基于遗传进化型模糊神经网络的信用风险评估模型构建及应用PDF|Epub|txt|kindle电子书版本网盘下载

基于遗传进化型模糊神经网络的信用风险评估模型构建及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章　导论1

1.1 问题提出背景1

1.2　研究目的与意义2

1.2.1　研究目的2

1.2.2　研究意义3

1.3　研究动态5

1.4　本书研究内容与研究框架9

1.4.1　研究内容9

1.4.2　研究方法11

1.4.3　技术路线11

1.4.4　本书框架结构11

1.5　本书研究的关键技术问题与创新之处12

1.5.1　本书研究的关键技术问题12

1.5.2　研究的创新之处13

第2章　信用风险管理理论与方法综述14

2.1 信用风险涵义与特点14

2.1.1　信用风险涵义14

2.1.2　信用风险的产生14

2.1.3　信用风险影响因素14

2.1.4　信用风险主要特点15

2.1.5　信用风险管理原则17

2.2 巴塞尔新资本协议关于信用风险管理的主要内容17

2.2.1　计量信用风险的标准法17

2.2.2　信用风险资本计算的内部评级法（IRB）17

2.3　信用风险评估模型比较分析18

2.3.1　古典信用分析方法19

2.3.2　现代信用风险评估模型19

2.4　现行信用风险评估模型存在的主要问题25

2.5　利用综合智能技术改进信用风险评估模型的基本思想26

本章小结28

第3章　智能计算技术理论基础29

3.1　神经网络基本理论29

3.1.1　神经元和神经网络及其模式识别能力29

3.1.2　神经网络的学习算法及训练评价准则32

3.1.3　隐含层及隐含层节点数目的确定35

3.2　模糊逻辑基本理论36

3.2.1　模糊集基本运算与模糊关系36

3.2.2　模糊逻辑推理系统的分类38

3.3　遗传算法基本理论40

3.3.1　遗传算法基本流程40

3.3.2　遗传算法搜索策略41

本章小结43

第4章　改进的遗传算法设计与综合智能计算研究44

4.1　神经网络、模糊逻辑和遗传算法特性的比较分析44

4.2　改进的遗传算法设计46

4.2.1　多子群模型结构设计46

4.2.2　遗传算法的编码方式49

4.2.3　选择策略的改进研究49

4.2.4　基于标准差的自适应交叉、变异算子51

4.3　神经网络、模糊逻辑和遗传算法的综合技术研究55

4.3.1　神经网络、模糊逻辑和遗传算法的结合方式分析55

4.3.2　遗传进化型模糊神经网络模型的结构与算法设计57

本章小结67

第5章　基于遗传进化型模糊神经网络的信用风险评估模型设计68

5.1　信用评级概念68

5.2　信用风险指标体系的建立69

5.3　样本采集和数据统计71

5.3.1　二分类信用样本71

5.3.2　多分类信用样本73

5.4　信用风险影响因子分析75

5.4.1　二分类信用样本因子分析75

5.4.2　多分类信用样本因子分析78

5.5　基于信用样本的风险评估模型设计80

5.5.1　基于BP神经网络的信用风险评估模型80

5.5.2　基于模糊神经网络的信用风险评估模型84

5.5.3　基于遗传进化型模糊神经网络的信用风险评估模型87

5.5.4 n重交叉验证技术90

本章小结92

第6章　信用风险评估模型实验结果的比较分析93

6.1 二分类信用风险评估模型的比较分析93

6.1.1　实验结果93

6.1.2　比较分析94

6.1.3　初步结论99

6.2 多分类信用风险评估模型的比较分析100

6.2.1　实验结果100

6.2.2　比较分析101

6.2.3　初步结论102

本章小结102

结束语104

附录106

主要参考文献128