BP神经网络技术在信用社客户分类中的应用研究

摘要

信用社是我国农村金融的中重要组成部分，然而随着我国市场经济的发展，目前主要以农村用户为主体的信用社正在经受着前所未有的金融风险。世界银行的研究表明，信用风险是导致银行破产最主要的原因之一。为此，本文主要借助数据挖掘技术，基于客户信用风险，对信用社客户进行分类，从而为信用社客户的管理提供信息决策基础。本文对基于数据挖掘的信用社客户分类算法的研究主要包括如下几个方面的内容。
　　首先，针对基于BP神经网络的信用社客户分类模型进行研究，并且针对BP神经网络所存在的容易陷入局部最优解、算法的收敛速度较慢以及网络结构设定困难等缺点，结合遗传算法的特点，提出了遗传BP神经网络的概念，并且对遗传BP神经网络模型的设计进行了研究;其次，结合湖南省某信用社的客户资料，结合信用社自身的特点，在对信用社客户风险影响因素进行分析的基础上，通过对客户资料的分析，借助遗传BP神经网络模型将信用社客户评级为良好、一般、合格、不合格、恶化五个等级，实现信用社客户的分类。通过实例证明，本文所研究的基于遗传BP神经网络的信用社客户分类模型具有更好的客户分类效果。
　　本文在国内外学者利用BP神经网络模型进行客户分类的研究基础上，针对单纯使用BP神经网络算法进行客户分类时所存在的不足，借助遗传算法的优点，进行客户分类模型的改进。并且通过实例测试显示，本文所研究的基于遗传BP神经算法的信用社客户分类模型具有较更好的客户分类准确性，能够为信用社客户管理提供更好的方法支持。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 研究背景

1．2 研究现状

1．3 研究内容

第2章 信用社客户分类体系设计

2．1 信用社客户分类体系建立原则

2．2 信用社分类指标体系的构建

2．2．1 分类指标选择

2．2．2 定性指标的量化

2．2．3 指标体系的有效度和可信度分析

2．3 BP神经网络在客户分类中的可行性分析

2．3．1 BP神经网络技术简介

2．3．2 利用BP神经网络实现客户分类的可行性分析

2．4 本章小结

第3章 信用社客户分类模型设计

3．1 基于BP神经网络的信用社客户分类模型设计

3．1．1 BP神经网络层次选择

3．1．2 各层BP神经元数量选择

3．1．3 误差精度选择

3．1．4 传递函数选择

3．1．5 训练函数选择

3．2 BP神经网络的参数修正

3．2．1 BP神经元权重的调整

3．2．2 阈值的修正

3．3 BP神经网络缺点分析

3．4 遗传BP神经网络算法设计

3．4．1 遗传算法简介

3．4．2 基于遗传算法的网络结构和权值进化

3．4．3 遗传BP神经网络算法流程设计

3．5 本章小结

第4章 基于遗传BP神经网络算法的客户分类实现

4．1 信用社客户分类实例数据

4．2 信用社客户分类的BP神经网络

4．2．1 BP神经网络结构

4．2．2 BP神经网络验证

4．3 BP神经网络的客户分类实现

4．4 遗传BP神经网络的客户分类实现

4．5 遗传BP神经网络客户分类试验

4．5．1 基于BP神经网络的客户分类

4．5．2 基于遗传BP神经网络的客户分类

4．5．3 试验结论

4．5 本章小结

结论

参考文献

致谢

附录 遗传BP神经网络的Matlab实现