毛义华，刘 悦

（浙江大学 土木工程管理研究所，杭州 310027）

0 引言

随着金融业的发展，我国各商业银行已逐步建立起了企业信用风险评级系统。但因信用评级标准不一、结果不同，导致评级效率低下，存在评级对象和范围较窄的现象。由于其主要使用法人客户授信制度进行信用风险评级，对单一法人客户或集团性客户核定综合授信额度，并在额度内办理授信业务，集中控制客户信用风险的信贷管理制度，并且其授信额度理论值的测算采取“打分卡测评法”，即线性加权计算，指标和权重的确定带有很大的主观性，无法模拟企业实际信用与评测指标之间的复杂非线性关系。

规范企业信用评级管理，建立一个权威的信用等级标准评估体系，已经成为政府和社会的一种共识。因此，本文提出基于RBF神经网络的商业银行客户信用风险评级方法。试用RBF神经网络这个“特征提取器”，从大量过去的商业银行客户信用等级评定资料中自动提取各信用评价指标与企业实际信用等级之间的规律，用其超强的非线性映射能力进行仿真模拟，解决传统客户信用评价方法的不足之处。

1 客户信用评级模型构建

1.1 RBF神经网络基本思想

RBF神经网络是一个只有一个隐含层的三层前馈神经网络结构。与其他类型神经网络不同，RBF神经网络的隐层转换函数是局部响应的高斯函数，而非全局相应函数。

1.2 评价指标选取

输入层为N个单元，隐层P个单元，输出层为P个单元的RBF神经网络的数学表达为：