作者：林荫大数据不良信贷风险模型
摘要：利用传统算法进行的海量数据下的银行不良信贷风险评估过程中,不良信贷风险因素的影响以及不良信贷风险管理绩效评估体系的层次结构的各个指标数据不够完整会造成对银行不良信贷风险评估的准确率降低。本文提出了一种基于APH算法的大数据分析的银行不良信贷风险评估方法,将APH算法与BSC理论相结合,获得银行不良信贷风险管理绩效评估体系的层次结构。在约束条件范围内利用德尔菲法对层次结构的各个指标数据进行优化训练,确定指标权重。建立银行不良信贷风险评估模型,从而得到准确的银行不良信贷风险评估结果。实验结果表明,利用改进算法进行海量数据下的银行不良信贷风险评估,能够提高银行不良信贷风险评估的准确率,效果令人满意。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
