人工神经网络（Artificial Neural Network，ANN）模型用于经济预测，已有许多应用。关于人工神经网络模型在银行管理方面的应用，已有若干探讨。本章根据中国某商业银行分行的客户财务数据和实际授信风险限额，利用人工神经网络模型进行检验，通过总结银行实际授信过程的经验，从中发现与多数客户的授信规律有所不同的异常客户，便于有针对性地做好授信工作，降低银行授信风险^[1]。与此同时，本章还列出了经济计量模型的估计结果，并与人工神经网络的模拟结果进行比较。

第一节 人工神经网络简介

人工神经网络的结构和工作原理是基于模仿人脑组织结构（大脑神经元网络）的活动规则，可以看作是对人脑活动的一种抽象、简化和模仿（张立明，1992；沈世镒，1998）。人工神经网络由许多相互联系的相似处理单元（神经元）组成，每个神经元就是一个简单的计算单元，它是一种多输入、单输出的非线性阈值元件，如图8-1所示。

图8-1 人工神经网络神经元的输入和输出

人工神经网络神经元的输入输出关系可用以下函数描述：

式中，I_i是神经元的计算过程，其中x_j是神经元I_i的第j（j=1，…，n）个输入，w_ij是连接到I_i的其他神经元与I_i之间的权重值，θ是该神经元的阈值，也称激活值。阈值为非常数，随神经元的兴奋程度而变。ƒ（I_i）是激活函数，常用激活函数有三种形式：阈值型、S（Sigmoid）型、线性型。Y是神经元I_i的输出。神经元是一种多输入、单输出元件，具有非线性的输入、输出特性，且