針對P2P機構信用風險預警問題,提出了基于大數(shù)據(jù)思維的信用評估體系,采用基于動態(tài)特征的廣義徑向基神經(jīng)網(wǎng)絡對228家P2P機構12個月的高維數(shù)據(jù)指標進行信用風險評估.應用設計的廣義徑向基神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡進行對比,準確率分別為91.9%、85.2%,廣義徑向基神經(jīng)網(wǎng)絡在處理實時高維數(shù)據(jù)時表現(xiàn)出良好的性能,可以對我國P2P機構信用風險進行預警.同時深入對預警機構進行數(shù)據(jù)分析發(fā)現(xiàn),如果企業(yè)資金流動性較差、凈流入低也可能存在較高風險,企業(yè)應依據(jù)小額分散的借貸原則,降低借款集中度可以有效防范企業(yè)信用風險. 

【文章來源】：數(shù)學的實踐與認識. 2020,50(17)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

圖３?ＧＲ？?ｆ?ＢＰ神經(jīng)網(wǎng)絡預測值對比圖??ＢＰＧＲＢＦ

【參考文獻】：
期刊論文
[1]基于深度神經(jīng)網(wǎng)絡結(jié)構的互聯(lián)網(wǎng)金融市場動態(tài)預測[J]. 趙洪科,吳李康,李徵,張兮,劉淇,陳恩紅.  計算機研究與發(fā)展. 2019(08)
[2]中國互聯(lián)網(wǎng)金融生態(tài)足跡、承載力及效率的測算與評價研究[J]. 陸岷峰,葛和平.  管理學刊. 2018(01)
[3]基于卷積神經(jīng)網(wǎng)絡的互聯(lián)網(wǎng)金融信用風險預測研究[J]. 王重仁,韓冬梅.  微型機與應用. 2017(24)
[4]大數(shù)據(jù)背景下互聯(lián)網(wǎng)金融借貸風險預警研究[J]. 張亦婷,羅婧鈺,李鈺,朱忻妍.  價值工程. 2017(26)
[5]互聯(lián)網(wǎng)金融民營系P2P網(wǎng)貸平臺的風險預警[J]. 朱清香,王莉.  河北大學學報(哲學社會科學版). 2016(04)
[6]互聯(lián)網(wǎng)金融的風險機理與風險度量研究——以P2P網(wǎng)貸為例[J]. 王立勇,石穎.  東南大學學報(哲學社會科學版). 2016(02)
[7]基于隨機森林的P2P網(wǎng)貸信用風險評價、預警與實證研究[J]. 于曉虹,樓文高.  金融理論與實踐. 2016(02)
[8]我國P2P網(wǎng)絡借貸信用風險影響因素研究——基于排序選擇模型的實證分析[J]. 肖曼君,歐緣媛,李穎.  財經(jīng)理論與實踐. 2015(01)



本文編號：3314892