神经网络在商业银行信用风险评估中的应用研究

论文摘要

随着经济全球化及金融市场波动性的加剧,商业银行作为金融机构,其信用风险暴露的越来越严重。贷款是商业银行最大的资产业务,大致要占全部资产业务的60%左右,而企业作为商业银行贷款业务的主要客户,其信用风险直接关系到银行的切身利益,也逐渐受到金融界和学术界的重视。信用风险评估作为防范信用风险一种方法和手段,目前在国外已经取得了长足的发展和探索,广泛使用统计方法和模型对风险进行量化管理,与之相比,我国商业银行信用风险管理水平还不够高,还处于学习、借鉴、模仿的阶段,缺乏自主研发的评级方法。因此,对商业银行信用风险管理进行研究,是提高我国商业银行信用风险管理水平的重要前提。尽快加速我国信用风险的评估工作,为金融机构提供比较科学的决策依据,使它们的管理和经营更加科学合理,具有非常大的意义。本文从商业银行的角度出发,以商业银行的信贷客户(上市公司)的违约风险作为研究对象。首先,对国内外信用风险管理的研究现状进行了回顾和评析,并借此说明了商业银行信用风险管理的重要性和必要性。在此基础上,文章对商业银行信用风险、信用风险管理以及信用风险评估的概念、内涵进行了界定。其次,从信用风险评估方法发展过程入手,对各阶段具有代表性的评估模型进行了介绍,通过对各种模型的对比分析,说明了神经网络在商业银行信用风险评估中的可行性以及无可比拟的优势。再次,在借鉴国外研究成果和实践经验的基础上,初步选取了18项财务比率构建了评估指标体系。经验证后一些指标变量间存在高度共线性,故本文利用SPSS13.0软件中的因子模型简化了指标体系。然后把随机选取的沪、深两市102家非ST公司和54家ST公司的年度财务数据,其中的三分之二作为BP神经网络的训练样本,通过在Matlab. R2010b软件中对网络的阈值和权值进行反复的学习和修正,最终实现了输入向量和目标输出的映射关系,获得信用风险的评估模型。最后,用未参加训练的数据对模型进行检验,结果证明本文利用BP神经网络建立的评估模型的判别正确率高达86.54%。可见,该模型能够对商业银行企业客户的信用风险做出有效的评估。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题的背景及研究意义
• 1.2 国内外商业银行信用风险评估的研究现状
• 1.3 研究方法和主要内容
• 1.4 本文主要创新点
• 2 商业银行信用风险理论概述
• 2.1 商业银行信用风险
• 2.1.1 商业银行信用风险内涵
• 2.1.2 商业银行信用风险的特点
• 2.2 商业银行信用风险管理
• 2.2.1 信用风险管理在商业银行中的必要性
• 2.2.2 商业银行信用风险管理的界定
• 3 商业银行信用风险评估方法研究综述
• 3.1 信用风险评估方法的发展历程
• 3.1.1 传统分析方法
• 3.1.2 基于统计方法的信用风险判别模型
• 3.1.3 其他（现代信用风险度量模型）
• 3.2 我国商业银行信用风险评估（企业客户）现状
• 3.3 信用风险评估新视角——神经网络方法
• 3.3.1 人工神经网络
• 3.3.2 神经网络在信用风险评估领域的适用性分析
• 3.3.3 BP神经网络
• 4 商业银行信用风险评估指标的构建
• 4.1 初步指标的确定
• 4.1.1 商业银行信用评估要素分析
• 4.1.2 指标体系构建原则
• 4.2 原始数据的获取
• 4.3 指标体系简化处理
• 4.3.1 理论基础
• 4.3.2 指标归类
• 4.3.3 指标筛选
• 5 基于神经网络的信用风险评估模型的构建与实证分析
• 5.1 指标变量的标准化处理
• 5.2 BP神经网络设计
• 5.3 神经网络的训练和检验
• 5.3.1 BP神经网络训练
• 5.3.2 信用风险评估模型的检验
• 6 总结与展望
• 6.1 研究总结
• 6.2 论文的局限与展望
• 附录
• 参考文献
• 后记