摘要：随着风险评价的日益复杂化,多维度、多时序等不规则的样本数据增加了评估的难度。本文建立信用风险评价的差分进化自动聚类模型,并将其应用到我国上市公司信用风险评价中。该模型不要求事先知道分类的数据,相反,通过群体智能去寻找最优的分区。通过数据仿真,并与遗传算法、决策树、BP神经网络模型进行信用风险评价的实证对比研究,结果表明,该模型能够非常准确的找到数据对应的分区,大大提高了信用评估的准确性,降低了风险成本,对信用风险的管理和控制具有很高的利用价值。

关键词：差分进化 启发式搜索 群体智能 信用风险 

单位：华中师范大学信息管理学院 湖北武汉430079 华南农业大学数学与信息学院 广东广州510642