论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf

所需积分/C币:10 2019-09-20 11:08:32 173KB .PDF
18
收藏 收藏
举报

论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf,  研究了关于公司信用评估问题的现状,指出一般神经网络应用于信用评估领域的不足.在此基础上,提出一套甄选原则以选择关键的信用评分指标;然后依据这些指标建立了基于Elman回归神经网络的我国企业的信用评估模型.采用V-foldCross-validation技巧对该模型的评分效果进行了实证研究.
94 系统工程理论与实践 2004年4月 业企业的财务特性是存在差异的由于其生产经营流程经营周期经营性质等均有所不同,反映其财务状 况和生产经营状况的财务指标必然不同样本中企业所属行业和其资产规模影响和制约着样本的代表性, 同时影响拙样误差基于上述考虑,本文选择同一行业大的不同企业进行信用评价,于非上市公司的资 料难以收集,本研究中的样本来自1996年沪市30家商业股上市公司的财务数据和专家打分见附表 信用评价系统及Ehan网络设计 为实现对企业信用评价专家分值的映射,本文对经典的三层BP网络结构进行了改进,用带关联层 单元的递归神经网络即在原三层结构的BP网络的基础上,在隐层上附加一层特殊关联层,关联层单元 数与隐层单元数相等这样,实际形成四层递归神经网络结构,亦称Ehan神经网络如图1所示引入 关联单元层的思想是通过对前馈神绎网络中附加内部反馈神绎元来描述的非线性连续评分行为(如果样 本仚业趋于无穷多,那么信用分值必将趋于覆盖特定区域的实数集合,可以认为在信用分值有意义的范围 内是逼近于连续型的)递归网络的隐层不仅接受来自输入层的信号,还接受隐层节点自身的一步延时信 号(来自关联层),这样,关联层“记忆”了上一个模式(时段)的网络状态可见,关联层中能够存储系统过 去”的信息从而增加网络对类似如动态连续信息的处理能力,因而能够包含信用分值暂态过程的信息图 1给出了基于Ehan神经网络的仝业信用评分系统框架图输出的评价结果为企业的信用评价分数值,作 者建议关于该结果的最好分析方式是对输出信用分数进行排序,而不是直接考察信用分数的绝对大小 企业信用评价系统 输入 Elman神经网络 信用评价指标值 样本规范化处理 网络输入初始值 数据转换处理 系统输出 评价结果 尽屈 Q稳层 冬1基于10- Eman神经网络嫫型的企业信用评价系统框架图 4Ehan模型的建立 41问题定义及参数处理 我们采用V- old cro ss-validatin处理技巧对网络的诊断能力进行检验)其操作方法是:将斟选 的30个样本公司按照同样的分组原则分成第1,2,3,4和5共5组,利用其屮的仟意4组(比如第1,2,3和4组) 作为建模样本来训练网络,将剩下的另外一组(比如第5组)作为检验样本來检验网络的诊断能力(表2);然 后利用第1,2,3和5组作为建模样本来训练网络,将第4组作为检验样本来检验网络的诊断能力(表3)采用 这种处理技巧是基于以下原因∷由于30个样本公司构成的样本量偏小,这种技巧实质上等于增加了建模的 样本量,产生了更多预测结果,生成的模型对训练数据集无偏,并对新的数据可能有比较好的泛化能力,从 而更能说明作者的结论结果表明采用这种神经网络具有很强的甄别诊断能力 输入层每个样本设计10个节点,分别对应评价系统中的10个指标变量;输出层可定义一个节点,数值 为每个样本的专家评分值隐层和输出层分别采月 tan s1g和 purelin函数,隐层节点数取为10,第一层中包 含10个递归神经元单元,网络训练采用自适应变学习率的动量算法 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 第4期 基于V- fo ld cross- validation和Ehan神经网络的信用评价研究 95 表2建模样本及仿真结果(-fold1) 样本绍兴|宁波|千府北京百大|秋林大桥|南京|宁波|东百大连|南宁 企业 大|中 专家评分06807209409010900960845078066093090508525 网络输出064920737909879089020906108825084006492|06781092130907408434 样本全业/重庆兰州烟台汉商新疆新华贵济南杭州 百货民百华联集团友好百货华联百货解/津劝业益民甬城 百货寺庙 专家评分09608677090880855087046036097089076 网络输出09463|0849007701092510843208434084340537406492078790787908743 表3建模样本及仿真结果(-fold2) 企业百货|商场城乡百货百大上中/你/百大秋林新亚第一西单 样本南宁大连北京第一绍兴宁波 集团股份|快餐食品|商场 专家评分082509050901a885068072094090096062069098 网络输出08434090740840209005060320792009877093210882506302|0690409870 样本企业/甬城益民汉商贵州重庆兰州烟台新疆新华济南杭州 寺庙百货集园华联百货民百华联友好百货百货解百 津劝业 专家评分076089091087096086077088085046036097 网络输出057430887909341082340922310859008101084020823203874|0279206979 5评分能力验证 51网络评分输出 利用 m atlab语言与c混合编程实现,在 pen tIun4上运算表4与表5给出了采月V- fo ld cross-valida tin处理技巧建模的信用评分检验结果,为了考察网络的為定性能,表4(V-fold1和表5(V-6ld2)的训 练时间分别设置为8000个时间单位( epoch)和3000个时间单位图2(a)和(b)分别绘制了这两种情况下的 误差变化曲线、a)图显示误差在网终训练到约3500个 epoch的时候接近设定均方误差Q001,这时候网络 性能最佳这之后误差呈微弱的‘凹回头加大趋势、a)图显示由于训练次数不够,网络在误差较大处停止训 练,这就直接导致了表4的结果比表5中的优(a)和(b)两图的误差趋势说明网络运行较稳定,神经网络的 随机性缺点得到一定程度的克服 (a) V-fold 1 (b)V-fold 2 图2误差变化图 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 96 系统工程理论与实践 2004年4月 表4评分能力验证结果(V-fld1) 检验样本第百货新亚快餐第一食品西单商场华联商厦豫园商城 专家评分 Q885 062 069 098 085 Q8825 专家分排序 4 网络输出 09685 Q6332 06926 09970 Q8414 Q8829 网络分排序 6 5 4 3 表5评分能力验证结果V-fold1) 检验样本 华联商厦波华联豫园商城 南京新百 天硚百货 东百公 专家评分 085 066 08825 078 0845 093 专家分排序 冈络输出 08690 Q7560 Q8458 08792 09599 09180 网络分排序 限于篇,我们仅给出较优情况表4(-fold1)下网络的各层权值W」,W2及偏差B0 1084400051725-0076046-00035280044981-Q0062402.01001702195680776041879 08276000198380034146-000030281-005270001235400069493007293-15394053766 L5072-00484930052062-00058390036061006078013037025367928610078169 1.3808000699-007002200037001-00354260005379501152020572521560265451 Q957-005024800185640000377620016278-000819301168702626510844-06244 092376-0044482Q0834800032126Q0339Q0214420039596Q20449-5348-02523 Q95852-000306-00080156-00038799-004773300082197005329701676907461-078047 1.0583000284006235000273000852000171901359025926-80796058394 Q2990800483540026994-00010676-Q0251260000455640061461011047-1.1784-030533 0417410028686-(099123000150310043214-(02225500675010121-3.7889051287 W2=(014826065584040915-031628-0195950077808-062051-013062-018263-058873 B0T=(a858081027522397-23942434200088736264780547991.1349032934) 各层权值,W2炇偏差B0的确定标志着网络训练过程的完成利用训练好的网络就叮以对新的样本集 进行评分我们对表4表5中的分值进行排序,结果见表4、表5表4中,仅第一百货的分值与实际专家评分 相差较大,其余5家企业的网络评分与专家评分很接近,而相对排序的结果与专家评分排序的结果是完全 致的对于表5,考察网络信用分值与考察排序两种方法都与实际专家评分结果有差别,但是考察相对抖 序的结果比考察网络输出分值有比较优势如果我们按照[Q6,Q8],[Q8,1]来划分两个信用等级,那么 只有豫园商城与南京新百两家公司被误判,准确率也不低 52评分结果后处理 为进一步检验网络评分能力,我们采用回归分析的方法对V- fo ld co ss"validation处理的网络评分结 果进行后处理,分别计算网络输岀与实际专家评分的线性回归斜度、回归截距和回归可决系数,结果见表 6,回归曲线见图3 表6回归分析(数据后处理) 线性回归斜度 回归截距 回归可决系数 V-foldl L0564 -Q0281 09751 V-fold2 Q5340 04310 Q7274 回归分析的比较结果更进一步证明了我们在51中提出的相关结论 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 第4期 基于V- fo ld cross- validation和Ehan神经网络的信用评价研究 97 最性探合钱:A=(0)T+(00 Q是点 一最合 晕合 A=0534T+041 …A=T 0是乘 tR=09 量信合 R=072 AT 095 09 09 0 85 08 075 07 07 065 07 08 66070形0800909 (c) V-fold (d) V-fo ld 2 图3回归分析图(数据后处理 6结论 通过以上分析可以得出结论: 1)以上10指标体系建立信用模型来进行中国上市公司进行信用评分分析是切实可行的,而且其判别 准确率比较髙采用han神经网络建模进行预测的准确率相岀髙,这就证明了模型中所选指标的正确 2)ⅴ- fo ld cross- validation技巧利于解决有限样木建模以偏概全的缺陷£han回归妽经网络利用 关联层的“联系”记忆,适合于解决类似如信用评分这样的连续实数集合上的判别问题 3)利用Ehan神经网络对企业的信用状况评价出分数值之后,然后采取排序的方法或者评级的方 法,这样可以更好的利用神经网络的优势,更进一步把握企业的信用状况 随着我国经济体制的改革深入、市场机制的建立与完善以及资本市场的迅速发展,上市公司的信息可 信度必然越来越高,可以加大建模的样本量 致谢本文写作过程中, Gilbert l aporte教授(" com puters& operations re search"编辑)及其同事提 出了宝贵的建议与意见,在此表示由衷的感谢! 参考文献 [l] dom M D, Sharda R. A neural netw o rk model fo r bank rup tcy p rediction [a I proceed ings of the IefE Internatin- al Jo int Conference on NeuralNetworks[c 1990, 2: 163-168 [2 Coats P, Pant L. Recogn izing financil distress patterns using a neural network tool[I FinanciaIM anagen ent 1993,22(3):142-155 [3] Tan K, KiangM. Managerial app lications of the neural networks: The case of bank failure p red ictions[J] M anage- m en t Science. 1992. 38: 416-43Q [4 A ltman e, m arco g, varetto F. Co po rate distress diagno sis: Com parisons using linear discr m inan t ana ly sis and neural networks[jI Bank ing and Finance 1994, 18: 505-529 [5 Kerling M, Poddig T. Klassifikation von U nternehm en m ittels KNN [A I H Rehkugler, H G Zimm em ann Neu tonale netze in dero konun ie[C] M unchen, 1994 [6 Piram uthu s Financial credit-risk evaluaton w ith neural and neurofuzzy sy stem s[J] European Journal of opera tional research, 1999, 112(2): 310-321 [7]任永平,梅強中小企业信用评价指标体系探讨[J}现代经济探讨,2001,(4):60-62 [8]吴晶妹资信评估M北京:中国审计出版社,200L [9]王春峰,力海晖,张维基于神经网络技术的商业银行信用风险评估[J系统工桿理论与实践,1998,19(9):24- 32 o1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved. 98 系统工程理论与实践 2004年4月 [10](美)安东尼桑德斯信用风险度量:风险估值的新方法和其他范式M↓刘宁飞,译北京:机械工业出版社, 2001 Ll]」阎平凡,张长水人⊥神经网络与模拟进化计算M↓北京:清华大学出版社,200017-37 [12]http:/aww.statsoftinccomtextbook/glsuhtmI[eb/odI 附录样本个业信用评价原始数据 公司名称股收制净资产总资产应收帐款存货资产 收益率净利率周转率周转率负债/动比速动比 市场愤本保 专家评分 占有率增值率 第一百货041101259965881511452411108101231150885 新亚快餐001090046864247742941020970002100062 第一食品01881541871093051.12.280860016109069 西单场[a36110691322L15393134102aa4|2xo09s 华联商厦0421007 30555012635477.060810095105085 豫园商城|0401018462290029005333082a Q086112a8825 天桥百货Q145454131132395924591.8012700101010845 南京新01760534|[120144510008309 1.17078 宁波华联010341188115849344571040540034113066 东百公司0289199187003224216415004820016163093 大连商场041151010192393738344014609900361180905 南宁百货040122569522462865244142114001426508525 重庆百货04416721053698470644811.6512810032135095 兰州民百Q411051393232267334230620370025115086 烟台华联Q17107453790204275388.010590009112077 汉商集团0721576963302769035521068028003114209 新疆友好|021859596728026141.331.660880015175088 新华百货0181149841286382164935823800031810855 贵州华联036237111414983065469.090630006115087 济南百货00207604410896 345430780520082107Q46 杭州解百0321283800395313074551 1.07Q037113Q36 津劝业02912540844400197228991.611230052144097 益民百货041284832590129139331.7507800191120 甬城寺庙Q241014 08180665655541.22057Q012101076 绍兴百大Q085044457291252213643553420004105068 宁波中百018568392451948631.882031510015111|072 王府井Q4810116626544206843171.40122006 L06Q94 北京城乡040100059082750742301.1407000591120901 百大集团0 11968195006100736300980710036114a9 秋林股份04010089764800671423511550850019185096 数据来源:1)中国上市公司资讯网www.enlistcom; 2)上海证券报编《96-97上海股票市场年报总汇及数据分析 3)中国企业资信网www.ciebh.com 2 C1995-2005 Tsinghua Tongfang Optical Disc Co, Ltd. All rights reserved.

...展开详情
试读 7P 论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf
立即下载 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf 10积分/C币 立即下载
1/7
论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf第1页
论文研究-基于V-foldCross-validation和Elman神经网络的信用评价研究.pdf第2页

试读结束, 可继续读1页

10积分/C币 立即下载