10.16381/j.cnki.issn1003-207x.2015.04.005
基于差分进化自动聚类的信用风险评价模型研究
随着风险评价的日益复杂化,多维度、多时序等不规则的样本数据增加了评估的难度.本文建立信用风险评价的差分进化自动聚类模型,并将其应用到我国上市公司信用风险评价中.该模型不要求事先知道分类的数据,相反,通过群体智能去寻找最优的分区.通过数据仿真,并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究,结果表明,该模型能够非常准确的找到数据对应的分区,大大提高了信用评估的准确性,降低了风险成本,对信用风险的管理和控制具有很高的利用价值.
差分进化、启发式搜索、群体智能、信用风险
23
F830(金融、银行)
湖北省自然科学基金创新群体项目2011CDA116;国家自然科学基金资助项目70971052;华中师范大学自主科研资助项目CCNU14Z02016
2015-05-28(万方平台首次上网日期,不代表论文的发表时间)
39-45