本文關(guān)鍵詞：基于人工智能方法的貸款分類模型研究，由筆耕文化傳播整理發(fā)布。

北京交通大學(xué) 碩士學(xué)位論文 基于人工智能方法的貸款分類模型研究 姓名：喬碧榮 申請學(xué)位級別：碩士 專業(yè)：計算數(shù)學(xué) 指導(dǎo)教師：張作泉 座機電話號碼 中文摘要 摘要：本文采用專家系統(tǒng) ES 和BP人工神經(jīng)網(wǎng)絡(luò)算法對商業(yè)銀行貸款按風(fēng)險程 度進行質(zhì)量分類。經(jīng)研究，將影響貸款歸還可能性的因素分為四個方面：財務(wù)因 素、非財務(wù)因素、現(xiàn)金流量、信用支持，分別建立模塊對上述因素進行分析，從 而將貸款按照五級分類法分為：正常、關(guān)注、次級、可疑、損失。 首先，將BP人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于對財務(wù)因素及現(xiàn)金流量的分析過程中，通過 選取合適的指標(biāo)和數(shù)據(jù)，構(gòu)造訓(xùn)練集，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，得到BP神經(jīng)網(wǎng)絡(luò)輸入層到 隱含層以及隱含層到輸入層的最終權(quán)值，這樣，神經(jīng)網(wǎng)絡(luò)模型也就建立起來了。 然后，．將ES專家系統(tǒng)應(yīng)用到非財務(wù)因素的分析中來。首先，建立非財務(wù)因素的指 標(biāo)體系，然后根據(jù)采取的指標(biāo)運用產(chǎn)生式專家系統(tǒng)，建立規(guī)則體進行分析，在輸 出時，輸出的是非財務(wù)指標(biāo)的狀況，將非財務(wù)因素分析的結(jié)果分為極高風(fēng)險，中 高風(fēng)險，中風(fēng)險，中的風(fēng)險，低風(fēng)險五類。至此，三方面因素分析完成，我們再 次運用產(chǎn)生式專家系統(tǒng)對這三因素分析的結(jié)果進行綜合分析，建立新的規(guī)則體， 得到初步的分類結(jié)果。最后，根據(jù)信用支持對貸款質(zhì)量的影響程度，對初步分類 結(jié)果進行調(diào)整，得到最終的貸款分類結(jié)果。 關(guān)鍵詞：貸款分類；人工神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)：財務(wù)分析；現(xiàn)金流量；信用支持 分類號：F830 ABSTRACT ABSTRACT：TIlisdealswiththebasedriskloanelassifica廿onofcommercial paper bankswitllthemethodsof andNeuralNetworkwhich tothe ExpertSystem belong Article factorsinfluents includethe that th

  本文關(guān)鍵詞：基于人工智能方法的貸款分類模型研究，，由筆耕文化傳播整理發(fā)布。