基于GA-BP的个人信用风险测量模型制造技术

本发明专利技术提供基于GA

【技术实现步骤摘要】
基于GA-BP的个人信用风险测量模型


[0001]本专利技术涉及金融
，具体为基于GA-BP的个人信用风险测量模型。

技术介绍

[0002]信用风险是金融机构面临的最主要风险之一。继传统的比例分析、主观分析之后，统计方法得到广泛的应用，如判别分析、 logit回归分析等。自从20世纪80年代末期以来，人工智能技术被应用于信用风险测量中。目前，该领域应用最广泛的就是BP 神经网络，非线性映射能力使其具有独特的优势。但BP神经网络的参数设置是基于参数空间局部信息，易陷入局部极小点，这必将降低收敛速度和预测精度。

技术实现思路

[0003](一)解决的技术问题
[0004]针对现有技术的不足，本专利技术提供了基于GA-BP的个人信用风险测量模型，解决了预测精度低的问题。
[0005](二)技术方案
[0006]为实现以上目的，本专利技术通过以下技术方案予以实现：基于 GA-BP的个人信用风险测量模型，包括GA-BP模型，所述GA-BP 模型基于BP神经网络原理和遗传算法的新型模型，所述遗传算法不同于神经网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于GA-BP的个人信用风险测量模型，其特征在于：包括GA-BP模型，所述GA-BP模型基于BP神经网络原理和遗传算法的新型模型，所述遗传算法不同于神经网络的局部搜索算法，遗传算法内部采用一种高效的并行全局搜索算法，遗传把目标函数需要优化的解进行编码形成群体，对这些编码群体进行生物遗传中的选择、交叉和变异操作从而产生比之前更优的解即新的种群，如此循环迭代直到满足算法的终止条件。2.根据权利要求1所述的基于GA-BP的个人信用风险测量模型，其特征在于：所述BP神经网络算法包括信号正向传递和误差逆向传播两部分，假设输入层的神经元节点数为n，隐藏层的神经元节点数为s，输出层的神经元节点数为1，则该算法的具体过程如下：1)网络初始化；2)计算隐藏层的输入值cj及输出值dj:式中j＝1,2,
…
,s，xi为输入节点i的值；ω
ij
为输入层节点i到隐藏节点j的权重，bj为隐藏层节点j的阈值；隐藏层输入与输出之间激励函数选择sigmoid函数，隐藏层节点j的输出值dj为：d
j
＝f(...

【专利技术属性】
技术研发人员：吴琼玉，李事成，孙福权，
申请(专利权)人：东北大学秦皇岛分校，
类型：发明
国别省市：