2、利用神经网络基函数的广义逻辑回归模型在银行危机检测中的应用

利用神经网络基函数的广义逻辑回归模型在银行危机检测中的应用

金融体系在经济发展中起着至关重要的作用，但金融不稳定现象在现代金融体系中屡见不鲜，其中银行危机是金融不稳定的常见表现。本文提出了一种基于标准逻辑回归与乘积单元（PU）神经网络和径向基函数（RBF）网络相结合的新型危机检测与预测模型。

研究背景

金融体系负责资源的跨期配置和不同投资选择的分配，通过对消费延迟定价（无风险利率）和风险定价（风险溢价）来实现。过去二十年里，至少有十个国家同时经历了银行危机和货币危机，危机第一年国内生产总值收缩5% - 12%，随后几年经济增长为负或仅有微弱正增长。因此，维护金融稳定一直是政策制定者的主要目标之一。

以往对银行危机的研究多为案例分析，采用计量经济分析等方法。但这些传统统计技术存在一些缺点，它们对模型或数据分布有一些通常无法满足的假设。为避免这些缺点，近年来经济领域开始建议使用软计算技术，主要是神经网络或进化计算算法。

相关技术介绍

• 神经网络在破产预测中的应用 ：近年来，神经网络在破产预测中取得了成功应用。多层感知器（MLP）因其简单的架构和强大的问题解决能力被广泛应用。但近年来也出现了MLP的替代方案，如乘积单元神经网络（PUNN）和径向基函数神经网络（RBFNN）。
  • PUNN ：基于乘法神经元而非加法神经元，是一种特殊的前馈神经网络，具有更高的信息容量。
  • RBFNN ：可视为局部逼近程序，其逼近能力和架构构建都有显著改进，已应用于多个领域，但在破产或危