银行企业用户信用等级评价

摘要

随着国内经济持续繁荣发展，国内人民的消费能力越来越强，国内企业也越做越大。作为企业资金的中介载体，银行在整个国民经济的繁荣发展中起着越来越关键的作用。越来越多的企业从银行寻求贷款，并用所得贷款扩大生产规模，从而推动社会的发展。在所有的发展中的企业中，有的蓬勃向上，同样不可避免的也有黯然落幕。随着贷款企业越来越多，银行整体信贷的风险也越来越大，银行对企业的贷款额度也有考量。对企业的贷款额度的限定，决定了银行资金是否健康运转。
　　当前银行对企业用户的贷款额度限制主要采用信用评级制度，信用等级越高，贷款额度越大，等级制度从根本上表明了企业的违约风险的大小。当前企业的信用等级的评定一般交给第三方组织，其评定过程不透明，极度依赖于第三方评定人员的从业经验，而企业的财务指标繁杂多变，不同规模的企业其财务规模也相差巨大，财务指标不尽相同，等级评定人员的一点失误就可能造成企业的等级的不同，从而对企业的发展产生巨大的影响。
　　随着计算机技术的快速发展，许多产业开始摆脱原有的管理模式，在计算的管理下更加健康有序地发展。利用计算机来对企业进行信用评级也越来越可行。本文实现了一种基于BP神经网络的信用等级评价系统，首先利用银行收集的企业用户信息（定性指标、定量指标），对定量指标按时间顺序进行折旧预测并归一化处理，对定性指标进行量化分析，然后用BP神经网络对量化后的企业用户信息进行分类训练，最后用BP神经网络来对企业信用等级分类，从而得到企业的信用等级，并根据分类结果，得到信用等级评价的最小指标集合。
　　本文的信用等级评价系统所用的数据来自企业实际数据，实际评级均为实际等级，本系统的信用评级与实际评级符合率大于90%，利用本信用评级系统，得到的最小指标集合只有87个指标，比原指标数少了20个。

目录

声明

引言

1绪论

1.1研究背景

1.2国内外研究现状

1.3研究意义

1.4本章小结

2.1企业定量指标

2.2企业定性指标

2.3折旧预测

2.4 BP神经网络

2.5本章小结

3系统总体设计

3.1需求分析

3.2系统架构设计

3.3系统类模型

3.4系统环境配置

3.5系统预期

3.6本章小结

4系统详细设计与实现

4.1预处理

4.2数据存储

4.3 BP神经网络在企业信用评价中的应用

4.4本章小结

5系统结果分析

5.1折旧预测结果分析

5.2 BP神经网络训练结果分析

5.3 BP神经网络信用评价结果及分析

5.4企业信用评价指标筛选

5.5本章小结

6结束语

6.1工作总结

6.2对未来的工作展望

参考文献

附录A 企业信用评价系统图

附录B 企业定量指标

附录C 企业定性指标

致谢