神经网络分析法

什么是神经网络分析法

神经网络分析法是从神经心理学和认知科学研究成果出发，应用数学方法发展起来的一种具有高度并行计算能力、自学能力和容错能力的处理方法。

神经网络技术在模式识别与分类、识别滤波、自动控制、预期等方面已展示了其非凡的优越性。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构由一个输入层、若干个中间隐含层和一个输出层构成。神经网络分析法通过持续学习，能够从未知模式的大批的复杂报告中发现其规律。神经网络方法克服了传统分析过程的复杂性及选择适当模型函数形式的问题，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析导致极大的方便。

神经网络分析法在风险评估的运用

神经网络分析方法应用于信用风险评估的优点在于其无严格的如果制约，且具有处理非线性困难的能力。它能有效处理非正态分布、非线性的信用评估困难，其结果介于0与1之间，在信用风险的衡量下，即为违约几率。神经网络法的最大缺点是其工作的随机性较强。由于要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，所以使该模型的应用承受了制约。Altman、marco和varetto（1994）在对意大利公司财务危机预期中应用了神经网络分析法；coats及fant（1993）trippi采取神经网络分析法分别对美国公司和银行财务危机执行预期，获得较好效果。但是，要得到一个较好的神经网络结构，需要人为随机调试，需要耗费大批人力和时间，加上该方法结论没有统计理论基础，解释性不强，所以应用承受很大制约。

神经网络分析法在财务中的运用

神经网络分析法用于企业财务情况研究时，一面利用其映射能力，另一面首要利用其泛化能力，即在经历一定数量的带噪声的样本的训练之后，网络可以抽取样本所隐含的特质关系，并对新情形下的报告执行内插和外推以推断其属性。

神经网络分析法对财务危机执行预期尽管神经网络的理论可追溯到上个世纪40年代，但在信用风险分析中的应用依旧始于上个世纪90年代。神经网络是从神经心理学和认识科学研究成果出发，应用数学方法发展起来的一种并行分布模式处理系统，具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和输出层构成。国外研究者如Altman，Marco和Varetto(1995)，对意大利公司财务危机预期中应用了神经网络分析法。Coats，Pant(1993)采取神经网络分析法分别对美国公司和银行财务危机执行了预期，获得了适当的效果。但是神经网络的最大缺点是其工作的随机性较强。由于要得到一个较好的神经网络结构，需要人为地去调试，非常耗费人力与时间，所以应用承受了制约。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论：神经网络分析方法在信用风险识别和预期中的应用，并没有本质性的好于线性判别模型。但神经网络作为一门崭新的信息处理科学依然吸引着大量领域的研究者。

有关条目 聚类分析法 层次分析法 多元判别分析法 社会网络分析法