神经网络分析方法应用于信用风险评估的优点在于其无严格的假设限制具有处理非线性问题的能力。由于神经网络方法的预测精度较高,因此其信用评分结果中应该综合了解释变量与因变量之间关系的更多信息,将这种信用评分结果作为解释变量之一,能够提高模型的预测精度。
神经网络(Artificial Neural Networks,简写为ANNs)是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的,并具有自学习和自适应的能力。
神经网络的特点和优越性,主要表现在三个方面:
第一,具有自学习功能。自学习功能对于预测有特别重要的意义。预期未来的人工神经网络计算机将为人类提供经济预测、市场预测、效益预测,其应用前途是很远大的。
第二,具有联想存储功能。用人工神经网络的反馈网络就可以实现这种联想。
第三,具有高速寻找优化解的能力。寻找一个复杂问题的优化解,往往需要很大的计算量,利用一个针对某问题而设计的反馈型人工神经网络,发挥计算机的高速运算能力,可能很快找到优化解。