人工智能在信用評(píng)級(jí)方法中的關(guān)鍵技術(shù)研究

1、投送學(xué)科一級(jí)學(xué)科：應(yīng)用經(jīng)濟(jì)學(xué)二級(jí)學(xué)科：產(chǎn)業(yè)經(jīng)濟(jì)學(xué)如是學(xué)科交叉研究，所涉及的一級(jí)學(xué)科： 二級(jí)學(xué)科： 中 國(guó) 博 士 后 科 學(xué) 基 金面 上 資 助 申 請(qǐng) 書(shū)（第 59 批）申 請(qǐng) 者：路璐博士后全國(guó)統(tǒng)一編號(hào)： 162156申請(qǐng)單位：大公國(guó)際資信評(píng)估有限公司項(xiàng)目名稱(chēng)：人工智能在信用評(píng)級(jí)方法中的關(guān)鍵技術(shù)研究研究方向：信用評(píng)級(jí)標(biāo)準(zhǔn)與方法研究通訊地址：北京市朝陽(yáng)區(qū)霄云路26號(hào)鵬潤(rùn)大廈a座8層郵政編碼：100125Email：m555固定電話：51087768-2246移動(dòng)電話請(qǐng)日期：2016年2月17日中國(guó)博士后科學(xué)基金會(huì)制表須知1. 申請(qǐng)者應(yīng)認(rèn)真閱讀中國(guó)博士后科學(xué)基金資助

2、規(guī)定和中國(guó)博士后科學(xué)基金面上資助實(shí)施辦法，按有關(guān)要求逐項(xiàng)填寫(xiě)申請(qǐng)材料。2. 面上資助不受理涉密項(xiàng)目。3.“投送學(xué)科”系指申請(qǐng)者所報(bào)項(xiàng)目的所屬學(xué)科。若申報(bào)項(xiàng)目是學(xué)科交叉研究項(xiàng)目，應(yīng)填寫(xiě)所涉及的交叉學(xué)科名稱(chēng)。4.“項(xiàng)目名稱(chēng)”不得超過(guò)25個(gè)字。5.“研究方向”系指申請(qǐng)者所報(bào)項(xiàng)目的研究方向，不得超過(guò)15個(gè)字。 6. 填表必須實(shí)事求是，認(rèn)真翔實(shí)，不得弄虛作假。一、個(gè)人信息姓 名路璐 性 別男出 生 日 期1980年12月15日身份證 籍中國(guó)民 族漢族進(jìn)站時(shí)間2015年9月8日預(yù)計(jì)出站時(shí)間2017年9月8日進(jìn)站單位流動(dòng)站 0 工作站0設(shè)站單位：大公國(guó)際資信評(píng)估有限公

3、司合作導(dǎo)師：關(guān)建中學(xué)習(xí)經(jīng)歷學(xué)位授予時(shí)間授予單位一級(jí)學(xué)科導(dǎo)師學(xué)士2006年7月俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)經(jīng)濟(jì)管理 碩士2008年7月俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)設(shè)計(jì)和搜索構(gòu)造 博士2013年4月俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)系統(tǒng)分析，信息處理和管理 主 要研究工作經(jīng)歷起止時(shí)間院校/科研機(jī)構(gòu)研究?jī)?nèi)容身份2008年7月2012年7月俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室項(xiàng)目名稱(chēng)如下：分析，診斷系統(tǒng)發(fā)展的戰(zhàn)略預(yù)測(cè)，貝葉斯專(zhuān)家評(píng)估系統(tǒng)，利用王維循環(huán)確定經(jīng)濟(jì)評(píng)估的自動(dòng)系統(tǒng)，人工智能專(zhuān)家評(píng)估系統(tǒng)在心理語(yǔ)義學(xué)的聲音識(shí)別的應(yīng)用，人工智能專(zhuān)家評(píng)估系統(tǒng)在人的病歷3D管理的應(yīng)用，人工智能專(zhuān)家評(píng)估系統(tǒng)在心理

4、和生理的特征曲線-相貌識(shí)別系統(tǒng)的應(yīng)用，人工智能專(zhuān)家評(píng)估系統(tǒng)在按自動(dòng)平衡方法自動(dòng)選擇藥劑的應(yīng)用，人工智能專(zhuān)家評(píng)估系統(tǒng)在化學(xué)反應(yīng)數(shù)據(jù)庫(kù)的應(yīng)用。研究人員曾 獲 得的研究成果參加或主持的科研項(xiàng)目批準(zhǔn)時(shí)間項(xiàng)目名稱(chēng)下達(dá)部門(mén)項(xiàng)目性質(zhì)項(xiàng)目經(jīng)費(fèi)承擔(dān)責(zé)任2010年12月31日人工智能專(zhuān)家評(píng)估系統(tǒng)在按自動(dòng)平衡方法自動(dòng)選擇藥劑的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室應(yīng)用研究項(xiàng)目10萬(wàn)元我是主要負(fù)責(zé)人之一，負(fù)責(zé)智能評(píng)估系統(tǒng)對(duì)項(xiàng)目的支持工作，本項(xiàng)目通過(guò)對(duì)中醫(yī)理論，進(jìn)行數(shù)學(xué)建模，完成系統(tǒng)化設(shè)計(jì)。項(xiàng)目實(shí)現(xiàn)了病情和藥劑之間的因果聯(lián)系，當(dāng)病情診斷后，自動(dòng)選擇藥劑；2010年12月31日人工智能專(zhuān)家評(píng)估系統(tǒng)在人的病歷3D管

5、理的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室應(yīng)用研究項(xiàng)目10萬(wàn)元我是主要負(fù)責(zé)人之一，負(fù)責(zé)智能評(píng)估系統(tǒng)對(duì)項(xiàng)目的支持工作，本項(xiàng)目幫助醫(yī)生對(duì)病人病情的分析，并做出診斷；2010年12月31日人工智能專(zhuān)家評(píng)估系統(tǒng)在心理和生理的特征曲線-相貌識(shí)別系統(tǒng)的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室應(yīng)用研究項(xiàng)目10萬(wàn)元用人工智能評(píng)估系統(tǒng)對(duì)圖像進(jìn)行分析，做出決策，我是主要負(fù)責(zé)人之一，負(fù)責(zé)智能評(píng)估系統(tǒng)對(duì)項(xiàng)目的兼容，算法建模，分類(lèi)分析和給予決策部分，本項(xiàng)目應(yīng)用于安保、刑偵等多個(gè)領(lǐng)域；2010年12月1日人工智能專(zhuān)家評(píng)估系統(tǒng)在化學(xué)反應(yīng)數(shù)據(jù)庫(kù)的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室應(yīng)用研究項(xiàng)目10萬(wàn)元

6、我是主要負(fù)責(zé)人之一，負(fù)責(zé)智能評(píng)估系統(tǒng)對(duì)項(xiàng)目的支持工作，本項(xiàng)目為化工廠排除安全隱患提高幫助。2010年12月1日人工智能專(zhuān)家評(píng)估系統(tǒng)在心理語(yǔ)義學(xué)的聲音識(shí)別的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室應(yīng)用研究項(xiàng)目10萬(wàn)元用人工智能評(píng)估系統(tǒng)對(duì)聲音進(jìn)行分析，做出決策，我是主要負(fù)責(zé)人之一，負(fù)責(zé)智能評(píng)估系統(tǒng)對(duì)項(xiàng)目的兼容，算法建模，分類(lèi)分析和給予決策部分，本項(xiàng)目應(yīng)用于安保、刑偵等多個(gè)領(lǐng)域；2010年11月1日利用王維循環(huán)確定經(jīng)濟(jì)評(píng)估的自動(dòng)系統(tǒng)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室戰(zhàn)略性基礎(chǔ)研究10萬(wàn)元我是主要負(fù)責(zé)人之一，這個(gè)項(xiàng)目選用了中國(guó)文王循環(huán)，我負(fù)責(zé)數(shù)學(xué)建模，自動(dòng)平衡原理的應(yīng)用、循環(huán)體預(yù)測(cè)，場(chǎng)景

7、預(yù)測(cè)的設(shè)計(jì)等工作。本項(xiàng)目成果為循環(huán)體預(yù)測(cè)提供了案例；2010年9月1日建立貝葉斯專(zhuān)家評(píng)估系統(tǒng)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室戰(zhàn)略性基礎(chǔ)研究10萬(wàn)元我是主要負(fù)責(zé)人之一，負(fù)責(zé)研究貝葉斯算法、數(shù)學(xué)建模、系統(tǒng)設(shè)計(jì)等方面，目前項(xiàng)目成果被高校自動(dòng)系統(tǒng)教研室和科研機(jī)構(gòu)用于數(shù)據(jù)標(biāo)準(zhǔn)化衡量方面；2008年7月2日分析，診斷系統(tǒng)發(fā)展的戰(zhàn)略預(yù)測(cè)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)自動(dòng)系統(tǒng)教研室戰(zhàn)略性基礎(chǔ)研究10萬(wàn)元我是項(xiàng)目第一負(fù)責(zé)人，負(fù)責(zé)項(xiàng)目中所有涉及的科研部分，這個(gè)項(xiàng)目成果目前被俄羅斯社科院，俄羅斯評(píng)級(jí)機(jī)構(gòu)采用，成為俄羅斯信用體制構(gòu)建的理論基礎(chǔ)的一部分發(fā)表的有代表性論文（包括已錄用、待發(fā)表的論文）發(fā)表時(shí)間論文題

8、目學(xué)術(shù)刊物或會(huì)議名稱(chēng)學(xué)術(shù)刊物或會(huì)議類(lèi)型收錄情況排名2012年7月4日分析，診斷系統(tǒng)發(fā)展的戰(zhàn)略預(yù)測(cè)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)博士委員會(huì)國(guó)際學(xué)術(shù)會(huì)議其他 2011年12月26日人工智能專(zhuān)家評(píng)估系統(tǒng)在按自動(dòng)平衡方法自動(dòng)選擇藥劑的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月26日人工智能專(zhuān)家評(píng)估系統(tǒng)在人的病歷3D管理的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月26日人工智能專(zhuān)家評(píng)估系統(tǒng)在化學(xué)反應(yīng)數(shù)據(jù)庫(kù)的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月23日人工智能專(zhuān)家評(píng)估系統(tǒng)在心理語(yǔ)義學(xué)的聲音識(shí)別的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月22

9、日人工智能專(zhuān)家評(píng)估系統(tǒng)在心理和生理的特征曲線-相貌識(shí)別系統(tǒng)的應(yīng)用俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月20日利用王維循環(huán)確定經(jīng)濟(jì)評(píng)估的自動(dòng)系統(tǒng)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月20日貝葉斯專(zhuān)家評(píng)估系統(tǒng)俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)其他其他 2011年12月7日經(jīng)濟(jì)戰(zhàn)略預(yù)測(cè)程序（）俄羅斯聯(lián)邦知識(shí)產(chǎn)權(quán)辦公室其他其他 2011年10月8日用自動(dòng)平衡原理解決經(jīng)濟(jì)過(guò)程的建模第四屆國(guó)際科學(xué)實(shí)踐學(xué)術(shù)會(huì)議國(guó)內(nèi)學(xué)術(shù)會(huì)議其他 2011年4月10日以循環(huán)體為基礎(chǔ)利用系統(tǒng)方法解決營(yíng)銷(xiāo)戰(zhàn)略課題俄羅斯最高學(xué)術(shù)學(xué)位委員會(huì)國(guó)際刊物其他 2010年8月12日用循環(huán)體解決戰(zhàn)略課題第15屆國(guó)際和俄

10、羅斯科學(xué)學(xué)派學(xué)術(shù)會(huì)議國(guó)際刊物其他 2010年5月4日系統(tǒng)方法和循環(huán)體在預(yù)測(cè)中的作為第三屆國(guó)際科學(xué)實(shí)踐學(xué)術(shù)會(huì)議國(guó)際學(xué)術(shù)會(huì)議其他 2010年4月2日利用系統(tǒng)方法對(duì)形式發(fā)展的預(yù)測(cè)俄羅斯最高學(xué)術(shù)學(xué)位委員會(huì)國(guó)際刊物其他 2009年4月4日以循環(huán)體為基礎(chǔ)的經(jīng)濟(jì)形式發(fā)展預(yù)測(cè)俄羅斯最高學(xué)術(shù)學(xué)位委員會(huì)國(guó)際刊物其他 2009年3月2日自動(dòng)平衡原理俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)國(guó)際刊物其他 2008年12月9日經(jīng)濟(jì)系統(tǒng)案例的預(yù)測(cè)革新第12屆俄羅斯伏爾加格勒洲青年研究員區(qū)域?qū)W術(shù)會(huì)議國(guó)際學(xué)術(shù)會(huì)議其他 2008年11月11日易經(jīng)是經(jīng)濟(jì)系統(tǒng)發(fā)展的預(yù)測(cè)工具當(dāng)代科學(xué)技術(shù)國(guó)際刊物其他 出版的代表性專(zhuān)著出版時(shí)間論著名稱(chēng)獨(dú)著或合著出版

11、社合著排名2010年12月22日戰(zhàn)略經(jīng)濟(jì)預(yù)測(cè)與王維循環(huán)合著俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)12010年10月22日經(jīng)濟(jì)預(yù)測(cè)中的易經(jīng)應(yīng)用合著俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)12010年10月22日經(jīng)濟(jì)預(yù)測(cè)中的革新合著俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)12010年10月22日解決企業(yè)戰(zhàn)略經(jīng)濟(jì)課題專(zhuān)家系統(tǒng)在經(jīng)濟(jì)預(yù)測(cè)領(lǐng)域中的運(yùn)用合著俄羅斯伏爾加格勒國(guó)立技術(shù)大學(xué)1獲專(zhuān)利情況受理時(shí)間名稱(chēng)類(lèi)型排名2011年12月7日經(jīng)濟(jì)戰(zhàn)略預(yù)測(cè)程序（）實(shí)用新型2其他榮譽(yù)或成果獲獎(jiǎng)時(shí)間獎(jiǎng)勵(lì)名稱(chēng)授予單位排名2016年1月6日海歸視角北京朝陽(yáng)海外學(xué)人22015年11月4日鳳凰計(jì)劃北京市朝陽(yáng)區(qū)人民政府1第 18 頁(yè) 共 18 頁(yè)校驗(yàn)碼：f483

12、d435-063d-44c8-a20e-4ccb7cae4351二、申報(bào)項(xiàng)目基本信息名稱(chēng)中文人工智能在信用評(píng)級(jí)方法中的關(guān)鍵技術(shù)研究英文 項(xiàng)目簡(jiǎn)要介紹（限500字） 信用評(píng)級(jí)是發(fā)現(xiàn)并揭示信用風(fēng)險(xiǎn)的手段，大公信用評(píng)級(jí)原理提出償債來(lái)源與財(cái)富創(chuàng)造能力偏離度的思想，并把它作為核心評(píng)級(jí)思想。大公評(píng)級(jí)原理采用了綜合歸一法，把影響企業(yè)信用級(jí)別的眾多因素歸為偏離度表示，用多個(gè)可以影響偏離度的指標(biāo)進(jìn)行調(diào)節(jié)。企業(yè)偏離度隨著時(shí)間而發(fā)生變化，與行業(yè)和其他企業(yè)做比較，擁有安全區(qū)間，并能通過(guò)其他方法實(shí)現(xiàn)預(yù)測(cè)。本項(xiàng)目研究用人工智能的算法解決評(píng)級(jí)方法中的關(guān)鍵技術(shù)：用貝葉斯算法的人工智能專(zhuān)家評(píng)估系統(tǒng)處理眾定性和定量因子的綜合指數(shù)

13、；在影響因子的靜態(tài)池中用機(jī)器學(xué)習(xí)的方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出的差異引導(dǎo)著學(xué)習(xí)過(guò)程，權(quán)重值會(huì)隨著學(xué)習(xí)的速度和失敗的次數(shù)而不斷更新,使權(quán)重隨著環(huán)境的變化而實(shí)現(xiàn)偏差糾正；給偏離度數(shù)學(xué)建模，實(shí)現(xiàn)重要因子可以調(diào)節(jié)偏離度指數(shù)；根據(jù)偏離度在時(shí)間軸上的曲線走勢(shì)，進(jìn)行預(yù)測(cè)；用循環(huán)體預(yù)測(cè)的思想分解偏離度的級(jí)別，用場(chǎng)景預(yù)測(cè)法對(duì)不同級(jí)別的偏離度進(jìn)行定義；眾多場(chǎng)景模塊式組成評(píng)級(jí)報(bào)告，用自然語(yǔ)言生成技術(shù)對(duì)評(píng)級(jí)報(bào)告優(yōu)化，從而實(shí)現(xiàn)高質(zhì)量的評(píng)級(jí)報(bào)告的自動(dòng)生成。本研究支持大公信用評(píng)級(jí)原理，為走出具有民族特色的信用評(píng)級(jí)、評(píng)估、預(yù)測(cè)、戰(zhàn)略預(yù)測(cè)的道路做出努力。 關(guān)鍵詞（限5個(gè)名詞，用逗號(hào)分開(kāi)）信用評(píng)級(jí)，貝葉斯算法的人工智能專(zhuān)家

14、評(píng)估系統(tǒng)，循環(huán)體預(yù)測(cè)和場(chǎng)景預(yù)測(cè)，權(quán)重的機(jī)器學(xué)習(xí)，信用評(píng)級(jí)系統(tǒng)的自然語(yǔ)言處理三、項(xiàng)目研究方案內(nèi)容包括：研究目標(biāo)、研究?jī)?nèi)容、擬采取的研究方法或技術(shù)路線、研究計(jì)劃及預(yù)期進(jìn)展。 研究目標(biāo)：用人工智能算法解決信用評(píng)級(jí)方法中的關(guān)鍵技術(shù)。研究?jī)?nèi)容： 1、用貝葉斯算法的人工智能專(zhuān)家評(píng)估系統(tǒng)處理眾定性和定量因子的綜合指數(shù)；2、在影響因子的靜態(tài)池中用機(jī)器學(xué)習(xí)的方法訓(xùn)練權(quán)重，用期望輸出與實(shí)際輸出的差異引導(dǎo)著學(xué)習(xí)過(guò)程，權(quán)重值會(huì)隨著學(xué)習(xí)的速度和失敗的次數(shù)而不斷更新,使權(quán)重隨著環(huán)境的變化而實(shí)現(xiàn)偏差糾正；3、給偏離度數(shù)學(xué)建模，實(shí)現(xiàn)重要因子可以調(diào)節(jié)偏離度指數(shù)；4、根據(jù)偏離度在時(shí)間軸上的曲線走勢(shì)，進(jìn)行預(yù)測(cè)；5、用循環(huán)體預(yù)測(cè)的思

15、想分解偏離度的級(jí)別，用場(chǎng)景預(yù)測(cè)法對(duì)不同級(jí)別的偏離度進(jìn)行定義；6、眾多場(chǎng)景模塊式組成評(píng)級(jí)報(bào)告，用自然語(yǔ)言生成技術(shù)對(duì)評(píng)級(jí)報(bào)告優(yōu)化，從而實(shí)現(xiàn)高質(zhì)量的評(píng)級(jí)報(bào)告的自動(dòng)生成。擬采取的研究方法：相關(guān)關(guān)系方法：方差分析，相關(guān)分析，回歸分析，智能專(zhuān)家評(píng)估。預(yù)測(cè)方法：場(chǎng)景預(yù)測(cè)法，循環(huán)體預(yù)測(cè)法，主觀概率法，人工神經(jīng)網(wǎng)絡(luò)方法，計(jì)量經(jīng)濟(jì)預(yù)測(cè)法，馬爾可夫法，線性回歸方法，指數(shù)平滑法。優(yōu)化偏離度算法：貝葉斯算法。權(quán)重確定方法：遺傳算法，增強(qiáng)學(xué)習(xí)，經(jīng)驗(yàn)歸納學(xué)習(xí)，決策樹(shù)學(xué)習(xí)算法，層次分析法，統(tǒng)計(jì)平均法。自然語(yǔ)言處理方法：加一平滑法，線性插值平滑技術(shù)。技術(shù)路線：研究計(jì)劃:2016.2-2016.6完成用貝葉斯算法的人工智能專(zhuān)家評(píng)

16、估系統(tǒng)處理眾定性和定量因子的綜合指數(shù)的研究，完成貝葉斯算法的人工智能專(zhuān)家評(píng)估系統(tǒng)專(zhuān)利注冊(cè)，撰寫(xiě)一本評(píng)估、預(yù)測(cè)與戰(zhàn)略預(yù)測(cè)的專(zhuān)著；2016.6-2016.11影響因子的靜態(tài)池中用機(jī)器學(xué)習(xí)的方法訓(xùn)練權(quán)重；2016.11-2017.3給偏離度數(shù)學(xué)建模，實(shí)現(xiàn)重要因子可以調(diào)節(jié)偏離度指數(shù)，建立偏離度的動(dòng)態(tài)群組，實(shí)現(xiàn)通過(guò)調(diào)節(jié)偏離度指數(shù)變量，得到相應(yīng)的安全度；2017.3-2017.6根據(jù)偏離度在時(shí)間軸上的曲線走勢(shì)，進(jìn)行預(yù)測(cè)，用循環(huán)體預(yù)測(cè)的思想分解偏離度的級(jí)別，用場(chǎng)景預(yù)測(cè)法對(duì)不同級(jí)別的偏離度進(jìn)行定義；2017.6-2017.8用自然語(yǔ)言生成技術(shù)對(duì)評(píng)級(jí)報(bào)告優(yōu)化，實(shí)現(xiàn)高質(zhì)量的評(píng)級(jí)報(bào)告的自動(dòng)生成，完成評(píng)級(jí)報(bào)告自動(dòng)系統(tǒng)

17、專(zhuān)利注冊(cè)。預(yù)期進(jìn)展:1、 相關(guān)論文發(fā)表于期刊或公司內(nèi)部刊物上；2、 一本評(píng)估、預(yù)測(cè)與戰(zhàn)略預(yù)測(cè)的專(zhuān)著；3、 完成貝葉斯算法的人工智能專(zhuān)家評(píng)估系統(tǒng)專(zhuān)利注冊(cè)；4、 完成評(píng)級(jí)報(bào)告自動(dòng)系統(tǒng)專(zhuān)利注冊(cè)。 四、項(xiàng)目研究基礎(chǔ)內(nèi)容包括：研究意義、國(guó)內(nèi)外研究現(xiàn)狀綜述、主要參考文獻(xiàn)及出處（注：請(qǐng)勿涉及已發(fā)表的論文等個(gè)人信息，否則按故意泄露個(gè)人信息處理）。研究意義：信用評(píng)級(jí)技術(shù)對(duì)于金融機(jī)構(gòu)具有重要意義。信用評(píng)級(jí)的傳統(tǒng)方法主要是包括專(zhuān)家法、打分法等在內(nèi)的主觀綜合法，在信用評(píng)級(jí)行為越來(lái)越頻繁和普遍的今天，冗繁的評(píng)定過(guò)程和過(guò)強(qiáng)的主觀性使人們開(kāi)始尋求傳統(tǒng)法之外的信用評(píng)級(jí)方法。人工智能技術(shù)能顯著地提高信用評(píng)級(jí)的準(zhǔn)確度與適應(yīng)性。本

18、文提出基于人工智能技術(shù)的信用評(píng)估模型，實(shí)現(xiàn)自動(dòng)生成高質(zhì)量的信用評(píng)級(jí)報(bào)告。隨著經(jīng)濟(jì)的發(fā)展，金融機(jī)構(gòu)業(yè)務(wù)的擴(kuò)張，對(duì)信用評(píng)級(jí)的需求日益顯著，利用人工智能技術(shù)構(gòu)建信用評(píng)估模型，具有獨(dú)特的優(yōu)勢(shì)，用很高的研究意義和使用價(jià)值，有著廣闊的應(yīng)用前景。國(guó)內(nèi)外研究現(xiàn)狀綜述：信用評(píng)估的發(fā)展可以分為三個(gè)階段：（1）定性分析階段：信用評(píng)估技術(shù)的研究最初可以追溯到 20 世紀(jì) 30 年代，在 20 世紀(jì) 60 年代成為熱點(diǎn)，在 20 世紀(jì) 70年代前，信用評(píng)估的主要方法是依靠信用分析師通過(guò)對(duì)各種財(cái)務(wù)報(bào)表所提供的靜態(tài)數(shù)據(jù)的分析和對(duì)受信人的調(diào)查得到相對(duì)主觀的評(píng)估結(jié)果。（2）定量統(tǒng)計(jì)分析階段：1941 年，David Duran

19、d第一個(gè)用判別分析技術(shù)來(lái)識(shí)別信用好的客戶(hù)和信用差的客戶(hù)，信用評(píng)估技術(shù)由此進(jìn)入定量研究的新階段。隨后研究者們相繼提出了眾多的定量信用風(fēng)險(xiǎn)評(píng)估模型。（3）定量智能分析階段：20 世紀(jì) 80年代末以來(lái)，人工智能如專(zhuān)家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等被運(yùn)用于構(gòu)建信用評(píng)估模型，由于其具有很好的適應(yīng)復(fù)雜的非線性分類(lèi)的能力，所以性能表現(xiàn)好于統(tǒng)計(jì)學(xué)方法。近年來(lái)一些新的人工智能模型被開(kāi)發(fā)出來(lái)用于信用評(píng)分，典型的有兩階段評(píng)分模型、雜合評(píng)分模型和分類(lèi)器集成模型，這些模型將單個(gè)分類(lèi)器進(jìn)行組合以提高精度，實(shí)驗(yàn)表明，這些方法能顯著提高單個(gè)分類(lèi)器的分類(lèi)精度和穩(wěn)定性。從國(guó)內(nèi)的研究現(xiàn)狀來(lái)看，信用評(píng)估研究還處于起步階段，我國(guó)評(píng)級(jí)機(jī)構(gòu)和商業(yè)銀行雖

20、然建立了信用風(fēng)險(xiǎn)管理機(jī)制，但由于實(shí)際中遇到的種種問(wèn)題，目前我國(guó)信用評(píng)估技術(shù)還主要停留于定性分析的層次上，只有少部分采用了定量統(tǒng)計(jì)分析的方法，信用風(fēng)險(xiǎn)的評(píng)估明顯滯后。隨著評(píng)級(jí)業(yè)需要，國(guó)內(nèi)評(píng)級(jí)機(jī)構(gòu)已經(jīng)把人工智能應(yīng)用到信用評(píng)級(jí)方法中，建立人工智能評(píng)級(jí)系統(tǒng)是信用評(píng)級(jí)的發(fā)展趨勢(shì)。主要參考文獻(xiàn)及出處：1、 奚勝田,詹原瑞,韓著釗.因子分析與聚類(lèi)分析在企業(yè)信用評(píng)級(jí)中的應(yīng)用J.中國(guó)農(nóng)機(jī)化2009(1):44-47；2、 張鴻,丁以中.基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評(píng)級(jí)模型J.上海海事大學(xué)學(xué)報(bào)2007(3):6468；3、 王春峰,萬(wàn)海暉,張維.基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估J.系統(tǒng)工程理論與實(shí)踐,1999

21、(9):24-32；4、 Altman EI. Financial ratios, discriminate analysis and the prediction of corporate bankruptcyJ. Journal of Finance,1968,9(XX):589-609.；5、 Martin D. Earky warning of bank failure: a logit regression approachJ. Journal of Banking and Finance,1977:249-276.；6、 N.Chauhan,V.Ravi,D.K.Chandre,D

22、ifferential evolution trained waveletneural networks:application to bankruptcy prediction in banksJ,Expert Syst.Appl.36(4)(2009)7659-7665；7、 D.Delen,G.Walker,A.Kadam,Predicting breast cancer survivability:acomparison of three datamining methodsJ,Artif.Intell.Med.34(2)(2005)113-128.；8、 M.Behrman,R.Li

23、nder,A.H.Assadi,B.R.Stacey,M.M.Backonja,Classification of patients with pain based on neuropathic pain symptoms:comparison of an artificial neural network against an established scoring systemJ,Eur.J.Pain11(4) (2007)370-376.；9、 H.C.Zhang,S.H.Huang,Applications of neural networks in manufacturing:a s

24、tate-of-the-art survey,Int.J.Prod.Res.33(3)(1995)705-728.；10、 P.C.Pendharkar,Scale economies and production function estimation for object-oriented software component and source code documentation size, Eur.J.Oper.Res.172(3)(2006)1040-1050.；11、 J. Yao,N.Teng,H.-L.Poh,C.L.Tan,Forecasting and analysis

25、 of marketing data using neural networks,J.Inf.Sci.Eng.14(4)(1998)843-862.；12、 M.Paliwal,U.A.Kumar,Neural networks and statistical techniques: a review of applications,ExpertSyst.Appl.36(1)(2009)2-17.；13、 P.Hájek,Municipal credit rating modelling by neural networks,Decision Support Syst.51(1)(2

26、011)108-118.；14、 K.Kumar,S.Bhattacharya,Artificial neural network vs linear discriminant analysis in credit ratings forecase:a comparative study of predicti on performances, Rev.AccountingFinance5(3)(2006)216227.；15、 Z.Huang,H.Chen,C.-J.Hsu,W.-H.Chen,S.Wu,Credit rating analysis with support vector machines and neural networks:a market comparative study,Decision SupportSyst.37(4)(2004)543-558.；16、 ., . . .: -; : , 1999. 288 .17、 . . .: , 2006. 293 . 18、 . : . . : - , 2003. 94 .19、 . .: , 2004. 239 .20、 . - 2012. - : 21、 - : . : , 2011. 292 .22、 . . 2012. 10 : 23、 / .