基于非线性主成分分析的信用评估模型研究

摘要：

传统的主成分分析(PCA)本质上是一种线性映射算法,无法有效处理非线性关系的数据.在分析自联想神经网络(AANN)的基础上,借鉴传统PCA方法中的序数主成分概念,提出基于顺序自联想神经网络(SAANN)的非线性主成分分析法(NLPCA).进一步,结合神经网络(NN)和Logisitic模型,以我国上市公司为研究对象,分别构建基于NLPCA-NN和NLPCA-Logisitic的信用评估模型.实证结果及ROC曲线分析表明,本文构建的NLPCA相比传统的线性PCA方法能有效实现数据的非线性特征提取与降维,提高模型预测性能；在相同PCA方法处理数据的条件下,神经网络模型的信用评估效果要好于Logisitic模型.

关键词：信用评估、神经网络、主成分分析、ROC曲线

所属期刊栏目：30

分类号：F224.9(经济计算、经济数学方法)

资助基金：广东省哲学社会科学"十一五"规划项目090-18

在线出版日期：2013-11-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：138-150