导　　师： 庞素琳

授予学位： 博士

作　　者： ;

机构地区： 暨南大学

摘　　要： 最近几年,我国商业银行的不良贷款率一直在高位徘徊,使得众多商业银行,甚至整个金融市场面临较高的信用风险。为了从根本上降低商业银行面临的信用风险,降低不良贷款率,需要在发放贷款前对企业在将来还款过程中发生信用风险的可能性进行预警。从系统论的观点来看,众多企业相互之间紧密联系,构成了一个复杂系统,各企业个体是该复杂系统的子系统。因此有必要从复杂系统角度对企业信用风险进行研究。复杂网络和神经网络是研究复杂系统的重要工具。现有研究虽然利用复杂网络对信用风险传染的相关问题进行了大量工作,但基本都是单纯地从网络拓扑结构本身进行研究,没有考虑关联企业间的信用风险的传染能力间的相互影响。另外,传统神经网络在收敛过程中易于陷入鞍点,如何判断神经网络是否陷入鞍点以及如何跳出鞍点是一个研究难点。本文以我国上市企业为研究对象,在复杂系统研究框架下利用演化神经网络理论和复杂网络理论对企业信用风险预警模型进行了研究,在研究过程中对企业的内部因素和外部环境因素以及个体之间的关系进行了综合考虑。内部因素之间,外部环境因素之间,及个体之间的关系都是复杂的非线性关系,因此需用非线性工具对其进行研究。企业内部因素主要是其各项财务指标,通过众多财务指标对企业是否发生信用风险进行预警属于机器学习中的分类问题。演化神经网络综合了遗传算法和神经网络的优点,适用于分类预测,但存在极易收敛于鞍点的问题。为解决该问题,本文提出了一种新的演化神经网络模型,该模型基于营救演化神经网络(RENN,Rescue Evolutionary Neural Network)算法。RENN算法基于在线性能(on-line performance)和离线性能(off-line performance)构建“性能波动率”指标以判断神经网络是否收敛于鞍点。另外

关 键 词： 复杂系统 复杂网络 社区发现 演化神经网络 互信息熵

领　　域： []