【摘要】：隨著國(guó)內(nèi)經(jīng)濟(jì)持續(xù)繁榮發(fā)展,國(guó)內(nèi)人民的消費(fèi)能力越來(lái)越強(qiáng),國(guó)內(nèi)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(gè)國(guó)民經(jīng)濟(jì)的繁榮發(fā)展中起著越來(lái)越關(guān)鍵的作用。越來(lái)越多的企業(yè)從銀行尋求貸款,并用所得貸款擴(kuò)大生產(chǎn)規(guī)模,從而推動(dòng)社會(huì)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(lái)越多,銀行整體信貸的風(fēng)險(xiǎn)也越來(lái)越大,銀行對(duì)企業(yè)的貸款額度也有考量。對(duì)企業(yè)的貸款額度的限定,決定了銀行資金是否健康運(yùn)轉(zhuǎn)。當(dāng)前銀行對(duì)企業(yè)用戶的貸款額度限制主要采用信用評(píng)級(jí)制度,信用等級(jí)越高,貸款額度越大,等級(jí)制度從根本上表明了企業(yè)的違約風(fēng)險(xiǎn)的大小。當(dāng)前企業(yè)的信用等級(jí)的評(píng)定一般交給第三方組織,其評(píng)定過(guò)程不透明,極度依賴于第三方評(píng)定人員的從業(yè)經(jīng)驗(yàn),而企業(yè)的財(cái)務(wù)指標(biāo)繁雜多變,不同規(guī)模的企業(yè)其財(cái)務(wù)規(guī)模也相差巨大,財(cái)務(wù)指標(biāo)不盡相同,等級(jí)評(píng)定人員的一點(diǎn)失誤就可能造成企業(yè)的等級(jí)的不同,從而對(duì)企業(yè)的發(fā)展產(chǎn)生巨大的影響。隨著計(jì)算機(jī)技術(shù)的快速發(fā)展,許多產(chǎn)業(yè)開(kāi)始擺脫原有的管理模式,在計(jì)算的管理下更加健康有序地發(fā)展。利用計(jì)算機(jī)來(lái)對(duì)企業(yè)進(jìn)行信用評(píng)級(jí)也越來(lái)越可行。本文實(shí)現(xiàn)了一種基于BP神經(jīng)網(wǎng)絡(luò)的信用等級(jí)評(píng)價(jià)系統(tǒng),首先利用銀行收集的企業(yè)用戶信息(定性指標(biāo)、定量指標(biāo)),對(duì)定量指標(biāo)按時(shí)間順序進(jìn)行折舊預(yù)測(cè)并歸一化處理,對(duì)定性指標(biāo)進(jìn)行量化分析,然后用BP神經(jīng)網(wǎng)絡(luò)對(duì)量化后的企業(yè)用戶信息進(jìn)行分類訓(xùn)練,最后用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)企業(yè)信用等級(jí)分類,從而得到企業(yè)的信用等級(jí),并根據(jù)分類結(jié)果,得到信用等級(jí)評(píng)價(jià)的最小指標(biāo)集合。本文的信用等級(jí)評(píng)價(jià)系統(tǒng)所用的數(shù)據(jù)來(lái)自企業(yè)實(shí)際數(shù)據(jù),實(shí)際評(píng)級(jí)均為實(shí)際等級(jí),本系統(tǒng)的信用評(píng)級(jí)與實(shí)際評(píng)級(jí)符合率大于90%,利用本信用評(píng)級(jí)系統(tǒng),得到的最小指標(biāo)集合只有87個(gè)指標(biāo),比原指標(biāo)數(shù)少了20個(gè)。
[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(xué)位授予單位】：寧波大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F274;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉露怡;;等級(jí)評(píng)價(jià)淡化了對(duì)學(xué)生的比較——訪上海市靜安區(qū)教育學(xué)院附屬學(xué)校校長(zhǎng)張人利[J];現(xiàn)代教學(xué);2013年10期

2 馬民虎,喬雅輝;信息系統(tǒng)安全等級(jí)評(píng)價(jià)的法律分析[J];信息網(wǎng)絡(luò)安全;2003年01期

3 薛冰;;客戶信用等級(jí)評(píng)價(jià)系統(tǒng)研究與實(shí)施[J];電力信息化;2006年07期

4 石巖濤;;基于距離比較的等級(jí)評(píng)價(jià)模型的GUI實(shí)現(xiàn)與應(yīng)用——以教師課堂教學(xué)質(zhì)量評(píng)價(jià)為例[J];遼東學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年01期

5 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡(luò)技術(shù)讓管理更輕松[J];軟件世界;2000年11期

6 云中客;新的神經(jīng)網(wǎng)絡(luò)來(lái)自于仿生學(xué)[J];物理;2001年10期

7 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

8 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運(yùn)優(yōu)化方法[J];長(zhǎng)沙鐵道學(xué)院學(xué)報(bào);2003年02期

9 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2004年21期

10 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

相關(guān)會(huì)議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1996年

2 周樹(shù)德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡(jiǎn)單規(guī)劃的識(shí)別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

4 郭愛(ài)克;馬盡文;丁康;;序言(二)[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國(guó)神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩(shī)武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評(píng)估中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬(wàn)強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

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

2 青島日?qǐng)?bào)、青報(bào)網(wǎng)記者 劉淼;青島中考暫停完全等級(jí)評(píng)價(jià)制[N];青島日?qǐng)?bào);2014年

3 中國(guó)建筑材料流通協(xié)會(huì)副會(huì)長(zhǎng) 秦占學(xué);交易信用等級(jí)評(píng)價(jià)的重要意義[N];中國(guó)建材報(bào);2010年

4 記者 高柱 通訊員 劉衍茂;內(nèi)江工資集體協(xié)商引入等級(jí)評(píng)價(jià)考核[N];工人日?qǐng)?bào);2013年

5 付煜 記者 楊玉國(guó);我市啟動(dòng)勞動(dòng)保障誠(chéng)信等級(jí)評(píng)價(jià)工作[N];雞西日?qǐng)?bào);2007年

6 記者 司文;建立考評(píng)制度 等級(jí)評(píng)價(jià)校長(zhǎng)[N];西安日?qǐng)?bào);2013年

7 記者　趙永智;遼寧：實(shí)施誠(chéng)信等級(jí)評(píng)價(jià)制度[N];工人日?qǐng)?bào);2006年

8 記者 田逢春;我省制定實(shí)施翡翠鉆石質(zhì)量等級(jí)評(píng)價(jià)[N];云南日?qǐng)?bào);2011年

9 本報(bào)記者 劉洪文;醫(yī)療機(jī)構(gòu)接受信用等級(jí)評(píng)價(jià)[N];阿克蘇日?qǐng)?bào);2007年

10 姜超;北京公司實(shí)施安全技能等級(jí)評(píng)價(jià)[N];國(guó)家電網(wǎng)報(bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無(wú)線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)方法研究[D];大連理工大學(xué);2015年

5 付愛(ài)民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國(guó)農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

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

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時(shí)間序列預(yù)測(cè)算法研究[D];北京科技大學(xué);2016年

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

相關(guān)碩士學(xué)位論文 前10條

1 陳岳;銀行企業(yè)用戶信用等級(jí)評(píng)價(jià)[D];寧波大學(xué);2017年

2 張穎慧;上海市中學(xué)體育課程專項(xiàng)化改革（足球?qū)ｍ?xiàng)）男子學(xué)生運(yùn)動(dòng)員等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)制定的研究[D];上海體育學(xué)院;2016年

3 李夕兵;企業(yè)環(huán)境保護(hù)行為信用等級(jí)評(píng)價(jià)研究與實(shí)踐[D];重慶大學(xué);2007年

4 張巍;構(gòu)建跳繩大眾鍛煉等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)的研究[D];北京體育大學(xué);2011年

5 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測(cè)的研究[D];華南理工大學(xué);2015年

6 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測(cè)及控制研究[D];燕山大學(xué);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(xué);2015年

8 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

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

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

，

本文編號(hào)：2227254