基于动态聚类RBF网络的小企业信贷预测研究

利用动态聚类算法确定RBF网络的隐含层节点,不仅聚类速度快,而且隐含层节点数的优化提高了网络的利用效率;定义了广义重要度欧氏距离用于算法中的距离计算;根据穆迪、安德尔违约概率曲线定义了信用评级风险系数等指标。最后,以南京某商业银行数据为依据,利用Matlab为工具平台,建立基于动态聚类的RBF神经网络模型。实证分析表明:本信贷预测模型对违约小企业的判别准确率较高,可为银行有效地甄别高风险企业。