【摘要】：隨著國內經濟持續(xù)繁榮發(fā)展,國內人民的消費能力越來越強,國內企業(yè)也越做越大。作為企業(yè)資金的中介載體,銀行在整個國民經濟的繁榮發(fā)展中起著越來越關鍵的作用。越來越多的企業(yè)從銀行尋求貸款,并用所得貸款擴大生產規(guī)模,從而推動社會的發(fā)展。在所有的發(fā)展中的企業(yè)中,有的蓬勃向上,同樣不可避免的也有黯然落幕。隨著貸款企業(yè)越來越多,銀行整體信貸的風險也越來越大,銀行對企業(yè)的貸款額度也有考量。對企業(yè)的貸款額度的限定,決定了銀行資金是否健康運轉。當前銀行對企業(yè)用戶的貸款額度限制主要采用信用評級制度,信用等級越高,貸款額度越大,等級制度從根本上表明了企業(yè)的違約風險的大小。當前企業(yè)的信用等級的評定一般交給第三方組織,其評定過程不透明,極度依賴于第三方評定人員的從業(yè)經驗,而企業(yè)的財務指標繁雜多變,不同規(guī)模的企業(yè)其財務規(guī)模也相差巨大,財務指標不盡相同,等級評定人員的一點失誤就可能造成企業(yè)的等級的不同,從而對企業(yè)的發(fā)展產生巨大的影響。隨著計算機技術的快速發(fā)展,許多產業(yè)開始擺脫原有的管理模式,在計算的管理下更加健康有序地發(fā)展。利用計算機來對企業(yè)進行信用評級也越來越可行。本文實現(xiàn)了一種基于BP神經網(wǎng)絡的信用等級評價系統(tǒng),首先利用銀行收集的企業(yè)用戶信息(定性指標、定量指標),對定量指標按時間順序進行折舊預測并歸一化處理,對定性指標進行量化分析,然后用BP神經網(wǎng)絡對量化后的企業(yè)用戶信息進行分類訓練,最后用BP神經網(wǎng)絡來對企業(yè)信用等級分類,從而得到企業(yè)的信用等級,并根據(jù)分類結果,得到信用等級評價的最小指標集合。本文的信用等級評價系統(tǒng)所用的數(shù)據(jù)來自企業(yè)實際數(shù)據(jù),實際評級均為實際等級,本系統(tǒng)的信用評級與實際評級符合率大于90%,利用本信用評級系統(tǒng),得到的最小指標集合只有87個指標,比原指標數(shù)少了20個。
[Abstract]:As the domestic economy continues to flourish, the consumption power of domestic people is becoming stronger and stronger, and domestic enterprises are becoming bigger and bigger. As the intermediary carrier of enterprise funds, banks play a more and more critical role in the prosperity and development of the whole national economy. More and more enterprises seek loans from banks and use the loans to expand the scale of production, thus promoting the development of society. In all the developing enterprises, some are thriving, and some are also inevitable and overshadowed. As the number of lending companies increases, the risk of overall bank credit is increasing, and the amount of loans granted by banks to enterprises is also taken into account. The limit on the amount of loans made by the company determines whether the bank funds are running healthily or not. At present, the credit rating system is mainly used to limit the loan quota to the enterprise users. The higher the credit grade, the larger the loan quota, which fundamentally indicates the size of the default risk of the enterprise. At present, the credit rating of an enterprise is generally given to a third party organization. The evaluation process is not transparent and depends heavily on the experience of the third party assessor, and the financial index of the enterprise is complex and changeable. The financial scale of enterprises with different scales is different, and the financial indexes are not the same. A bit of error of rating assessors may cause different grades of enterprises, which has a great impact on the development of enterprises. With the rapid development of computer technology, many industries begin to get rid of the original management mode and develop more healthily and orderly under the management of calculation. It is also more and more feasible to use computer to carry on credit rating to enterprises. In this paper, a credit rating evaluation system based on BP neural network is implemented. Firstly, the enterprise user information (qualitative index, quantitative index) collected by the bank is used to predict and normalize the depreciation of the quantitative index in chronological order. The qualitative index is analyzed quantitatively, then the enterprise user information is classified and trained by BP neural network. Finally, the enterprise credit grade is classified by BP neural network, and the credit grade of the enterprise is obtained according to the classification result. The minimum index set of credit rating is obtained. The data used in the credit rating evaluation system in this paper come from the actual data of the enterprise, and the actual ratings are all actual grades. The coincidence rate between the credit rating and the actual rating of this system is greater than 90, and the credit rating system is used to make use of the credit rating system. The minimum index set is only 87, which is 20 less than the original index.
【學位授予單位】：寧波大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F274;TP183

【相似文獻】

相關期刊論文 前10條

1 葉露怡;;等級評價淡化了對學生的比較——訪上海市靜安區(qū)教育學院附屬學校校長張人利[J];現(xiàn)代教學;2013年10期

2 馬民虎,喬雅輝;信息系統(tǒng)安全等級評價的法律分析[J];信息網(wǎng)絡安全;2003年01期

3 薛冰;;客戶信用等級評價系統(tǒng)研究與實施[J];電力信息化;2006年07期

4 石巖濤;;基于距離比較的等級評價模型的GUI實現(xiàn)與應用——以教師課堂教學質量評價為例[J];遼東學院學報(自然科學版);2013年01期

5 楊曉帥 ,付玫;神經網(wǎng)絡技術讓管理更輕松[J];軟件世界;2000年11期

6 云中客;新的神經網(wǎng)絡來自于仿生學[J];物理;2001年10期

7 唐春明,高協(xié)平;進化神經網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

8 李智;一種基于神經網(wǎng)絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

9 程科,王士同,楊靜宇;新型模糊形態(tài)神經網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

10 王凡,孟立凡;關于使用神經網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網(wǎng)絡的新機遇——紀念中國神經網(wǎng)絡10周年[A];1999年中國神經網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網(wǎng)絡與圖論[A];1999年中國神經網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經網(wǎng)絡釋用預報應用[A];1999年中國神經網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

相關重要報紙文章 前10條

1 記者 劉娟;我市再次擴大企業(yè)信息征集范圍[N];大慶日報;2009年

2 青島日報、青報網(wǎng)記者 劉淼;青島中考暫停完全等級評價制[N];青島日報;2014年

3 中國建筑材料流通協(xié)會副會長 秦占學;交易信用等級評價的重要意義[N];中國建材報;2010年

4 記者 高柱 通訊員 劉衍茂;內江工資集體協(xié)商引入等級評價考核[N];工人日報;2013年

5 付煜 記者 楊玉國;我市啟動勞動保障誠信等級評價工作[N];雞西日報;2007年

6 記者 司文;建立考評制度 等級評價校長[N];西安日報;2013年

7 記者　趙永智;遼寧：實施誠信等級評價制度[N];工人日報;2006年

8 記者 田逢春;我省制定實施翡翠鉆石質量等級評價[N];云南日報;2011年

9 本報記者 劉洪文;醫(yī)療機構接受信用等級評價[N];阿克蘇日報;2007年

10 姜超;北京公司實施安全技能等級評價[N];國家電網(wǎng)報;2011年

相關博士學位論文 前10條

1 楊旭華;神經網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網(wǎng)絡的混沌性及幾類時滯神經網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 陳岳;銀行企業(yè)用戶信用等級評價[D];寧波大學;2017年

2 張穎慧;上海市中學體育課程專項化改革（足球專項）男子學生運動員等級評價標準制定的研究[D];上海體育學院;2016年

3 李夕兵;企業(yè)環(huán)境保護行為信用等級評價研究與實踐[D];重慶大學;2007年

4 張巍;構建跳繩大眾鍛煉等級評價標準的研究[D];北京體育大學;2011年

5 章穎;混合不確定性模塊化神經網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

6 賈文靜;基于改進型神經網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

7 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

8 陳彥至;神經網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

9 董哲康;基于憶阻器的組合電路及神經網(wǎng)絡研究[D];西南大學;2015年

10 武創(chuàng)舉;基于神經網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

，

本文編號：2227253