BP神经网络在银行信誉评价中的应用开题报告

研究内容：

1. 介绍BP网络原理：BP网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。其主要思想是：输入学习样本，使用反向传播算法对网络的权值和偏差进行反复的调整训练，使输出的向量与期望向量尽可能地接近，当网络输出层的误差平方和小于指定的误差时训练完成，保存网络的权值和偏差。它能学习和贮存大量的输入输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。学习步骤如下：一是从总体样本中选取一部分作为训练样本，将其信息输入到网络中；二是从样本信息经网络隐含层的处理后由输出层输出；三是计算网络的实际输出和期望输出的误差值；四是从输出层开始反向计算到第一个隐含层，按照误差减少的原则调整整个网络的权值；五是重复以上步骤，直到网络的总误差达到目标误差值为止。

2. 客户信用评价指标体系的建立：在信用风险分析时，依据指标选择的系统全面性，可操作性，科学性，弱相关性等原则，构建相应的指标体系。建立遗传BP神经网络模型的建立：①建立BP神经网络模型。②遗传算法优化BP算法的实现。采用遗传算法来优化BP神经网络的权重和阀值来建立模型对商业银行客户信用进行评估，具有全局寻优，收敛速度快及评价结果客观，准确等特点。

3. 商业银行信贷风险评估体系的建立：在对商业银行进行评估前，首先要建立评价指标体系。评价指标体系的建立要遵循如下原则：①目的性原则。②科学性原则。③适用性原则。④系统性原则。在构建评估指标体系遵循以下两个步骤：首先依据以往研究构建的影响因素，对指标进行初选；然后运用统计方法，结合专辑咨询，对初步确定的指标进行筛选，剔除对信用风险评估贡献不大及相关性较强的指标，增加遗漏的主要指标，以此完善评价指标体系，最后得出商业银行信用风险评估指标体系。依据上述模型结构设计，形成一个BP神经网络模型。

4. 对商业银行客户信用进行综合评估算法的基本步骤如下：①按商业银行客户信用综合评估指标体系，收集学习样本，即不同客户的指标值，并进行数据处理。②构造BP神经网络结构，输入层节点，隐含层节点，输出层节点，并对网络进行初始化。③将步骤一中处理后的数据输入到BP神经网络中，按BP神经网络自适应学习算法训练网络，确定各层之间的权重和阀值。④搜集待评估客户的指标值，并进行数据处理。⑤将处理后的数据输入到训练好的BP神经网络中，计算输出。⑥根据输出并结合评估集，对客户作出信用等级评估。

研究计划

1.绪论（1）研究背景（2）研究问题的提出与目的（3）研究设计与方法

2.文献综述（1）有关BP神经网络的知识（2）有关银行信誉评价指标体系（3）寻找应用实例，如何利用BP神经网络识别村镇银行，中小企业等贷款客户的信誉

3.分析信用评价对信用风险管理的重要性

3.从国家统计局和中国人民银行等网站收集银行的贷款客户信用档案的数据，对数据进行审核。

4构建商业银行信用风险机理及评价指标体系，用分析样本对模型进行实证分析，分析结果，并得出相应的结论

5.研究结论（1）研究结论与建议（2）研究的不足

进度计划（包括起讫日期、工作内容等）：

1、2022-10-19---2022-11-19

与指导老师面谈，讨论论文选题，确定论文写作的进度计划；

2、2022-11-10---2022-01-21

按照指导老师指定的范围与主题（包括专著、中英文文章等）广泛收集有关资料，在此基础上撰写开题报告交指导老师审定；

3、2022-02-01---2022-02-28

在导师的指导下进行外文材料的翻译以及相关材料的编辑整理，将整理的材料交给导师审阅，并进行材料的一定的补充收集工作和必要的调研工作，在此基础上草拟毕业论文的写作提纲交指导老师审定；

4、2022-03-01---2022-04-19

在导师指导下按照南京财经大学毕业论文协作规范撰写论文的初稿；

5、2022-04-20---2022-04-30

论文初稿交指导老师审阅，配合指导老师进行论文的中期检查，填写中期检查表交指导老师；

6、2022-05-08---2022-06-09

按照指导老师的要求修改论文初稿并最终定稿，提交并填写相关材料。