×
维杰·S·德赛。;乔纳森·克鲁克。;乔治·朱恩·奥弗斯特雷特。

信用合作社环境中神经网络和线性评分模型的比较。 （英语） Zbl 0955.90506号

欧洲药典。物件。 95，第1期，24-37（1996）.
摘要：本文的目的是探索多层感知器和模块化神经网络等神经网络以及线性判别分析和逻辑回归等传统技术在信用合作社环境下构建信用评分模型的能力。此外，由于资金和小样本往往排除了小型信用社使用定制信用评分模型的可能性，我们调查了通用模型的性能，并将其与定制模型进行了比较。我们的结果表明，如果绩效指标是正确分类的不良贷款百分比，那么定制的神经网络提供了一种非常有前景的方法。然而，如果绩效指标是正确分类的良好贷款和不良贷款的百分比，则逻辑回归模型可与神经网络方法进行比较。通用模型的性能不如定制模型，尤其是在正确分类不良贷款时。虽然我们发现三个信用合作社的结果存在显著差异，但我们的模块化神经网络无法适应这些差异，这表明可能需要更具创新性的架构来构建有效的通用模型。

引用于24文件

MSC公司：

90B10型 运筹学中的确定性网络模型

关键词：

神经网络;银行业务;信用评分
PDF格式BibTeX公司 XML格式引用
\textit{V.S.Desai}等人，《欧洲药典》。第95号决议，第1号，24-37（1996年；Zbl 0955.90506）
全文： 内政部

参考文献：

[1] 《美国银行家》（1994a），3月2日，15:1。；《美国银行家》（1994a），3月2日，15:1。
[2] 《美国银行家》（1994年b），4月22日，17:1。；《美国银行家》（1994b），4月22日，17:1。
[3] 《美国银行家》（1993a），8月27日，14:4。；《美国银行家》（1993a），8月27日，14:4。
[4] 《美国银行家》（1993b），7月14日，3:1。；《美国银行家》（1993b），7月14日，3:1。
[5] 《美国银行家》（1993c），6月25日，3:1。；《美国银行家》（1993c），6月25日，3:1。
[6] 《美国银行家》（1993d），3月29日，15A:1。；《美国银行家》（1993d），3月29日，15A:1。
[7] 《美国银行家》（1993e），10月5日，14:1。；《美国银行家》（1993e），10月5日，14:1。
[8] Brennan，P.J.，《人工智能的承诺在当今银行业中仍然难以捉摸》，《银行管理》，49-53（1993），7月
[9] Brennan，P.J.，《盈利能力得分已成熟》，《银行管理》，58-62（1993），9月
[10] Bryson，A.E。；Ho，Y.C.，应用最优控制（1969），《半球：半球》，纽约
[11] Dillon，W.R。；Goldstein，M.，《多变量分析方法与应用》（1984），威利：威利纽约·Zbl 0658.62071号
[12] Fahlman，S.E。；Lebierre，C.，《级联相关学习体系结构》（计算机科学学院报告CMU-CS-90-100（1990），卡内基梅隆大学）
[13] Gilbert，E.S.，《关于使用定性变量的歧视》，《美国统计协会杂志》，第63期，第1399-1412页（1968年）
[14] Gothe，P.，《信贷局得分揭开灰色阴影》，《信贷世界》，25-29（1990），5-6月
[15] Hair，J.F。；安德森·R·E。；Tatham，R.L。；Black，W.C.，《多元数据分析：第八次阅读》（1992），麦克米伦出版社：麦克米伦纽约
[16] Hanson，S.J。；Pratt，L.，《最小网络构建与反向传播的不同偏差比较》，（Touretzky，D.S.，《神经信息处理系统I的进展》（1988），Morgan Kaufmann:Morgan Koufmann San Mateo，CA），177-185
[17] 哈雷尔，F.E。；Lee，K.L.，多元正态下判别分析和logistic回归判别的比较，（Se，P.K.，《生物统计学：生物医学、公共卫生和环境科学中的统计》（1985），北荷兰：北荷兰阿姆斯特丹）
[18] Haykin，S.，《神经网络：综合基金会》（1994），麦克米伦出版社：纽约麦克米伦·兹比尔0828.68103
[19] 雅各布斯，R.A。；M.I.乔丹。；Nowlan，S.J。；Hinton，G.E.，本地专家的自适应混合，神经计算，379-87（1991）
[20] Jost，A.，《神经网络：信贷和营销决策系统的逻辑发展》，《信贷世界》，26-33（1993），3月/4月
[21] 拉皮德斯，A。；Farber，R.，《使用神经网络的非线性信号处理：预测和系统建模》，洛斯阿拉莫斯国家实验室报告LA-UR-87-2662（1987）
[22] Moore，D.H.，二元变量五种判别程序的评估，美国统计协会杂志，68，399（1973）
[23] Nilsson，N.J.，《学习机器：可训练模式分类系统的基础》（1965），McGraw-Hill:McGraw-Hill纽约·Zbl 0132.12005号
[24] Overstreet，G.A。；Bradley，E.L.，通用线性评分模型在美国信用合作社环境中的适用性：进一步分析，（工作文件（1994），弗吉尼亚大学）
[25] Overstreet，G.A。；Bradley，E.L。；Kemp，R.S.，《扁平最大效应和通用线性评分模型：一种检验》，《IMA商业和工业应用数学杂志》，497-109（1992）
[26] Parker，D.B.，《学习逻辑》（发明报告581-64（文件1）（1982），斯坦福大学技术许可办公室）
[27] 罗宾斯，H。；Munro，S.，《随机近似方法》，《数理统计年鉴》，22400-407（1951）·兹比尔0054.05901
[28] Rosenblatt，F.，《神经动力学原理》（1962），斯巴达出版社：斯巴达出版社，华盛顿特区·Zbl 0143.43504号
[29] Rumelhart，D.E.，《学习和泛化》，（IEEE神经网络国际会议论文集，IEEE国际神经网络会议论文集全体演讲，圣地亚哥（1988））
[30] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，《通过错误传播学习内部表征》，（Rumelhart，D.E.；McClelland，J.L.，《并行分布式处理：认知微观结构的探索》，第1卷（1986），麻省理工学院出版社：麻省理学院出版社剑桥，马萨诸塞州），318-362
[31] Werbos，P.，《超越回归：行为科学中预测和分析的新工具》（1974），哈佛大学应用数学系，未发表博士论文
[32] Widrow，B.，《神经元网络中的泛化和信息存储》，（Yovitz，M.C.；Jacobi，G.T.；Goldstein，G.D.，《自组织系统》（1962），《斯巴达书籍：斯巴达图书华盛顿特区》，435-461
[33] Tam，K.Y。；Kiang，M.Y.，《神经网络的管理应用：银行破产预测案例》，《管理科学》，38926-947（1992）·Zbl 0763.90062号
[34] 魏根德，A.S。；胡伯曼，B.A。；Rumelhart，D.E.，《预测未来：联系主义方法》（工作文件（1990），斯坦福大学）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。