论文摘要
从广义上讲,信用是一种重要的无形资产。不论是个人还是企业,良好的信用是一种资格和财产的体现。在社会主义市场经济条件下,完善的社会信用体系,是现代市场经济的一项重要基础制度。十六届三中全会通过的《中共中央关于完善社会主义市场经济体制若干问题的决定》提出:形成以道德为支撑、产权为基础、法律为保障的社会信用制度,是建设现代市场体系的必要条件,也是规范市场经济秩序的治本之策。本文从企业信用分类的角度,主要是从银行对企业信用的考察,并以此为依据,进行后续业务数据分析和判断。现代银行风险主要包括:信用风险、市场风险、操作风险、流动性风险、国家风险、声誉风险、法律风险、战略风险八大类。而其中的信用风险是所有风险中最重要的风险。本文主要在国内外相关资料的基础上建立企业信用模型,使用神经网络算法(SOM)和学习矢量量化(LVQ)对数据进行处理得出分类结果,结合模糊理论对神经网络算法进行辅助,从而使得结论更容易理解,在实践中对模型和算法进行验证。由于SOM算法是一种无导师学习的代表,在系统建立和运行的初期,经验积累不完善的情况下,可以起到非常好的效果。但是,随着经验的积累数据的不断积累,经验数据无法得到充分的利用。为了使经验数据得到充分利用,通过LVQ算法的模糊识别来解决这一问题。通过两者的结合,使得整个算法更加接近实际,得到的数据结果更加准确,从而达到较好的结果。
论文目录
相关论文文献
标签：企业信用论文; 信用风险论文; 自组织特征映射网络论文; 学习矢量量化神经网络论文;