基于人工智能方法的貸款分類模型研究.pdf

1、本文采用專家系統(tǒng)(ES)和BP人工神經網絡算法對商業(yè)銀行貸款按風險程度進行質量分類。經研究，將影響貸款歸還可能性的因素分為四個方面：財務因素、非財務因素、現金流量、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、關注、次級、可疑、損失。 首先，將BP人工神經網絡應用于對財務因素及現金流量的分析過程中，通過選取合適的指標和數據，構造訓練集，訓練神經網絡，得到BP神經網絡輸入層到隱含層以及隱含層到輸入層

2、的最終權值，這樣，神經網絡模型也就建立起來了。然后，將ES專家系統(tǒng)應用到非財務因素的分析中來。首先，建立非財務因素的指標體系，然后根據采取的指標運用產生式專家系統(tǒng)，建立規(guī)則體進行分析，在輸出時，輸出的是非財務指標的狀況，將非財務因素分析的結果分為極高風險，中高風險，中風險，中的風險，低風險五類。至此，三方面因素分析完成，我們再次運用產生式專家系統(tǒng)對這三因素分析的結果進行綜合分析，建立新的規(guī)則體，得到初步的分類結果。最后，根據信用支持對貸