322
浏览摘要:随着金融信息化的飞速发展,金融信息系统的风险管理越来越重要.风险管理的核心是风险评价,需要科学评价金融机构的信息系统风险.利用大数据条件下的人工神经网络算法,对BP人工神经网络的结果进行分析;并采用截至2021年底60家金融机构开发的信息系统作为样本进行实验验证.结果表明,人工神经网络具有高相关性和低相对误差,数值拟合效果较好,基于人工神经网络的金融信息系统风险评价模型具有可行性,为大数据和人工神经网络在金融信息系统中的运用提供了有力的实证.
关键词:人工神经网络;
文章目录
1 相关研究
2 理论背景
3 模型设计
3.1 指标设定
3.2 数据处理
3.3 模型提出
1) 实现BP神经网络.
2) 运用R语言构建基于人工神经网络的金融信息系统风险评价模型.
3) 设定评价金融机构信息系统风险的标准.
4 模型计算与结果分析
4.1 训练样本计算与分析
4.2 测试样本计算与分析
4.3 评价与建议
5 结束语
[1]医院信息系统风险分析及对策[J]. 李颢. 数码世界. 2020(12)
[2]基层央行信息系统风险评估工作存在的问题及建议[J]. 郭春志. 中国金融电脑. 2011(06)
[3]探究银行业金融机构信息系统风险监管[J]. 宋玉长. 金融电子化. 2007(08)
[4]征信信息系统风险评估问题探析[J]. 夏沅. 征信. 2020(02)
[5]层次分析法和神经网络的信息系统风险评估[J]. 赵保华. 微电子学与计算机. 2015(10)
[6]金融业信息系统风险与金融稳定关联研究[J]. 胡滟. 时代金融. 2017(30)
[7]银行信息系统风险本质与风险监管[J]. 胡江红. 金融电子化. 2009(01)
[8]证券公司如何加强内控防范信息系统风险[J]. 张娟. 现代商业. 2014(03)
[9]农信社信息系统风险应予重视[J]. 罗建红. 中国农村信用合作. 2008(04)
[10]医院信息系统风险分析及对策[J]. 聂喆,屈盛,王文文. 医学信息. 2020(08)