企业信用评级模
摘要
社会信用体系是市场经济体制中的重要体系。当前，社会中商业欺诈，制假售假，非法集资等现象屡禁不止，这些社会信用问题归根到底都是企业信用的问题，因此，科学、合理、公正、权威的企业信用评级技术是当前紧要的任务。
本文通过研究研究国内外企业信用评价方法，构建了一个企业信用评价平台。该平台提供了信用评价，信用等级，信用反馈等功能，是一个功能非常完备的信用评价平台。企业信用评级模型是评价企业信用等级的有效工具，随着全世界债券市场的迅猛发展、抵押品价值降低及其波动性增加，该模型将会得到更为广泛的关注，并将为我国各公司企业运用数学模型度量企业信用评级提供了重要参考意义。
关键词：数学模型 企业信用等级 企业信用评级模型 信用评价
Abstract
The social credit system is an important system of market economy system. At
present, commercial fraud in the society of counterfeit goods, the phenomenon such
as illegal fund-raising, the social credit problems in the final analysis are
enterprise credit problems, therefore, scientific, reasonable, fair and authority
of enterprise credit rating technology is the current urgent task.
Through research the enterprise credit evaluation methods both at home and
abroad, this paper builds a enterprise credit evaluation, credit rating, credit
，ＪＮＷＵ 西北大学学报（哲学社会科学版） ２００６年５月，第３６卷第３期，Ｍａｙ，２００６，Ｖｏ１．３６，Ｎｏ．３ Ｊｏｕｒｎａｌ ｏｆ Ｎｏａｈｗｅｓｔ Ｕｎｉｖｅｒｓｉｔｙ（Ｐｈｉｌｏｓｏｐｈｙ ａｎｄ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｅｄｉｔｉｏｎ）
基于ＧＡ．ＰＳＯ混合规划算法的企业信用风险评估模型
薛惠锋 ，林 波 ，蔡 琳 （１．西北Ｔ业大学自动化学院，陕西西安７１００７２；２．西安理Ｔ大学ｌ丁商管理学院，陕西西安７１００４８） 摘要：利用一种新的人工智能方法——ＧＡ—ＰＳＯ混合规划算法构建企业信用风险评估模型。 并利用上证５０若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上 市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及 ＧＰ方法的信用风险评估模型。 关键词：ＧＡ—ＰＳＯ混合规划算法；企业信用；风险评估 中图分类号：Ｆ８３０．４９ 文献标识码：Ａ 文章编号：１０００—２７３１（２００６）０３－００３８－－０３ 企业信用风险是指在以信用关系为纽带的交易 过程中，交易一方不能履行给付承诺而给另一方造 成损失的可能性。目前，我国企业尤其是中小企业 信用观念淡薄，资金使用混乱，监控难度大，挤占挪 用严重，银行贷款无法按时足额收回…。因此，从 另一角度而言，企业信用风险是商业银行信用风险 产生的源头，因此，加强对企业信用风险的管理能够 有效解决近年来我国商业银行因信用问题所面临的 困境。而作为信用风险管理巾最为重要的环节，企 业信用风险评估近年来受到学术界、金融界和企业 界的广泛关注。 一、企业信用风险评估模型述评 在企业信用风险评估模型方面，已经 现了多 种方法，大致可分为以下 类：一是基于多元统计分 析方法的信用评估模型。其中包括多元回归模型、 多元判别分析模型、Ｉｘ￣ｇｉｔ分析模型以及近邻法等类 别ｌ１ Ｊ。国内如张玲、毛定祥等人利用多元统计方法 对我国企业信用问题进行了研究 一０；二是基于期 权定价理论的信用评估模型。其中最著名的就是 ＫＭＶ公司的预期违约频率（Ｅｘｐｅｃｔｅｄ Ｄｅｆａｕｌｔ Ｆｒｃ． ｑｕｅｎｃｙ，ＥＤＦ）模型。国内如魏正元、董颖颖等人对
第３４卷第４期 武汉理工大学学报（信息与管理工程版） ２０１２年８月 ＪＯＵＲＮＡＬ ０Ｆ ＷＵＴ（ＩＮＦＯＲＭＡＴＩＯＮ＆ＭＡＮＡＧＥＭＥＮＴ ＥＮＧＩＮＥＥＲＩＮＧ） Ｖｏ１．３４ Ｎｏ．４ Ａｕｇ．２０１２
文章编号：２０９５—３８５２（２０１２）０４—０５０４—０５ 文献标志码：Ａ
基于ＳＶＭ的我国商业银行风险预警研究
陈朝晖，胡玉芳
（福州大学管理学院，福建福州３５０００２）
摘要：以我国上市银行为样本利用ＳＶＭ构建我国商业银行风险预警模型，在对模型预测准确度进行检 验的基础上，对２００９年我国上市商业银行的综合风险状况进行了预测。结果表明，采用ＳＶＭ方法构建的模 型具有较高的预测准确率，预测结果对评判银行风险大小具有一定的参考价值。 关键词：支持向量机；商业银行风险；预警模型 中图分类号：Ｆ２２４．７；Ｆ８３２ ＤＯＩ：１０．３９６３／ｊ．ｉｓｓｎ．２０９５—３８５２．２０１２．０４．０２７
随着我国金融领域开放程度的加深，银行业
所面临的经营环境更加不确定。设计适合我国实 际情况的银行风险预警模型，避免危机的爆发或
降低危机的破坏性，具有重要的理论与现实意义。
１ 文献回顾
自２０世纪８０年代开始，以统计学习理论为基 础的小样本、非线性机器学习方法，即支持向量机
（ＳＶＭ）越来越受到研究者的青睐。 国外对ＳＶＭ的预测效果进行了大量的研究。
ＳＨＩＮ等…采用ＳＶＭ方法对公司破产风险进行预
测，并将其与ＢＰ神经网络方法进行比较，结果显 示：当训练样本比较小时，ＳＶＭ的预测精度和总
体效率都比ＢＰ神经网络高。ＣＨＥＮ等 采用 ＳＶＭｓ、ＢＰ神经网络及Ｌｏｇｉｔ回归方法构建了银行 风险预警模型，结果显示ＳＶＭｓ模型的预测效果
和准确率远远高于其他两个模型。ＢＯＹＡＣＩＯＧＬＵ
等 以土耳其被储蓄存款保险基金接管的银行 为样本，对神经网络、支持向量机和多元统计预警
模型进行了比较分析，结果显示，ＳＶＭｓ具有较好 的预警效果，预测准确率达到９０．９％。 国内对ＳＶＭ的应用主要体现在对银行信贷
30中国信用卡 2007.06
业务平台
申请风险评估模型是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型。申请风险评估模型在信贷风险管理中有着非常重要的作用，因为其评估结果是信贷审批的主要依据之一。与国外银行信用卡业务相比，我国各商业银行的信用卡业务的风险管理水平较低，管理手段与方法比较落后。缺乏一套有效的申请评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。如何提高我国商业银行信用卡的信用风险管理水平，从而提高信用卡的盈利能力，使其在与外资银行的竞争中处于不败之地是本文的出发点。本文尝试利用层析分析法(AHP)和BP神经网络相结合的组合评价方法对信用卡申办人进行信用等级评估，寻求降低信用卡的信用风险的有效措施。一、AHP-BP神经网络模型1.模型构建的出发点传统的BP神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。然而，当研究复杂系统建模时，由于影响因素过多，不能确定冗余因素和有用因素，不能将输入的因素简化，这样在输入信息空间维数较大时，网络不仅结构复杂，而且训练时间也很长，从而降低网络性能，影响计算准确度。因此，本文尝试利用层析分析法作为BP神经网络的前处理，通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化，以其结果作为BP神经网络的输入值，以减小BP神经网络的结构的复杂性，从而缩短训练时间，并充分利用BP神经网络强大的容错能力和抗干扰能力，提高模型的效率。2.两种方法集成的可行性分析以往国内商业银行对信用风险评估相关的数据重视不足，造成有效信息的缺失，而AHP-BP神经网络模型仍具有神经网络采用分布式存储结构的特点，具有很强的容错能力，少量单元的局部缺损不会造成整个网络的瘫痪，适合实际操作。信用卡风险评估是一个较为复杂的过程，涉及各方面的因素，而且各影响因素与衡量结果之间并不完全是线性关系。而AHP-BP神经网络模型具有很强的非线性映射能力。AHP-BP神经网络模型自适应能力强，能不断地接受新样本、不断学习，以调整模型。商业银行以不断更新滚动数据训练模型，使评估结果更符合实际，形成动态评估过程(见图1)。管理
