Assets, S/TA)。S/TA指资产周转率, 是Xp5——销售收入/总资产 (Sales/Total
一种能够反映公司资产营运能力的标准财务比率, 它可以衡量企业在竞争状态下的管理能力。
系统选取的学习样本既要能反映系统平稳发展时的性质, 又要能反映系统发生突变时的特性, 同时还要兼顾系统发展的各个阶段, 样本必须具有代表性。我们析取大连市36家企业作为样本, 按照银行提供的企业信贷偿还状况, 将这36家企业分为正常和违约(即不能如期偿还贷款的企业)两类。选择28企业作为训练集, 其中正常和违约企业各为14家, 剩下8家企业, 除了留2家作为应用实例外, 全部作为测试集, 测试集中的正常和违约企业各3家。网络输出结果为正常和违约两种, 对应的输出值分别为布尔型离散变量1和0。实验数据如表1。
表1 实验数据
风险状况 正常 企业编号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 违约 1 2
WC/TA RE/TA ENIT/TA BE/BVID S/TA 输出结果 0.04170 0.96933 0.48094 0.25853 0.80558 0.999818 -0.01327 0.04287 0.08778 0.15364 0.54995 0.979739 0.00973 0.00000 0.32815 0.27930 0.91725 0.999698 0.04154 0.24085 0.10307 0.22654 0.44152 0.994744 0.20726 0.65363 0.47663 0.32419 0.25223 0.999799 0.21741 0.41938 0.18074 0.21667 0.39426 0.999568 0.10087 -0.11258 0.01140 0.20543 0.17648 0.927517 0.44631 0.36753 0.34236 0.25405 0.37267 0.999860 0.06389 0.10410 0.11967 0.18204 0.75195 0.999007 0.04937 -0.42523 0.01702 0.19094 0.29547 0.828510 0.16479 0.32806 0.35369 0.21104 0.54390 0.999739 0.20762 0.40377 0.27555 0.20004 0.99732 0.999845 0.02086 0.47795 0.22988 0.19810 0.20721 0.991099 -0.00250 0.12103 0.07569 0.12835 0.54636 0.979532 -0.07281 -0.73726 -0.40298 0.12532 0.90715 0.022212 -0.10338 -0.90922 -0.13664 0.10073 0.60240 0.015263 22
3 4 5 6 7 8 9 10 11 12 13 14 正常 1 2 3 违约 4 5 6 正常 违约 7 8 -0.25719 0.04195 0.04300 0.14008 0.37565 0.004390 0.01915 -0.56711 -0.01714 0.18056 0.14388 0.123090 -0.14087 -0.79810 -0.38736 0.20724 0.18243 0.000185 -0.16750 -0.53283 0.01210 0.14078 0.31797 0.005575 -0.08518 -0.19176 0.04077 0.13918 0.19873 0.041799 -0.19181 -0.27714 -0.26876 0.15000 0.31472 0.000385 -0.10084 -0.18692 -0.18959 0.17007 0.10737 0.001104 -0.05068 -0.94407 0.00383 0.15989 0.31669 0.051826 0.10225 -0.21302 -0.25864 0.11396 0.19327 0.057749 -0.07470 -0.26154 -0.08706 0.14418 0.19210 0.007877 -0.12219 0.08419 0.05760 0.11901 0.32661 0.096746 -0.27031 -0.50753 -0.03059 0.13485 0.63986 0.004272 0.16403 0.99248 0.98124 0.18109 0.91316 0.999897 -0.02556 0.01278 0.01278 0.37935 0.08755 0.498990 -0.02556 0.01278 0.01278 0.37935 0.08755 0.498990 -0.04824 -0.79329 -0.02938 0.13960 0.26746 0.023838 -0.38504 -2.17633 0.00740 0.10172 0.27361 0.000136 -0.27678 0.04851 0.05265 0.20493 0.25223 0.002148 0.49737 -0.48981 0.00822 0.25099 0.10684 0.999652 -0.10801 -3.20241 -0.37250 0.11776 0.07141 0.000138 4.2.4 模型的设计 1、权值的修改方式。一般，权值的修改有两种方式：一是对于每一个训练样本，就调整一次权值，称为On-line处理，另一种是输入全部的训练样本后才修改一次权值，称为Batch处理。其差别在于计算?W是从（1）式中的Ep出发还是从有（2）式中的E出发。On-line处理虽与生物神经网络的学习过程一致，针对特定的训练样本，能减少误差，但可能增大其它训练样本的误差，而我们的处理总是以减小总体误差函数为目标，采用后一种处理方式。
2、初始权值与初始输入的确定。由于输入初始值和初始权值对学习是否达到局部最小和能否收敛关系很大，有必要对输入的初始值进行预处理，即归一化处理。我
23
们通过一定的处理方式将初始输入调到较小的区间[-1，1]内，初始权值是通过随机函数生成[-0.5，0.5]之间的随机数赋给各连接权,避免由于大的输入或权值使网络陷入饱和状态。
3.网络层次的选定。有时候，网络层次的增加可减少各隐含层单元总个数，同时使学习过程变得更容易，但可能增加网络的学习时间。在模式空间中,即使各样本分布在相互犬牙交错的复杂区域内，三层神经网络就能构成所需要的复杂判别函数。由于本模型是用于模式分类的判别函数的神经网络,因此我们采用三层BP网络。 4.隐含层单元个数确定。隐含层单元个数的选择是十分复杂的问题，它与所求解问题的要求、输入输出层的单元数都有关系，目前主要依靠经验确定其数目，还没有一致认同的理论指导。一般说来，隐含层单元数越多，越有助于训练样本的拟合，但同时也约束了模型的自由度，降低了模型的泛化能力，形成过度训练。对于三层网络，确定隐含层节点的主要经验法则是：隐含层节点既不是各层中节点数最少的，也不是最多的；隐含层节点数介于输入输出节点数之和的50%一70%之间；隐层节点数应小于学习样本数，若节点数大于样本数，则必有冗余节点可归并，若节点数等于样本数，则网络成为插值网络，插信网络的泛化能力较差。另外，对于三层网络，确定隐层单元数的以下经验公式可供参考。 ①n1?的常数； ②n2n?m?a其中m为输入层单元数，n为输入层单元数，a为1—10之间
?log2n，n为输入层单元数；
nn1p?C(③?i)
i?0 式中p为样本数，n1为隐层单元数，n为输入层单元数，如果i?n1，C(in1)?0经过多次反复试验得知, 在输入节点数为5, 输出节点数为1的情况下, 隐层结点数取3时, 网络收敛最快, 误判率最低。如下图所示。
24
5、权值的调整公式及学习参数的确定采用最速下降法调整权值, ，对那些严重卷绕的非凸函数效果不佳，往往不易收敛，即使收敛也需很长时间，这里采用改进BP算法，加上惯性项，即
?wkj(n?1)???k?j?a?wkj(n) ?wj(n?1)???j?i?a?wji(n)
n?1表示第n?1次迭代，?、a分别表示学习因子和动量因子，此法比最速下降发收敛速度快，对?、a的确定，可以采用试值法: 先初始化?、a的值，再一次调整?、a到合适的值，使网络以较快速度收敛，又不出现震荡。利用试值法得出本模型里的?、a分别为0.9，0.70.
4．3 模型结果及分析
对前述的实验数据进行了计算, 具体数据及计算结果见表1。由计算得到所有28个学习样本的系统误差E为0.002499。从表1可以看出, 在14个正常企业中，只有第10号企业的输出低于0.9(输出为0.828510), 其它输出均大于0.92, 在14个违约企业中, 只有第4号企业的输出高于0.06(输出为0.12309), 其它企业输出均低于0.06；测试样本中只有第2号样本输出不太理想( 输出为0.49899)，很难从输出结果判断企业的种类。此时决策者容易犯第一类错误, 即把测试样本中信用好的2号企业误判为信用差的企业, 但这比犯第二类错误(即把信用差的企业误判为信用好的企业) 要好，因为犯第一类错误时, 银行损失的是机会成本, 而犯第二类错误就会给银
25
行带来真正的损失。因此，要尽量避免第二类错误的发生。试验说明, 本模型能达到这一效果。总的来说，本模型判断结果较好, 从训练、测试和应用的结果看, 判断准确率达90%以上。判断率很高的原因之一是神经网络具有很好的知识发现和特征抽取能力, 另一原因可能是所有数据均为内插数据。
26