周駟華 汪素南



摘要:文章以多層感知器神經網絡算法為基礎,對某小貸公司的小微企業信貸數據庫中的信貸記錄進行了信貸評估,并將該結果與決策向量機、線性判別、二次判別和邏輯回歸等數據挖掘方法進行了比較。分析結果表明,從總體上看,多重感知器神經網絡算法優于傳統的基于參數的分類方法,即多層感知器神經網絡算法擁有相對較高的ROC曲線下面積和較低的預期錯誤分類成本。更進一步,在研究所采用的4種MLP算法中,基于BFGS Quasi-Newton訓練算法的MLP表現最為出色,可以作為金融機構進行小微信貸風險評估的輔助決策模型。
關鍵詞:多層感知器神經網絡;小微企業;信貸評估;數據挖掘;輔助決策模型
一、 引言
根據《全國小型微型企業發展情況報告》(2014),截至2013年末,全國各類企業總數為1,527.84萬戶。其中,小微企業1,169.87萬戶,占企業總數的76.57%。如將4,436.29萬戶個體工商戶納入統計范圍,小微企業所占比重達到94.15%。我國的小微企業創造GDP價值占總量的60%,納稅占總量的50%,完成了65%的發明專利和80%以上的新產品開發。然而,根據《中國小微企業白皮書》顯示,目前我國小微企業融資缺口高達22萬億元,超過55%小微金融信貸需求未能獲得有效支持。
如何有效地評估小微企業的信貸風險,對學界和業界都是一個挑戰。根據Blanco等[7]的建議,采用自動信用評分系統能夠加快信貸審批速度,降低貸前分析成本并減少人為因素對信貸審批的影響。因此,從理論上研究小微企業信用風險預警體系,調整商業銀行對小微企業的風險評價模式,構建專門的小微企業信用風險預警模型,是解決小微企業融資難問題的一個重要途徑?!?br>