本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡的商業(yè)銀行信貸風險預警研究，由筆耕文化傳播整理發(fā)布。

【摘要】： 信貸風險是一個全球性的問題。信貸資產(chǎn)的質(zhì)量優(yōu)劣、信貸風險的大小對銀行的經(jīng)營成果乃至生存發(fā)展有著至關(guān)重要的決定意義。長期以來,我國商業(yè)銀行缺乏有效的信貸風險監(jiān)測和控制手段,通常是事后處理多,事前防范少；定性分析多,定量分析少；靜態(tài)分析多,動態(tài)分析少。隨著人工智能技術(shù)的興起和逐漸完善,特別是具有顯著的解決非線性問題的特點的神經(jīng)網(wǎng)絡技術(shù)的出現(xiàn),為解決上述問題構(gòu)建信貸風險預警監(jiān)測模型提供了很大的幫助。 因此,本文以改進優(yōu)化的三層BP人工神經(jīng)網(wǎng)絡模型為主,建立包括短期償債指標、長期償債指標、贏利性指標、資產(chǎn)營運性指標、成長性指標、現(xiàn)金流量指標、企業(yè)規(guī)模等七個一級指標體系共三十三個二級指標的商業(yè)銀行對企業(yè)客戶信貸風險評價的指標體系,構(gòu)建了基于人工神經(jīng)網(wǎng)絡的信貸風險預警監(jiān)測模型,從某商業(yè)銀行信貸管理信息系統(tǒng)選取223家分析樣本,利用“3σ”評價規(guī)則確定客戶初始信貸水平,并運用Matlab軟件對構(gòu)建的模型進行檢驗。 實證分析結(jié)果表明：第一,我國商業(yè)銀行信貸風險預警指標不服從正態(tài)分布,因而不適宜使用多元線性判別分析方法建立信貸風險評估預警模型,也不適宜用t檢驗篩選變量；第二,改進后的BP算法較傳統(tǒng)BP神經(jīng)網(wǎng)絡學習算法訓練結(jié)果有較大提高,正確率由正確率由86.98%提高到90.53%；改進后的BP算法較傳統(tǒng)BP神經(jīng)網(wǎng)絡學習算法測試結(jié)果有較大提高,正確率由83.33%提高到90%,而且改進后的算法所犯的第二類錯誤：將“警度高”的樣本誤判為“警度低”的樣本情況更少,對銀行的損失更��；三,本文開創(chuàng)性地將“3σ”法則引入信貸風險評級中,采用其評級情況進行模擬識別,最后結(jié)果顯示其準確率能達到較好的水平。
【關(guān)鍵詞】：信貸風險 優(yōu)化神經(jīng)網(wǎng)絡 K-S檢驗 Wilcoxon符秩檢驗 3σ
【學位授予單位】：暨南大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：F832.4
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-14
• 1.1 研究背景9-11
• 1.2 研究意義11
• 1.3 本文的主要工作及框架圖11-13
• 1.4 本文的創(chuàng)新點13-14
• 第2章 商業(yè)銀行信貸風險預警研究概述14-36
• 2.1 商業(yè)銀行風險14-16
• 2.1.1 商業(yè)銀行風險的定義14
• 2.1.2 商業(yè)銀行風險的特點14-16
• 2.2 商業(yè)銀行信貸風險16-17
• 2.2.1 信貸與銀行信貸16-17
• 2.2.2 信貸風險17
• 2.3 商業(yè)銀行信貸風險分析方法概述17-25
• 2.3.1 商業(yè)銀行信貸風險的定性分析方法概述17-20
• 2.3.1.1 專家方法17-19
• 2.3.1.2 信貸評級方法19-20
• 2.3.2 信貸風險的定量分析方法概述20-25
• 2.3.2.1 統(tǒng)計分析方法21-22
• 2.3.2.2 分類樹法22
• 2.3.2.3 人工專家系統(tǒng)法22
• 2.3.2.4 數(shù)據(jù)包絡分析方法22-23
• 2.3.2.5 期權(quán)模型23-24
• 2.3.2.6 信貸計量模型24
• 2.3.2.7 違約風險統(tǒng)計模型24-25
• 2.3.2.8 麥肯錫模型25
• 2.4 信貸風險評估的新視角:神經(jīng)網(wǎng)絡方法25-27
• 2.5 商業(yè)銀行風險預警系統(tǒng)內(nèi)涵27-30
• 2.5.1 商業(yè)銀行風險預警的涵義27-28
• 2.5.2 商業(yè)銀行風險預警與風險管理28-29
• 2.5.3 符合中國國情的商業(yè)銀行風險預警體系框架的構(gòu)建29-30
• 2.6 銀行信貸風險預警管理系統(tǒng)研究綜述30-36
• 2.6.1 國外銀行信貸風險預警系統(tǒng)研究概述30-32
• 2.6.2 國內(nèi)銀行信貸風險預警系統(tǒng)研究概述32-35
• 2.6.3 目前國內(nèi)商業(yè)銀行信貸風險研究的缺陷35-36
• 第3章 信貸風險評估新視角:人工神經(jīng)網(wǎng)絡36-47
• 3.1 人工神經(jīng)元的結(jié)構(gòu)模型36-38
• 3.2 神經(jīng)網(wǎng)絡的拓撲結(jié)構(gòu)38
• 3.3 神經(jīng)網(wǎng)絡的工作原理38-40
• 3.3.1 學習過程(訓練過程)38-39
• 3.3.2 運行過程(聯(lián)想過程)39
• 3.3.3 神經(jīng)網(wǎng)絡的學習規(guī)則39-40
• 3.4 BP神經(jīng)網(wǎng)絡40-45
• 3.4.1 基本思想40-41
• 3.4.2 算法推導41-44
• 3.4.3 BP算法流程圖44-45
• 3.5 BP神經(jīng)網(wǎng)絡方法用于信貸風險評估預警的可行性分析45-47
• 第4章 商業(yè)銀行信貸風險預警模型的構(gòu)建47-65
• 4.1 預警指標體系的構(gòu)建47-52
• 4.1.1 商業(yè)銀行信貸風險預警指標體系構(gòu)建原則47-49
• 4.1.2 商業(yè)銀行信貸風險預警指標體系的建立49-52
• 4.2 信貸風險的判定標準和分類52-55
• 4.2.1 信貸風險識別標準52-53
• 4.2.2 違約的標準53
• 4.2.3 信貸風險的分類53-55
• 4.3 基于BP神經(jīng)網(wǎng)絡的信貸風險預警系統(tǒng)的設計和分析55-57
• 4.3.1 網(wǎng)絡結(jié)構(gòu)的確定55
• 4.3.2 隱含層的設計55-56
• 4.3.3 網(wǎng)絡學習參數(shù)的選取56-57
• 4.3.4 樣本數(shù)據(jù)的處理57
• 4.4 對風險預警BP神經(jīng)網(wǎng)絡的改進57-59
• 4.4.1 傳統(tǒng)BP網(wǎng)絡的限制與不足57-58
• 4.4.2 BP網(wǎng)絡的改進優(yōu)化方法58-59
• 4.4.2.1 采用正則化方法—改進誤差函數(shù)法優(yōu)化神經(jīng)網(wǎng)絡58
• 4.4.2.2 采用Levenberg-Marquardt算法優(yōu)化神經(jīng)網(wǎng)絡58-59
• 4.5 基于BP神經(jīng)網(wǎng)絡的信貸風險預警模型構(gòu)建及其MATLAB實現(xiàn)59-65
• 4.5.1 MATLAB神經(jīng)網(wǎng)絡工具箱函數(shù)60-63
• 4.5.2 基于神經(jīng)網(wǎng)絡的信貸風險預警模型構(gòu)建63-64
• 4.5.3 BP網(wǎng)絡程序設計的MATLAB實現(xiàn)64-65
• 第5章 我國商業(yè)銀行信貸風險預警模型的實證分析65-82
• 5.1 樣本的設計65-66
• 5.1.1 樣本選取的方法65-66
• 5.1.2 樣本數(shù)據(jù)來源66
• 5.2 信貸風險預警指標的篩選66-74
• 5.2.1 預警指標的正態(tài)性檢驗67-68
• 5.2.2 預警指標的顯著性檢驗(Wilcoxon配對秩和檢驗)68-70
• 5.2.3 信貸風險預警指標的進一步篩選70-74
• 5.2.3.1 Bartlett球度檢驗和KMO檢驗71-72
• 5.2.3.2 因子分析72-74
• 5.3 借鑒"3σ"法則確定信貸風險狀況74-78
• 5.3.1 F得分值的均值及標準差確定74
• 5.3.2 信貸風險狀況確定74-78
• 5.4 我國商業(yè)銀行信貸風險評估預警模型的實證分析78-82
• 5.4.1 優(yōu)化改進BP神經(jīng)網(wǎng)絡模型的訓練78-81
• 5.4.2 利用訓練好的網(wǎng)絡對檢測樣本進行預測81-82
• 第6章 全文總結(jié)及未來展望82-84
• 6.1 全文總結(jié)82-83
• 6.2 未來展望83-84
• 參考文獻84-88
• 附錄88-101
• 在校期間發(fā)表論文101-102
• 致謝102

【引證文獻】

中國博士學位論文全文數(shù)據(jù)庫 前2條

1 吳姍姍;鄉(xiāng)鎮(zhèn)政府財政風險的評價與預測研究[D];中國海洋大學;2012年

2 沈蕾;金融創(chuàng)新背景下中國金融穩(wěn)定性研究[D];武漢理工大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 張秋麗;蘭州城投債發(fā)行主體信用風險研究[D];蘭州大學;2012年

2 孫雪菁;中國房地產(chǎn)信貸風險財務預警研究[D];山西財經(jīng)大學;2013年

  本文關(guān)鍵詞：基于人工神經(jīng)網(wǎng)絡的商業(yè)銀行信貸風險預警研究，，由筆耕文化傳播整理發(fā)布。

本文編號：395742