎn)一直是我國(guó)商業(yè)銀行經(jīng)營(yíng)的重中之重。本文針對(duì)傳統(tǒng)方法有相應(yīng)的缺陷，提出了一個(gè)新的評(píng)價(jià)銀行貸款風(fēng)險(xiǎn)的方法——基于均勻設(shè)計(jì)法的RBFNN風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警評(píng)價(jià)方法。同時(shí)本文運(yùn)用面向?qū)ο蠓治龊兔嫦驅(qū)ο笤O(shè)計(jì)方法對(duì)銀行貸款風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警系統(tǒng)進(jìn)行了設(shè)計(jì)。其主要工作其主要分成以下幾個(gè)階段： 1、在分析銀行貸款評(píng)價(jià)和預(yù)警評(píng)價(jià)的流程基礎(chǔ)上，對(duì)項(xiàng)目進(jìn)行了可行性分析，接著運(yùn)用OOA方法進(jìn)行了需求分析，進(jìn)行了詳細(xì)的各層次用例分析。 2

2、、在選取了優(yōu)秀的銀行貸款風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警評(píng)價(jià)指標(biāo)基礎(chǔ)上，運(yùn)用所設(shè)計(jì)的指標(biāo)模糊隸屬度函數(shù)對(duì)評(píng)價(jià)指標(biāo)值進(jìn)行規(guī)范化，并使用均勻設(shè)計(jì)法獲取了自適應(yīng)RBFNN訓(xùn)練樣本。通過樣本訓(xùn)練和實(shí)例數(shù)據(jù)進(jìn)行檢驗(yàn)貸款風(fēng)險(xiǎn)評(píng)價(jià)和預(yù)警評(píng)價(jià)，獲得了理想的結(jié)果。 3、運(yùn)用UML建模，對(duì)銀行貸款風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警系統(tǒng)進(jìn)行了總體設(shè)計(jì)和詳細(xì)設(shè)計(jì)，設(shè)計(jì)出類圖、系統(tǒng)模塊結(jié)構(gòu)圖，并對(duì)各模塊設(shè)計(jì)出較詳細(xì)的時(shí)序圖。 4、在系統(tǒng)實(shí)現(xiàn)過程中，運(yùn)用了Matlab函數(shù)與C?；炀幖夹g(shù)

3、，將Matlab的自適應(yīng)RBFNN函數(shù)轉(zhuǎn)換成COM組件，在C＃程序中調(diào)用。同時(shí)應(yīng)用了均勻設(shè)計(jì)法所獲得的大量樣本，分別進(jìn)行貸款風(fēng)險(xiǎn)評(píng)價(jià)的RBFNN訓(xùn)練和預(yù)警評(píng)價(jià)的RBFNN訓(xùn)練，經(jīng)過程序檢驗(yàn)，模型訓(xùn)練檢驗(yàn)滿意。貸款風(fēng)險(xiǎn)評(píng)價(jià)和預(yù)警評(píng)價(jià)，也獲得理想的結(jié)果。從而使應(yīng)用系統(tǒng)脫離了Matlab軟件而運(yùn)行，也簡(jiǎn)化了RBFNN算法的編寫。 Matlab函數(shù)與C?；炀幖夹g(shù)的運(yùn)用，使我們今后在C＃程序中可以運(yùn)用Matlab軟件的大量的函數(shù)進(jìn)行復(fù)雜計(jì)

4、算和圖形顯示變換，簡(jiǎn)化了程序編制，同時(shí)充分發(fā)揮Matlab軟件強(qiáng)大的計(jì)算功能。 在過去的銀行風(fēng)險(xiǎn)預(yù)警評(píng)價(jià)方法中，傳統(tǒng)模糊綜合評(píng)判法具有無法擺脫決策過程中的隨機(jī)性，主觀不確定性以及缺乏與時(shí)俱進(jìn)的自學(xué)習(xí)能力的嚴(yán)重缺點(diǎn)。過去采用的RBF神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)方法具有網(wǎng)絡(luò)隱節(jié)點(diǎn)固定，局部極值的缺點(diǎn)。雖然它具有自學(xué)習(xí)能力的優(yōu)點(diǎn)，但是在自學(xué)習(xí)訓(xùn)練中卻具有致命的缺點(diǎn)——在有限的學(xué)習(xí)樣本情況下缺乏嚴(yán)密的實(shí)驗(yàn)設(shè)計(jì)，從而使所訓(xùn)練出的網(wǎng)絡(luò)性能難以覆蓋絕大多數(shù)風(fēng)

5、險(xiǎn)情況，致使人工神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)性能不能達(dá)到預(yù)期要求。 本系統(tǒng)利用“均勻設(shè)計(jì)法”U1000表，通過DSP軟件，獲取大規(guī)模標(biāo)準(zhǔn)化“均勻設(shè)計(jì)”樣本，然后利用這些能夠覆蓋全部樣本空間的有代表性樣本進(jìn)行自適應(yīng)RBFNN訓(xùn)練，訓(xùn)練檢驗(yàn)獲取了誤差小于預(yù)定誤差的模型訓(xùn)練結(jié)果；實(shí)例檢驗(yàn)獲得了誤差小于預(yù)定誤差絕對(duì)值3.5，預(yù)警等級(jí)符合實(shí)際的應(yīng)用效果。從而建立一套較準(zhǔn)確的、正確的、無遺漏的、快速的銀行貸款風(fēng)險(xiǎn)評(píng)價(jià)及預(yù)警評(píng)價(jià)模型和評(píng)價(jià)方法。 本系