個(gè)人信用評(píng)估pso神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與應(yīng)用

1、2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集Proceedingsof2007ChineseControlandDecisionC帆枷ce793個(gè)人信用評(píng)估PSO神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與應(yīng)用姜明輝，袁緒川(哈爾濱工業(yè)大學(xué)管理學(xué)院，哈爾濱150001)摘要：個(gè)人信用評(píng)估對(duì)于商業(yè)銀行規(guī)避消費(fèi)信貸風(fēng)險(xiǎn)具有重要意義為了構(gòu)建更優(yōu)的個(gè)人信用評(píng)估模型，提出利用粒子群算法(PSO)優(yōu)化神經(jīng)網(wǎng)絡(luò)的信用評(píng)估方法模型的應(yīng)用結(jié)果與BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對(duì)比表明，PSO神經(jīng)網(wǎng)絡(luò)在

2、檢驗(yàn)樣本上的分類精度比BP網(wǎng)絡(luò)高，模型的穩(wěn)健性好，具有較好的適用性關(guān)鍵詞：個(gè)人信用評(píng)估神經(jīng)網(wǎng)絡(luò)；PSO算法；BP算法ConstructionandapplicationofPSOneuralnetworkforpersonalcreditscoringJIANGMing—hui，YUANXuchuan(SchoolofManagementHarbinInstituteofTechnology，Harbin150001，ChinaCorr

3、espondent：JIANGMinghui，Email：jiangmh@castcn)Abstract：PersonalcreditscoringplayshnimportantroleforcommercialbankstOkeepawayfromcreditrisksinconsumercreditmarketInordertOestablishamoreapplicablepersonalcreditscoringmodel，a

4、PSOneuralnetworkmodelisconstructedtOtrainthenetwork’SparametersbyusingPSOApplicationresultsindicatethattcomparedwithBPnetwork，PSOnetworkgetshigherclassificationaccuracyintestingsamplesandshowsstrongerrobustnessPSonetwork

5、ismoreapplicableforpersonalcreditscoringKeywords：Personalcreditscoring；Neuralnetwdrk；PSOalgorithm；BPalgorithm1引言隨著我國(guó)消費(fèi)信貸市場(chǎng)的快速發(fā)展，個(gè)人信用評(píng)估的重要性逐漸凸現(xiàn)對(duì)于商業(yè)銀行而言，個(gè)人信用評(píng)估就是通過(guò)考察反映消費(fèi)信貸申請(qǐng)者的各種指標(biāo)，對(duì)其按時(shí)還款的可能性進(jìn)行全面的判斷和評(píng)估，從而做出是否放貸的決定，這對(duì)于規(guī)避信用風(fēng)險(xiǎn)

6、具有重要意義在西方發(fā)達(dá)國(guó)家，對(duì)個(gè)人信用評(píng)估方法的研究不斷發(fā)展，而且日趨成熟，許多方法應(yīng)用到個(gè)人信用評(píng)估領(lǐng)域[1]，包括以神經(jīng)網(wǎng)絡(luò)為代表的人工智能模型在信用評(píng)估的神經(jīng)網(wǎng)絡(luò)模型中，BP網(wǎng)絡(luò)具有廣泛的應(yīng)用，但容易陷入局部極小、過(guò)度訓(xùn)練導(dǎo)致網(wǎng)絡(luò)的泛化能力降低等固有缺陷使得BP算法在應(yīng)用中的效果并不理想因此，利用神經(jīng)網(wǎng)絡(luò)的非線性映射能力，構(gòu)建更優(yōu)的個(gè)人信用評(píng)估模型具有重要的實(shí)踐意義。粒子群算法[2](PSO)是近年來(lái)發(fā)展起來(lái)的一種新的優(yōu)化計(jì)算方法

7、，由于其概念簡(jiǎn)單，容易實(shí)現(xiàn)，并具有深刻的智能背景，已廣泛應(yīng)用于函數(shù)優(yōu)化、模式識(shí)別等領(lǐng)域，并可以作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法因此本文利用神經(jīng)網(wǎng)絡(luò)構(gòu)建個(gè)人信用評(píng)估模型，并選擇PSO算法用于網(wǎng)絡(luò)的訓(xùn)練，構(gòu)建了PSO網(wǎng)絡(luò)，通過(guò)與BP網(wǎng)絡(luò)模型進(jìn)行對(duì)比，考察模型的應(yīng)用效果2基本PSO算法PSO算法中，每個(gè)優(yōu)化問(wèn)題的潛在解稱為粒子”P(pán)SO隨機(jī)初始化一群粒子和粒子速度，其中：粒子個(gè)數(shù)稱為種群規(guī)模m；第i個(gè)粒子在d維空間的位置表示為五一(zd，z露，，z耐)，

8、i一1，2’，m；速度研=(“Oil，拋，，％)決定粒子在搜索空間迭代次數(shù)的位移；d為實(shí)際解決問(wèn)題中的自變量個(gè)數(shù)計(jì)算每一個(gè)粒子的適應(yīng)度，適應(yīng)度函數(shù)一般由實(shí)際問(wèn)題中被優(yōu)化的函數(shù)決定根據(jù)每一個(gè)粒子的適應(yīng)度，更新每個(gè)粒子的個(gè)體最優(yōu)夕be。一(pt，Pz，，Pd)和全局最優(yōu)值gb瞄l=(g。，gz，，g。粒子通過(guò)下式動(dòng)態(tài)跟蹤個(gè)體最優(yōu)值和全局最優(yōu)值來(lái)更新其速度和位置：％(c1)=“U0(￡)CIn(p，(￡)一％(z))基金項(xiàng)目：哈爾濱工業(yè)大學(xué)技

9、術(shù)政策管理(TPM)國(guó)家哲學(xué)社科創(chuàng)新基地項(xiàng)目(htcsr06t06)作者簡(jiǎn)介：姜明輝(1967一)，男，黑龍江牡丹江人，副教授，碩士從事商業(yè)銀行風(fēng)險(xiǎn)管理的研究姜明輝等：個(gè)人信用評(píng)估PSO神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與應(yīng)用795訓(xùn)練完成模型的應(yīng)用初始化粒子位置和速度粒子適應(yīng)度計(jì)算二二[粒子速度更新二二[粒子位置更新PresenffOE于p＼，，7。蘭土。fPresent=pw_fN龜渺Present優(yōu)于pb。。二：：：：，二二＼／，Y工IgM2Vr

10、esetI篷型緣癸蘭釜丑二≯N足訓(xùn)練癸止象1王：￡=一、亨1／1t丁麗茁習(xí)圖1個(gè)人信用評(píng)估流程函數(shù)分別選擇tansig和logsig其次是PSO算法的參數(shù)設(shè)置PSO算法的參數(shù)包括群體規(guī)模m，加速因子c，和fz，最大速度口一，最大代數(shù)o?！霙Q定在當(dāng)前位置和最好位置之間的區(qū)域的分辨率或精度，如果‰。太高，粒子可能會(huì)飛過(guò)好解，如果‰太小，粒子不能在局部好區(qū)域之外進(jìn)行足夠的探索；它可能陷入局部最優(yōu)值加人慣性權(quán)重的改進(jìn)粒子群算法可以有效地避免因‰

11、設(shè)置不當(dāng)引起的算法搜索最優(yōu)解的能力，此時(shí)粒子的速度和位移的更新公式變?yōu)閇5]％(￡1)一聊#(f)十flrl(向(f)一2：#(￡))c2r2(g，(￡)一鉑(￡))，(6)zi(￡1)=zd(￡)％(￡1)(7)慣性權(quán)重如的引入可消除對(duì)口一的需要，因?yàn)槠渥饔枚际蔷S護(hù)全局和局部搜索能力的平衡[6】，謝較大算法具有較強(qiáng)的全局搜索能力，硼較小則算法傾向于局部搜索一般的做法是使訓(xùn)隨迭代次數(shù)的增加線性遞減[73以達(dá)到上述期望的優(yōu)化目的，即t仇。

12、∞mx■(8)其中：‰。為初始慣性權(quán)重，鋤曲為最后慣性權(quán)重，￡為當(dāng)前代數(shù)根據(jù)確定的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，模型中需要優(yōu)化的權(quán)重和閾值個(gè)數(shù)為1077711=85個(gè)，因此本文將粒子的種群規(guī)模設(shè)為100粒子的適應(yīng)度函數(shù)設(shè)置為均方誤差函數(shù)MSE，即，NⅣoMSE(w)=嘉∑∑(螄一孔)2(9)^，1iI其中：Y矗，孔分別表示輸出層第量個(gè)神經(jīng)元的實(shí)際輸出和期望輸出；No為輸出層神經(jīng)元的個(gè)數(shù)為了獲得更好的訓(xùn)練結(jié)果，本文選擇帶慣性權(quán)重的改進(jìn)PSO算法，慣性權(quán)重

13、叫采用式(8)的方式進(jìn)行線性調(diào)整，‰。取為o9，‰。取為04，加速因子c。，c。都取為2此外，將PSO算法的最大迭代次數(shù)設(shè)為1000作為算法終止的條件將經(jīng)過(guò)歸一化處理的訓(xùn)練樣本數(shù)據(jù)輸入利用Matlab平臺(tái)編制的PSO網(wǎng)絡(luò)程序中，模型的訓(xùn)練結(jié)果如圖2所示將訓(xùn)練后的PSO網(wǎng)絡(luò)用于檢驗(yàn)樣本的判別，并以05作為分類的界限，即如果網(wǎng)絡(luò)的輸出小于05，則將其判為違約，否則判為未違約，得到的分類結(jié)果列于表2圖2兩種神經(jīng)網(wǎng)絡(luò)的伽練誤差曲線表2兩種神經(jīng)網(wǎng)

14、絡(luò)的分類結(jié)果需(719％)(1≥％)9583(7刪21011)(2462N)9490網(wǎng)絡(luò)(7％)(17％)(747％)(2一一囂(2轟縱o728％)9886(6。157％)(48412％)9452注：第1類誤判是將信用好的客戶誤判為信用差從而拒絕其貸款申請(qǐng)；第2類誤判是將信用差的客戶誤判為信用好從而接受其貸款申請(qǐng)一般而言，后者給銀行造成的損失更大43BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建與應(yīng)用為了對(duì)比PSO網(wǎng)絡(luò)的應(yīng)用效果，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)并加以應(yīng)用BP網(wǎng)絡(luò)