基于bp神经网络的家庭风险评价模式

《基于bp神经网络的家庭风险评价模式》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于BP神经网络的家庭风险评价模式摘要：本文主要针对我国中产阶级家庭在理财过程中存在的信息不对称及市场理财产品单一混乱所导致的理财困境，创新性的提出了“神经网络分析下的家庭风险评价”模式。该模式通过银行与客户之间的交流沟通，运用计算机模拟得到客户在投资过程中组合各项资产的投资占比，为资金的投资分配提供合理性建议。关键词：BP神经网络;家庭理财;风险评价一、引言近几年，随着经济发展水平的不断提高，针对个人及家庭方向理财方案设计受到了越来越广泛的关注。然而，现阶段我国市场上的理财产品机械单一，理财新品的研究和开发能力的不足，导致了理财产品市场定位

2、和服务的缺失。正是基于这样的供需失衡，家庭理财方案的设计与开发显得尤为重要，如何在保证低风险下获得高收益是研究的主要课题。7国外对家庭投资决策的决定因素研究比较充分，其大多为研究影响风险资产或金融资产的因素。Kimball（1991）提出劳动收入风险或其他类型的不可避免风险能够影响用于风险投资的那部分储蓄，通过减少风险资产在现有资产组合中的份额来抵制该风险对消费的冲击。Heaton和Lucas（1997），Koo（1998），viceira（2001）等学者采用无限期界模型，考察劳动收入风险对投资选择的影响，支出在相对风险回避的效用函数下具有

3、劳动收入风险的行为人会比在没有劳动收入风险时更倾向选择安全性资产。国内学者臧旭恒（2001）借鉴国外不确定条件下消费―投资行为理论模式，在估算居民资产存量与流量的基础上分析影响家庭资产选择的因素，综合了消费、收入与家庭行为，着重强调了收入水平对家庭资产选择的影响。史代敏，宋艳（2005）通过实证研究发现中国居民投资中储蓄存款与股票的保有量与家庭收入成正比关系，并对居民家庭金融资产选择问题提出了新的看法。二、家庭风险评价模式构建在近些年的重大金融事件中，各大评级机构的作用日益凸显，对主权债务评级、企业信用评级等一系列指标的调整均会对市场产生极大

4、的刺激作用，进而产生重大影响。企业信用评价体系，作为衡量企业财务状况，评估企业投资价值的重要指标，也日益受到研究者的重视。本文通过对企业信用评价体系建立的方法和经验，将这种评价体系进行修改后，运用于家庭理财领域。7家庭风险评价模式是通过评价个人家庭理财过程中对风险投资的承受能力和投资倾向的指标体系，在大量已有的样本数据（即目前存在的家庭理财方案）的基础上，利用模型算法反复修正，最终产生家庭风险投资在家庭理财中的比例，对家庭理财方案的设定、理财产品的创新和个性化服务的提升提供建议。（一）家庭风险评价体系本文所述的风险因素来源是指一切在家庭理财中

5、能影响各项投资比例变化的因素。在综合分析之后，本文将风险因素主要分为家庭就业状况、家庭组成情况、家庭消费状况和家庭投资心理。家庭就业状况主要包括了家庭月收入（X1）、工作阶层（X2）和主要收入来源（X3）等一系列影响家庭理财需求的因素。家庭组成情况主要包括家庭成员构成（X4）、家庭置业情况（X5）和家庭未来主要负担（U6）等一系列影响家庭投资倾向的因素。家庭消费状况主要包括家庭月消费支出（X7）、家庭恩格尔系数（X8）和消费构成状况（X9）等一系列影响家庭投资额度变化的因素。家庭投资心理主要包括家庭投资支出（X10）、对投资获利方式的偏好（X

6、11）和各类投资资产评价（X12）等一系列影响家庭投资倾向的因素。以上是结合之前研究所归纳的一些主要影响因素，在实际运用过程中可根据实际情况对因素进行适度调整，已达到适用性要求。7（二）BP神经网络模型的建立BP神经网络是一种多层前馈神经网络，因采用误差反向传播的学习算法，BP网络是目前最成熟、应用最广泛的一种神经网络，在信息处理、模型识别、智能控制等诸多领域得到越来越广泛的应用。BP神经网络通常包括一个输入层、若干个中间层和一个输出层。其主要特点在于各层神经元仅与相邻神经元之间有链接，各层神经元之间没有反馈链接。BP神经网络具有很强的非线性

7、映射能力，本文采用的是3层的神经网络模型。1.模型算法及实现选取上文列举的12个X变量作为特征量。由于特征量组成复杂，即存在定性变量又存在定量变量，所以在特征量处理过程中，可采用工程经济学等方法将定性变量量化。假定BP网络的输入层、中间层和输出层分别有I、J和K个神经元，本文中I为12，J为4，K为1，即12-4-1的BP神经网络。其中，输入层含12个解释变量，中间层含4个解释变量（对于输入层而言为被解释变量），输出层为单一被解释变量。从输入的角度，中间层第j个神经元与输出层第k个神经元的输入分别为：NPj=∑ii=1ωijOi（j=1，2，

8、…，I）NPk=∑jj=1ωjkOj（k=1，2，…，K）7从反馈的角度，输入层、中间层和输出层的输出分别为：Oi=NPi=XiOj=fj（NPj，θj）=11+-