個人信用評估pso神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建與應(yīng)用

1、2007中國控制與決策學(xué)術(shù)年會論文集Proceedingsof2007ChineseControlandDecisionC帆枷ce793個人信用評估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：個人信用評估對于商業(yè)銀行規(guī)避消費信貸風(fēng)險具有重要意義為了構(gòu)建更優(yōu)的個人信用評估模型，提出利用粒子群算法(PSO)優(yōu)化神經(jīng)網(wǎng)絡(luò)的信用評估方法模型的應(yīng)用結(jié)果與BP神經(jīng)網(wǎng)絡(luò)進行對比表明，PSO神經(jīng)網(wǎng)絡(luò)在

2、檢驗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：個人信用評估神經(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引言隨著我國消費信貸市場的快速發(fā)展，個人信用評估的重要性逐漸凸現(xiàn)對于商業(yè)銀行而言，個人信用評估就是通過考察反映消費信貸申請者的各種指標(biāo)，對其按時還款的可能性進行全面的判斷和評估，從而做出是否放貸的決定，這對于規(guī)避信用風(fēng)險

6、具有重要意義在西方發(fā)達國家，對個人信用評估方法的研究不斷發(fā)展，而且日趨成熟，許多方法應(yīng)用到個人信用評估領(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)的個人信用評估模型具有重要的實踐意義。粒子群算法[2](PSO)是近年來發(fā)展起來的一種新的優(yōu)化計算方法

7、，由于其概念簡單，容易實現(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)建個人信用評估模型，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)，通過與BP網(wǎng)絡(luò)模型進行對比，考察模型的應(yīng)用效果2基本PSO算法PSO算法中，每個優(yōu)化問題的潛在解稱為粒子”PSO隨機初始化一群粒子和粒子速度，其中：粒子個數(shù)稱為種群規(guī)模m；第i個粒子在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為實際解決問題中的自變量個數(shù)計算每一個粒子的適應(yīng)度，適應(yīng)度函數(shù)一般由實際問題中被優(yōu)化的函數(shù)決定根據(jù)每一個粒子的適應(yīng)度，更新每個粒子的個體最優(yōu)夕be。一(pt，Pz，，Pd)和全局最優(yōu)值gb瞄l=(g。，gz，，g。粒子通過下式動態(tài)跟蹤個體最優(yōu)值和全局最優(yōu)值來更新其速度和位置：％(c1)=“U0(￡)CIn(p，(￡)一％(z))基金項目：哈爾濱工業(yè)大學(xué)技

9、術(shù)政策管理(TPM)國家哲學(xué)社科創(chuàng)新基地項目(htcsr06t06)作者簡介：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)險管理的研究姜明輝等：個人信用評估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個人信用評估流程函數(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。‰決定在當(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，粒子可能會飛過好解，如果‰太小，粒子不能在局部好區(qū)域之外進行足夠的探索；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口一的需要，因為其作用都是維護全局和局部搜索能力的平衡[6】，謝較大算法具有較強的全局搜索能力，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)重和閾值個數(shù)為1077711=85個，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神經(jīng)元的實際輸出和期望輸出；No為輸出層神經(jīng)元的個數(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PSO算法，慣性權(quán)重

13、叫采用式(8)的方式進行線性調(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)過歸一化處理的訓(xùn)練樣本數(shù)據(jù)輸入利用Matlab平臺編制的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；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)