文摘

本文创新构建农民信用评级指标体系的基础设施为多级单向网络结构。首先,根据三级信用评级指标体系的逻辑结构,并构造出一个四级单向网络信用评级计算公式建立了四级网络的所有索引。此外,信用评级公式的特殊情况与第一和第二级农民信用评级指标体系进行了探讨。在此基础上,扩展到一个信用评级指标体系有超过四层,和相应的信用评级公式建立了。最后,信用评级公式的一般公式的农民信用评级指标体系从第一层到多级。为了解决问题的农民的信用评级,本文还设计一个线性分割分类器分类结果多层单向网络,建立规则的农民的信用评级和单向网络的线性分割评价模型农民的信用评级,并讨论了银行信贷的属性根据农民的信用评级。最后,本文建立的模型应用于农民的信用评级县,在中国广东省。当160农民的信用评级进行,评价结果符合实际的农民的信用评级县,100%的准确性。这项研究的可操作性进行了科学的信用评级农村。本研究方法具有重要的指导和可操作性为农村信用评级。

1。介绍

困难的小企业和农民获得负载在中国是山区城镇的特点。这已经成为一个瓶颈乡镇的经济发展和农民收入的提升。随着市场经济的深入推广,社会不和谐的因素,如农村社会管理和长期债务,已成为山区城镇的紧急问题。如何跳出当前的社会管理模式,探索新的信用评分模型已成为当前农村金融的研究集中在中国。特别是,如何建立健全农民信用评级指标体系,构建金融服务平台,建立激励和约束机制,引导农民参与信用体系,创新社会管理方式,提高管理通过降低社会管理成本使用这种信用体系在中国都是山区城镇的紧急问题。基于当前社会管理信用评级方法,已经付诸实践在中国审判在一些山区乡镇,和信用评级指标体系的逻辑结构,本文首先使用数学技术目前的信用评级系统的一般描述,然后构造一个多层单向网络对农民的信用评级和建立一个线性段模型来评估农民的信用等级。最后,它实现了一个案例研究的方法,有效地解决了信用评级问题在中国的一些山区乡镇农民。

农村地区的概念是完全不同的来自中国和其他国家,和从事农业的人口比例在中国不同于其他国家。因此,信用评级的文献对农民在其他国家没有太多的参考价值。特别是在欧洲和美国,对农民的信用评级是一个一般的个人信用评级系统的一部分,它不是一个独立的研究课题。在中国,从事农业的人口比例仍是非常大的。山区城镇的经济发展落后于城市和金融市场并不完美,也有很多不和谐的社会因素。因此,信用评级问题研究基于对农民社会管理是必要的和不可或缺的。

有很多文献对信用评级或企业信用评估(包括商业银行),和他们中的大多数已经商业化。最相关的文献与农民的信用评级提出了银行信用评价方法结合模糊粗糙集和模糊c均值聚类。提出的基于规则的方法用来预测农民信誉并应用于实际数据从2044年农民在中国银行和用于农业负荷决策(1]。也有神经网络模型来研究信用评分的准确性:多层感知器,mixture-of-experts,径向基函数,学习矢量量化和模糊自适应共振,BP网络算法的概率神经网络和自组织竞争网络(2- - - - - -4]。此外,神经网络和统计模型也被用来研究信用评分的准确性:SVM算法,模糊支持向量机算法,逻辑回归模型和线性判别分析模型(3,5]。信用评分模型集成了各种金融和非金融因素,从而提高小到中型企业(中小企业)违约风险知识6]。DEMATEL方法用于选择适当的财务比率,是有效的在专家的决策过程,并基于这些财务比率,他们开发了一种Mamdani的模糊专家系统预测客户信用风险(7]。分析模型可以用来探索分割数据的贡献给予客户信用的8]。建立个人信用评分模型,通过遗传算法,它被证明是一个效率高信用评分通过实验和评价其重大价值(9]。可变学习速率的改进算法基于BP算法应用于模拟个人信用评分(10]。个人信用评估的方法基于PSO-RBF神经网络,采用PSO算法优化RBF神经网络的参数,应用于优化RBF神经网络在个人信用评估(11]。

关于小额信贷的研究中,一个有意义的研究,有人进行了非正式的信贷配给和信贷需求调查在中国[四县新兴12]。发现有许多因素阻碍农村小额信贷在中国的有效和可持续发展(13]。通过收集小额贷款的信息用户,使用物流二元选择模型来计算每个的重量指数、信用评分模型,可以用来控制建立了小型农业贷款的信用风险(14]。利用博弈论的方法,我们可以研究供需双方之间的动态博弈关系小额贷款(15]。基于小额信贷与农业的关系,农村,和农民,有些学者分析了小额信贷的发展和服务于农业的重要性,农村,和农民并提出具体对策小额信贷服务农业、农村和农民(16]。然而,在小额贷款公司的运营,现有信用评分模型不能有效和准确地评估贷款申请人的信用风险17]。

研究信用评级模型和信用评级指标体系,通过分析层次分析法(AHP)和模糊综合评价方法,建立了农村信用社的风险评价指数模型,分析了河北省农村信用社风险水平(18]。传统银行15和13的多重回归分析从2000年到2010年在马来西亚伊斯兰银行表明,银行信贷风险的具体因素对信用风险的形成有一个独特的影响的伊斯兰银行和传统银行(19]。框架的专家判断,多准则排序法electre-trinc用于构造内部信用评级模型(20.]。服用687小规模批发和零售企业的中国商业银行为研究对象,本文运用偏相关分析和禁止回归方法建立信用评级指标体系(21]。为了解决高的优质贷款损失的不匹配问题给出默认(乐金显示器),信用评级方法通过最小化乐金显示器更高的额定贷款。实证结果表明,创建的模型可能解决不匹配问题22]。考虑的影响宏观经济的变化对银行的信贷决策,提出了一种新颖的非线性规划的信用评级模型。这些发现可以帮助缓解低收入群体的融资问题23]。

本文主要研究线性段评价模型的多层单向网络农民的信用评级。首先,在提出的三级信用评级指标体系,每个指数的计算公式的但是单向网络对农民的信用评级,以及计算公式对农民的信用评价。其次,本文还得出一级农民的信用评估公式的信用评级系统和二级农民的信用评级系统;进一步获得四级农民的信用评估公式的信用评级系统。第三,本文设计一个线性段分类器分类信用评级输出从多层单向网络和建立信用评级对农民的规则和规则的线性单向网络的分割评价模型对农民的信用评级。它还探讨了银行贷款风险的属性根据农民的信用评级。最后,本文运用理论模型来评估在县农民的信用评级,广东,中国。虽然本文的研究非常创新,它从来没有申请中国专利在2012年(24]。本文的结构安排如下。部分2建立一个基础课单向网络基于三级信用评级指标体系。部分3提供了每个指标的计算公式的三级信用评级指标体系。它还提供了计算公式的特殊情况下的一级和二级信用评级指标体系。进一步扩展了公式的信用评级指标体系四个多水平,最后提出多层次信用评级指标体系的一般计算方法。部分4建立了规则和信用评级对农民的线性分割评价模型。它设计一个线性段分类器和论述了银行贷款风险的属性根据农民的信用评级。部分5应用理论模型来评估160农民的信用评级在一个县,广东省,中国。部分6给出了结论。

2。农民信用评级指数和信用评分计算方法

为了评估农民的信用等级,首先我们必须选择索引用于执行信用评级,也就是说,我们应该首先构建农民的信用评级指标体系。目前,农村地区信用评级的特点可以描述如下。首先,一些山区乡镇已经尝试可信的家人和可信的村和农民的信用评级指标体系发展适合当地农村经济的发展。然而,随着农村地区广泛分布在中国,农业生产的条件,农民的生活水平和文化教育的程度因地区而异;因此,农民的信用评级指标体系的建设与地区不同。其次,当前流行的方法采用在中国开展农民的信用评级是专家评价方法。量化每个索引和需要获得的分数的总和每个索引作为农民的最终的信用评分,最后给出了使用这个总分农民的信用等级。

根据农民的信用评级的现状在中国,本文将农民的信用评级指标体系作为一个指标体系与多层单向网络结构。它结合了信贷指标在每个年级通过构建多层单向网络,计算得到农民的信用评分分数从网络的输出,并获得的信用等级网络的输出通过设计线性段分类器对信用评级,从而完成对农民的信用评级。

让我们考虑一个农民的信用评级指标体系与四层的网络结构。假设有1^圣程度的指标 和是正整数的集合(下同) 和也 当使用集合表示 。为 (下同)指数在1^圣程度的指标,假设 2^nd程度的指标是 和也 当使用集合表示 。为jth (下同)指数在2^nd1下水平的指标^圣程度的指数 ,假设有 3^{理查德·道金斯}程度的索引(也称为属性) 和也 当使用集合表示 。

计算信用评分,进行信用评级,有必要将分数分配给每个3^{理查德·道金斯}程度的索引。假设在每个等级由大量的索引 ,也就是说,本文使用代表在第一级指标的得分,代表指标的得分第二层次,和代表第三级指标的得分。第三级指标的得分分配主要采用专家评价法;二级指标的得分得到第三级的每个分数指数显示,一级指标的得分相应的二级指标的总和。例如,本文使用代表第三级指标的得分并使用表示第一级指标的得分 。最后,本文使用代表农民的总信用评分与三级索引,这也是对农民的信用得分的最终结果。

假设我们把农民的信用评分N 类别,即信用等级的数量 。现在的问题变成了一个N模式分类,我们可以解决这个问题 - - - - - -模式分类问题,通过构建基础课单向网络如图1。

3所示。计算公式在每个水平指数和多层单向网络的信用评分

3.1。三级索引信用计分公式基于基础课单向网络

在图1,3^{理查德·道金斯}程度的指数是第一层的网络。每个节点实际上是与一个索引,这意味着节点的数目是一模一样的数量指标和指标的得分第三层次的输入是第一层的网络。2^nd层次索引网络的第二层。2的得分^nd水平的指标得到的结果在第一层的输入或操作。这是因为,在第一层,3的财产内容^{理查德·道金斯}程度的指标是相互排斥的。每个农民都可以满足只有一个属性的3^{理查德·道金斯}程度的索引。这个属性的得分的分数是2^nd这个农民程度的指数。因此,在网络的第二层,或其操作。假设或运营商 ;然后,2的得分的计算公式^nd程度的指标 是 在哪里 的数量是2吗^nd1下水平的指标^圣程度的指数和的数量3^{理查德·道金斯}2水平的指标^nd程度的指数 ,分别。

根据计算规则的农民的信用评分,得分的每个索引1^圣级别2的所有分数的总和^nd程度的索引。因此,大量的计算公式1^圣程度的指标 是 从公式(1),1的分数的计算公式^圣程度的指标 可以进一步表示为 在哪里 像上面一样解释。

假设1的重量^圣程度的指标 ,分别总分数的计算公式农民的信贷评分与三级索引

结果计算公式(4)是完全的信用分数相关的农民,和这一点上我们可以得到相应的信用等级。现在,我们已经完成了整个生产过程中农民的信用评级。

3.2。二级指标基于三层单向网络信用评分公式

3.2.1之上。三层单向网络的建设

目前,各种信贷指数系统采用对农民进行信用评级在中国的山区农业县。常见的一个是二级指标体系。如果是二级指标体系,需要建立一个三层单向网络构建农民的信用评级体系,如图2。

的计算公式1^圣程度的指数是 在哪里 。

3.2.2。二级指标信用计分公式

类似地,假定 每个的重量是1^圣程度的指数;然后,农民总信用评分的计算公式两级指数表示如下:

3.2.3。特殊情况

更具体地说,如果信贷指数只有一个级别,单向网络结构是一个两层网络。直接加权和的每个属性的得分指数,我们可以获得1^圣程度的指数。假设 的重量是1^圣程度的指标,公式计算农民的信用评分是

3.3。农民的信用分数的计算公式米程度的指数

这次会议考虑更一般的情况。假设有 - - - - - -水平指数在农民的信用评级指标体系: ;然后,我们需要分配分数 - - - - - -水平索引。让我们假设的总得分吗 - - - - - -水平指标 ,在哪里就是从1到 。

与 - - - - - -指数水平,有必要建立一个 - - - - - -层单向网络构建农民的信用评级系统。但是单向网络的简单扩展,如图1我们可以有一个 - - - - - -层网络。第一层是 - - - - - -水平索引。每个节点链接到一个索引。节点的数量是完全相同的索引的数量,和第一层接收输入的分数 - - - - - -水平指数。第二层是(米−1)层次索引和他们的分数或操作成绩的第一层。同样的,第三层是 - - - - - -索引和成绩水平或操作成绩的第二层。所有剩下的层可以以同样的方式完成。结果, - - - - - -网络层是1^圣程度的指标,分数的总和(m - 1)层。的层是输出层,只有一个节点。

第二个层索引和分数的 - - - - - -水平指标得到的结果或操作(或由运营商在分数输入第一层)。在第三层 - - - - - -水平索引和分数的 - - - - - -水平指标得到第二层得分的总和。同样的,网络上的第四层 - - - - - -水平索引和获得的分数的总和成绩第三层。其余的可以通过相同的方式。因此,在网络层是1^圣程度的指标,获得的分数的分数的总和层。的是输出层,它只有一个节点。

假设有1级和索引 这些指标的权重;从公式(4),我们可以得到农民的总信用评分的计算公式与 - - - - - -水平指标 如下: 在哪里 代表分数的总和的2^nd程度的指标,3^{理查德·道金斯}程度的指标,…,(米−1)^th程度的指标。

从(4),(6)和(11),我们可以得到农民的总信用评分的一般计算公式与米程度的指标 如下:

总结上面的练习,我们获得以下定理。

定理1。如果建立一个多层单向网络根据本文提出的方法,然后,对农民的信用评级体系米索引,米是一个正整数,总信用评分等级的计算公式|_米农民将计算公式(9)。

证明。米分为下列情形:(1)当米= 1,这意味着农民有单层指数信用评级系统。根据节3.2。3,有必要建立一个两层的单向网络,和所有层次索引计算公式(7)。(2)当米= 2,这意味着农民有两层指标的信用评级系统。根据节3.2。2,有必要建立一个三层的单向网络,如图2,所有水平指标计算公式(6)。(3)当米= 3,这意味着农民有一个三层指标的信用评级系统。根据3.1节,有必要建立一个四层单向网络,如图1,各级指标的得分计算公式(4)(4)当米大于或等于4,这意味着农民有一个指标超过4水平的信用评级体系。根据节3.3,有必要建立一个单向网络上面米+ 1。各级指标的得分计算公式(8);因此,对于任何正整数米,米是一个正整数,当农民的信用评级系统级指数,我们可以得到农民的信用评级系统的计算方法米级指数通过结合案例(1)-(4)中讨论这个定理的证明过程1,并使用公式(9)来计算。

4所示。线性分割评价模型为农民的信用评级

4.1。信用评级对农民的规则

在这个会话中,根据获得的总学分成绩计算公式(12),提出了一种线性分类器对农民进行信用评级。假设有N 对农民的信用等级,米程度的指标体系 采用, 满足的关系 并代表最低的信用评分N分别的成绩。我们还假设每个信用评分仅能容纳一个信用等级;然后,信用评级的规则如表所示1。

此外,我们使用( )代表农民的总信用评分;然后,线性分类器可以表示如下:

公式(13)称为线性分割评价模型对农民的信用评级。一个农民的信用评分时,首先计算分数每个优秀的的索引 ,然后我们使用公式(12)计算的总信用评分的农民,最后,通过线性分类器段(13)我们可以得到相应的信用等级的农夫。

4.2。贷款信用的属性根据农民的信用评级

与农民的信用等级评估,银行可以确定负载信贷对农民基于他们的信用等级。假设N信用等级的信用额度 是 ,分别,然后两个属性对负载信用基于农民可以获得的信用评级。

属性1。假设信用等级 农民们的排名从高到低;然后,满足相应的信用额度贷款 。

属性2。如果信用额度的信用等级t 满足 ;然后,我们有 。
达到激励的目的,提高贷款的antirisk能力,农村信用合作社通常采用co-guarantee政策时为农民提供负载。co-guarantee政策下,如果一个农民不在最高信用等级,如果他愿意加入co-guarantee程序,他的信用等级将不会改变,但是他的信用额度可能的范围。在co-guarantee政策下,农民的信用等级K ,他的信用额度将在一定范围内如果他加入co-guarantee程序。然而,对于一个农民的信用等级是最高的,这是一级信贷,信贷额度不会改变,即使他加入co-guarantee程序。表2下面显示了农民的信用评级和相应的信用额度,在没有co-guarantee co-guarantee程序。

财产3。如果信用额度的信用等级 满足 ;然后,我们有 。

5。案例研究

5.1。农民的信用指标体系的施工方法

县在广东省,中国第一个尝试“可靠的家庭,可信的村庄,和可信的小镇”于2011年在广东省。当构建农村信用评级体系,县级县建立一个委员会,负责组织和协调乡镇一级政府、金融机构和其他有关部门,这个委员会负责县人民政府。乡镇政府还建立农民的信用评级委员会,连同村政府以及县委员会,成立特别工作组农民的信用评级。这个工作组对农民进行信用评级和执行计划建立信用村和可信的小镇。空间的限制,本文只分析了农民的信用评级系统县。

农民信用指标体系的建设县的建设可以分为三级指标如下。

1^圣水平的指标包括农民的社会稳定、生产经营、财务收入,个人绩效、品德,社会信用,等等,可以分为四个共同分类属性:社会管理、基本信息、信用质量,和家庭财务。

2^nd程度的指标是每个1的进一步细分^圣根据双方的分类属性水平的指标。例如,社会管理的1^圣程度的指标分为合法合规,尊重老人和照顾年轻人,社会福利的参与,军事服务,遵守计划生育,医疗保险,等等。的信贷质量1^圣水平的指标分为金融机构信贷,农民的质量,社会信用,外部保障,等等。其余指标可以以同样的方式完成。

3^{理查德·道金斯}程度的指标是所有情况下的细分描述可选的类别可能会出现在2^nd程度的指标,这些案例的内容是相互分离的。例如,法律合规的2^nd层次索引被描述为三种情况:第一,所有家庭成员都遵守法律和没有赌博现象的家庭成员;第二,存在赌博现象的家庭成员在过去,但今年没有不良行为;第三,存在赌博现象或行为触犯了法律和纪律的家庭成员。社会信用的2^nd层次索引被描述为四个案例:好,好,一般,不好。剩下的索引可以以同样的方式完成。

5.2。规则分配价值3^{理查德·道金斯}程度的指标

在县的农民信用评级指标体系,每个信用属性的3^{理查德·道金斯}信贷指标体系层次的指标量化和分配分数(评分法);农夫最后的信用评分是通过这些分数的总和3^{理查德·道金斯}程度的索引。

得分方法3^{理查德·道金斯}在社会管理水平的指标类别(1^圣级)是激励的基础,同时积极的和消极的激励。对于一个农民,他/她将得到积极的分数如果他/她表现良好的指数;他/她将获得0得分指数如果他/她执行好;他/她将会得到负分数(点球),如果他/她在该指数表现低于预期。

农业生产经营的规模、生产经营能力、信贷质量,家庭收入,等等不同于农民农民;因此,分数是各种属性为每个索引属性的3^{理查德·道金斯}的水平。此外,每个属性排名从“好”“坏”和相应的分数从高到低排名。

例如,在县的农民信用评级指标体系,3^{理查德·道金斯}水平的指标在遵守法律尊重老人和照顾年轻的2^nd程度的指标,他们的分数表所示3。

5.3。信用评级方法

农民的信用分为五个信用等级:优秀,优秀,良好,一般,和坏的结果的基础上他们的信用评分。和他们的信用额度可以确定基于他们的信用等级以及他们是否加入co-guarantee程序,表所示4在下面。

从表4,我们可以看到,有五个场景信用评分、信用等级、信用评级、信用额度,和co-guarantee程序的条件。(1)对农民的信用评分大于或等于105,他们的信用等级是“优秀的我”和“AAA”信用评级,信用额度高达50000人民币。(2)对农民的信用评分从90年到104年,他们的信用等级是“优秀II”和“AA级信用评级。“信用额度分为两种情况;第一种情况是,农民联合co-guarantee程序,程序中有三个或更多的家庭,信用额度是40000元人民币;第二种情况是,农民不联合co-guarantee计划,他们的信用额度是30000元人民币。(3)对农民的信用评分从80年到89年,他们的信用等级是“好”和他们的评级是“一个。“信用额度分为两种情况;第一种情况是,农民联合co-guarantee程序,程序中有三个或更多的家庭,信用额度是20000元人民币;第二种情况是,农民不联合co-guarantee计划,他们的信用额度是10000元人民币。(4)对农民的信用评分从80年到89年,他们的信用等级是“将军”和他们的信用评级是“B。与联合co-guarantee计划”的农民,他们的信用额度是10000元人民币。农民不联合co-guarantee,他们的信用额度是0人民币。(5)对农民的信用评分小于或等于69,他们的信用等级是“坏的”,他们的信用评级是“C。“他们的信用额度是0人民币。

假设我们使用矩阵 显示数字1的索引^圣级别3^{理查德·道金斯}在农民的信用评级指标体系。在这里,行表示的数^圣层次索引和列表示2的最大数量^nd拥有的层次索引1^圣程度的指标, ,在哪里 的数量是2吗^nd拥有的层次索引一级指标。矩阵的元素代表的数量3^{理查德·道金斯}拥有的层次索引二级索引一级指标。的元素定义如下:

然后,索引的数量从1^圣级别3^{理查德·道金斯}信用计分表的农民县可以表示为矩阵如下:

从矩阵(15),我们可以看到有四个一级指标的信用得分表在一个县的农民,也就是说 。的数字2^nd层次索引被这四个1^圣程度的指标,分别11 10 4和5,也就是说, , , ,和 。的元素 代表有三个风光不再的索引被第一个2^nd程度的指数在第一个1^圣程度的指数。的元素 代表有5个第三级索引被十一2^nd程度的指数在第一个1^圣程度的指数。的元素 代表有4第三级索引被每一个十二级索引在第二个1^圣程度的指数。的元素 和 代表有4第三级索引被每一个2^nd程度的指数在第三个1^圣程度的指数,只有四个2^nd程度的指数在第三个1^圣程度的指数。其余的可以以同样的方式来解释。之和矩阵的所有元素是第三级指标的数量被信用评级指标体系。

5.4。样本的选择和应用模型

该模型与农民的数据评估在中国广东省县。在2011年,有160农民在这个小镇申请加入信用评级发起县政府。这160农民被送入网络的信息,如图1,基于分析部分5.1节5.3信用评级,有四层网络。也就是说, ,和的数量3^{理查德·道金斯}水平的指标被信用评级指标体系

因此,有108个输入节点的网络

2^nd在信用评级水平的指标体系和网络的中间节点层是由每个索引的2^nd水平;因此,中间层中有30个节点的网络。网络的节点在第四层是由每个索引的第一层面,有四个1^圣层次索引被信用评级指标体系。也就是说, ;因此,有4个节点(即在第四层。,4input nodes) of the network, as shown in Figure3。

的过程中信用评级,评级指标相同的层是同等重要的。因此,当县进行信用评级,各级指标的权重相同的隐层是相等的。因此,各层次的权重可能不被认为是在计算过程中。然后,当进行信贷评分县的权重为1^圣程度的指标是1,也就是说,

从公式(4),总分农民的信贷评分与三级索引、农民的信用积分的公式

喂养的分数得到每个3^{理查德·道金斯}160农民到网络的程度的指标,每个农民的信用评分可以估计基于公式(9)。

从表4,有五个信用等级县的农民的信用评级系统,也就是说, 。基于(13),线性段分类器 在哪里 是农民的信用评分。

与农民的信用评分基于(19)估计,这些农民信用等级可以使用线性段评估分类器(10)。最后的结果这160农民的信用评级是年级的人数“优秀”是零;在年级的人数“优秀”(90 - 104)是8;在年级的人数“好”(80 - 89)是31日;在年级的人数“将军”(70 - 79)是41;和年级的人数“坏”是80。这种信用评级结果从该方法匹配实际的镇上的评级结果,县。也就是说,准确率是100%,如表所示5。

160农民的信用评分的散点图如图4。

6。结论

如今,信用评级系统,信用评级的方法,和相关的评级机制仍不完善在中国的农村地区。外国国家的农村地区的概念是完全不同的中国,和在国外从事农业的人口比例不同于在中国,以及这样一个事实:在国外相关文献从中国的实际情况明显不同。因此,这些文献提出的方法可以用来引用在中国是非常罕见的。因此,研究中国的金融创新问题时,我们必须从具体的场景在中国的农村地区,不同地理位置的考虑生活环境,商业环境和文化特征,构建信用评级体系和信用评级方法是符合历史,经济,文化在中国的农村地区。只有用这种方法我们可以解决农民信用评级问题和相应的金融创新在中国的问题。

首先,基于三级信用评级指标体系的逻辑结构,本文构造了一个但是单向网络和网络上进行或操作的输入。这些输入是农民的信用分数分配给3^{理查德·道金斯}水平的指标估计的专家评分法。然后,本文工作输出节点在每一层的信用评分基于网络结构,信用评分的输出节点,第三层是完全的信用评分1^圣层次索引和输出节点的信用评分在第四层就是最终的信用评分的农民。

此外,提出了指数的计算公式的每一层三级信用评级指标体系,以及信用评分的计算公式但是单向网络。这篇论文也获得特殊情况计算公式为一级和二级的信用评级指标体系。基于这些,它扩展了公式覆盖四级信用评级指标体系的情况下,提供了单向网络的信用评分计算公式有超过五层。最后,推导出多层单向网络的一般计算公式与多层次信用评级指标体系。

此外,本文还设计一个线性段分类器分类信用等级的输出从多层单向网络和建立农户信用等级规则。还探讨了银行信用风险的属性根据农民的信用等级。最后,本文运用理论模型来评估160年农民信用等级在一个县,广东,中国。本文提出的方法的结果是符合实际的评价结果在一个县,这意味着精度为100%。

本文研究涉及信用评级指标体系的施工方法,建立多层单向网络,构建信用评分模型,线性段的设计分类器对信用等级评估、和应用模型。所有这些重要的理论创新和实际应用价值。本文可以提供具体指导农村金融的改革和创新,中国农民的信用评级。它也有重要的理论研究和科学指导价值的探索和完善信用评级制度,促进信贷的概念在中国农民,并促进中国农村经济发展。

数据可用性

文章中所有的数据来自一个县支行,广东省,中国人民银行。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Sulin彭日成贡献在写初稿,概念化,框架设计,收集数据,调查,数据资源,画图片,正式的分析,表、建立模型、项目管理、修改、添加内容;定理证明,纠错,部分写作,完成最终稿,和资金。汪寿阳贡献的方法,框架设计,建立模型,分析数据,误差修正,部分写作,监督,完成最终稿。夏Lianhu贡献在纠错,质量改进,定理证明,完成最终稿。Lianhu夏博士参与的讨论最后的修订草案,定理的证明过程中修改这篇文章,并导致最终稿。所以,他被添加到最终的修订版本。

确认

纸是由中国国家自然科学基金(91646112)。