概率神經(jīng)網(wǎng)絡(luò)信用評價模型及預(yù)警研究

1、 48 系統(tǒng)工程理論與實(shí)踐 2005 年 5 月 所在不太適合用來對新樣本的識別和進(jìn)行預(yù)警研究 . 6 小結(jié) 本文介紹了 PNN 方法及其分類機(jī)理 ,構(gòu)造了用于識別兩類模式樣本的 PNN 結(jié)構(gòu) ,用來對我國 2000 年 106 家上市公司進(jìn)行兩類模式分類 . 這兩類模式是指按照公司的經(jīng)營狀況分為 “好” 和 “差” 兩個小組 : 其中 一類經(jīng)營 “差” 的企業(yè)由我國 2000 年公布的全部 53 家 ST 及 PT 公司組成 ,另有 53 家不虧損公司作為一類 經(jīng)營 “好” 的企業(yè)與之相匹配 . 該研究樣本與文獻(xiàn) 6 中的樣本完全一樣 . 考慮文獻(xiàn) 6 中的四個財(cái)務(wù)指標(biāo) : 每股收益 ,每股

2、凈資產(chǎn) ,凈資產(chǎn)收益率和每股現(xiàn)金流量 . 仿真結(jié)果表明 ,PNN 對兩類模式樣本的分類準(zhǔn)確率 達(dá)到 87174 % ,其中對訓(xùn)練樣本的分類準(zhǔn)確率達(dá)到 100 % ,對測試樣本的分類正確率只達(dá)到 69177 %. 由此 知 ,PNN 對訓(xùn)練樣本有很高的分類準(zhǔn)確率 ,但對測試樣本的分類準(zhǔn)確率卻很低 . 之所以出現(xiàn)這種情況 ,是由 于 PNN 采用一種自監(jiān)督的前饋網(wǎng)絡(luò)分類方法 , 這種分類方法不需要訓(xùn)練網(wǎng)絡(luò)的連接權(quán)值 , 而是由給定的 訓(xùn)練樣本直接構(gòu)成 PNN 的隱單元 ,因此對訓(xùn)練樣本集有很強(qiáng)的識別能力 ,但其測試性能卻相對較差 ,故對 測試樣本的識別能力很差 . 進(jìn)一步的仿真結(jié)果表明 ,在對我國

3、 2001 年公布的 13 家預(yù)虧公司進(jìn)行預(yù)警分析 時 ,PNN 誤判了 4 個樣本 ,因而誤判率達(dá)到 30177 % ,預(yù)警準(zhǔn)確率只有 69123 %. 因而不太適合用來對新樣本 的識別和進(jìn)行預(yù)警研究 . 本文的研究結(jié)果還表明 ,PNN 在分類效果上不如 MLP ( 見文獻(xiàn) 6 ,分類準(zhǔn)確率達(dá)到 98111 % ,預(yù)警準(zhǔn)確 率達(dá)到 100 % . 但和 Yang 等的 PNN 分類效果相比 ( 見文獻(xiàn) 3 , 分類準(zhǔn)確率最高達(dá)到 74 % , 本文給出的 PNN 結(jié)構(gòu)分類效果更好 . 所以作為一種方法上的探討 ,PNN 仍不失其研究的價值 . 參考文獻(xiàn) : 1 Specht D F. Pro

4、babilistic neural networkJ . Neural Network , 1990 , 3(2 : 109 - 118. 2 Tyree Eric W , Long J A. Assessing financial distress with probabilistic neural network A . Proceedings of the Third International Conference on Neural Networks in the Capital Market C . 1995. 3 Yang Z Y, Marjorie B. Platt and H

5、arlan D. Platt. Probabilistic neural networks in bankruptcy predictionJ . Journal of Business Research , 1999 , 44 : 67 - 74. 4 Hajmeer M ,Basheer I. A probabilistic neural approach for modeling and classification of bacterial growth no2growth dataJ . Joural of Microbiological Methods. 2002 , 51 : 2

6、17 - 226. 5 Laurent Simon M. Nazmul Karim. Probabilistic neural network using Bayesian decision strategies and a modified gompertz model for growth phase classification in the batch culture of bacillus subtilisJ . Biochemical Engineering Journal. 2001 , 7 : 41 - 48. 6 龐素琳 , 王燕鳴 ,羅育中 . 多層感知器信用評價模型及預(yù)警

7、研究 J . 數(shù)學(xué)的實(shí)踐與認(rèn)識 ,2003 ,33 (9 :55 - 62. Pang Sulin , Yuzhong Luo , Yanming Wang. Study on miltilayer perceptron credit scoring model and forecastingJ . Mathematics in Practice and Theory , 2003 , 33 (9 : 55 - 62. 7 龐素琳 ,王燕鳴 . 多層感知器信用評價模型研究 J . 中山大學(xué)學(xué)報(bào) ,2003 ,42 (4 :118 - 122. Pang Sulin , Wang Yanming

8、. Study on miltilayer perceptron credit scoring model J . Acta Scientiarum Naturealium Universitatis Sunyatseni , 2003 ,42 (4 :118 - 122. 8 Hugo Guterman , Y ouval Nehmadi , Andrei Chisyakov , Jean F. Soustiel , Moshe Feinsod. A comparison of neural network and bayes recognition approachs in the eva

9、luation of the brainstem trigeminal evoked potentials in multiple sclerosisJ . International Journal of Bio2Medical Computing , 1996 , 43 : 203 - 213. 9 黃德雙 ,保錚 . 基于徑向基函數(shù)網(wǎng)絡(luò)的雷達(dá)目標(biāo)一維象識別技術(shù)的研究 J . 電子科學(xué)年刊 ,1995 ,17 (1 :26 - 34. Huang Deshuang ,Bao Zheng. The study on recognition technique of radar target s one2dimensional image based on radial basis