基于多层感知器神经网络的小微企业信贷风险研究

摘要：

文章以多层感知器神经网络算法为基础,对某小贷公司的小微企业信贷数据库中的信贷记录进行了信贷评估,并将该结果与决策向量机、线性判别、二次判别和逻辑回归等数据挖掘方法进行了比较.分析结果表明,从总体上看,多重感知器神经网络算法优于传统的基于参数的分类方法,即多层感知器神经网络算法拥有相对较高的ROC曲线下面积和较低的预期错误分类成本.更进一步,在研究所采用的4种MLP算法中,基于BFGS Quasi-Newton训练算法的MLP表现最为出色,可以作为金融机构进行小微信贷风险评估的辅助决策模型.

关键词：多层感知器神经网络、小微企业、信贷评估、数据挖掘、辅助决策模型

分类号：TN9;F83

在线出版日期：2015-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：45-48