【摘要】：在復(fù)雜多變的經(jīng)濟(jì)環(huán)境中,任何企業(yè)都面臨著種種風(fēng)險(xiǎn),商業(yè)銀行作為經(jīng)營(yíng)金融資產(chǎn)的特殊企業(yè),更是風(fēng)險(xiǎn)聚集的焦點(diǎn),其中信貸風(fēng)險(xiǎn)占有特殊的重要地位。信貸風(fēng)險(xiǎn)的實(shí)質(zhì)是信貸資金安全系數(shù)的不確定性,根據(jù)巴塞爾新資本協(xié)議規(guī)定,在信貸資金風(fēng)險(xiǎn)控制管理過(guò)程中,提高借款人違約率評(píng)估的準(zhǔn)確性是信貸資金風(fēng)險(xiǎn)控制的關(guān)鍵,因此,在貸前調(diào)查過(guò)程中對(duì)客戶(hù)進(jìn)行財(cái)務(wù)風(fēng)險(xiǎn)評(píng)級(jí)就顯得尤為重要,它可以幫助商業(yè)銀行客戶(hù)經(jīng)理在信貸資金發(fā)放的源頭進(jìn)行風(fēng)險(xiǎn)控制,從財(cái)務(wù)風(fēng)險(xiǎn)角度將不符合信貸發(fā)放標(biāo)準(zhǔn)的企業(yè)剔出,進(jìn)而避免信貸資金的損失。 我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)管理起步較晚,信貸風(fēng)險(xiǎn)評(píng)估仍然主要使用傳統(tǒng)的比例分析模式(如主觀分析法或財(cái)務(wù)比率分析法),往往存在主觀臆斷性較強(qiáng),缺乏客觀評(píng)價(jià)基礎(chǔ)等問(wèn)題,有關(guān)的信息往往殘缺不全,部分因素帶有模糊性,得到的結(jié)果有時(shí)會(huì)和實(shí)際情況有較大出入。神經(jīng)網(wǎng)絡(luò)帶有高速并行處理信息的機(jī)制且具有高速的自學(xué)習(xí)、自適應(yīng)能力,內(nèi)部有大量的可調(diào)參數(shù),系統(tǒng)靈活性很強(qiáng),同時(shí)其后天學(xué)習(xí)能力使之能隨環(huán)境的變化而不斷學(xué)習(xí),與傳統(tǒng)的風(fēng)險(xiǎn)評(píng)估辦法相比表現(xiàn)出更強(qiáng)的功能,因此逐漸被用于商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估。 本文選取了目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)—BP神經(jīng)網(wǎng)絡(luò),該網(wǎng)絡(luò)能夠解決多層網(wǎng)絡(luò)模型中隱含層的連接權(quán)問(wèn)題,提高了神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和記憶功能,采用了最小均方差的學(xué)習(xí)方式,通過(guò)配置階段、訓(xùn)練階段和測(cè)試階段三個(gè)階段來(lái)完成模型的訓(xùn)練和學(xué)習(xí)。模型采用的所有數(shù)據(jù)均來(lái)自于浦發(fā)銀行沈陽(yáng)分行信貸客戶(hù)的相應(yīng)財(cái)務(wù)報(bào)表,主要包括13項(xiàng)能夠反映企業(yè)生存情況的財(cái)務(wù)指標(biāo)(資產(chǎn)負(fù)債率,產(chǎn)權(quán)比率,利息保障倍數(shù),流動(dòng)比率,速動(dòng)比率,凈資產(chǎn)收益率,資本金收益率,主營(yíng)業(yè)務(wù)利潤(rùn)率,凈利潤(rùn)率,應(yīng)收帳款周轉(zhuǎn)率,存貨周轉(zhuǎn)率,總資產(chǎn)周轉(zhuǎn)率和收入增長(zhǎng)率)。同時(shí)有針對(duì)性的從不同客戶(hù)等級(jí)(A+,A,BBB)選取訓(xùn)練數(shù)據(jù),利用matlab軟件進(jìn)行仿真,保證了模型訓(xùn)練輸出數(shù)據(jù)的合理性和可靠性。在完成了模型的訓(xùn)練和學(xué)習(xí)過(guò)程之后,選擇了不同客戶(hù)等級(jí)的測(cè)試數(shù)據(jù)來(lái)驗(yàn)證模型的可用性,從而起到貸前風(fēng)險(xiǎn)控制的參考作用。
【圖文】：

圖 2 系統(tǒng)訓(xùn)練集誤差變化曲線(xiàn)仿真得到訓(xùn)練集輸出結(jié)果如表 5 所示。表 5 訓(xùn)練集輸出結(jié)果企業(yè) 期望輸出 實(shí)際輸出1 （1，0，0） (0.9336，0.0504，0.0580)2 （1，0，0） (0.9394，0.0600，0.0577)3 （1，0，0） (0.9567，0.0673，0.0343)4 （1，0，0） (0.9562，0.0470，0.0665)5 （1，0，0） (0.9207，0.0391，0.0318)6 （0，1，0） (0.0755，0.9577，0.0185)7 （0，1，0） (0.0061，0.9604，0.0459)8 （0，1，0） (0.0667，0.9362，0.0598)9 （0，1，0） (0.0526，0.9530，，0.0006)10 （0，0，1） (0.0216，0.0689，0.9426)11 （0，0，1） (0.0468，0.0203，0.9548)12 （0，0，1） (0.0540，0.0000，0.9509)13 （0，0，1） (0.0506，0.0000，0.9990)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2011
【分類(lèi)號(hào)】：F832.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田苗;焦桂奇;王小敏;;基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)模型[J];科技和產(chǎn)業(yè);2006年04期

2 王建新;于立勇;;基于信用風(fēng)險(xiǎn)度的商業(yè)銀行風(fēng)險(xiǎn)評(píng)估模型研究[J];管理工程學(xué)報(bào);2007年04期

3 郭英見(jiàn);吳沖;于天軍;;基于BP神經(jīng)網(wǎng)絡(luò)組和DS證據(jù)理論的信用風(fēng)險(xiǎn)評(píng)估算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2009年05期

4 張婧婧;;基于BP-KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J];河海大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2009年03期

5 董愛(ài)陽(yáng);;基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行流動(dòng)性風(fēng)險(xiǎn)預(yù)警[J];黑龍江對(duì)外經(jīng)貿(mào);2010年01期

6 郭英見(jiàn);吳沖;;基于信息融合的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究[J];金融研究;2009年01期

7 李家軍;李婭婭;;基于BP模型的商業(yè)銀行貸款風(fēng)險(xiǎn)預(yù)測(cè)[J];計(jì)算機(jī)仿真;2008年03期

8 宋新明;居勇;曾鳴;衛(wèi)煒;褚燁;;基于主成分分析法和BP神經(jīng)網(wǎng)絡(luò)的電力客戶(hù)信用評(píng)價(jià)[J];技術(shù)經(jīng)濟(jì)與管理研究;2009年05期

9 龐素琳,黎榮舟,徐建閩;BP算法在信用風(fēng)險(xiǎn)分析中的應(yīng)用[J];控制理論與應(yīng)用;2005年01期

10 胡緒華;吉敏;;基于BP神經(jīng)網(wǎng)絡(luò)的銀行信貸風(fēng)險(xiǎn)評(píng)價(jià)[J];統(tǒng)計(jì)與決策;2009年11期

相關(guān)博士學(xué)位論文 前1條

1 趙春秀;商業(yè)銀行信貸風(fēng)險(xiǎn)分析與管理研究[D];天津大學(xué);2008年

相關(guān)碩士學(xué)位論文 前4條

1 楊劍濤;商業(yè)銀行信貸風(fēng)險(xiǎn)的貸前控制[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2006年

2 王歡歡;基于BP神經(jīng)網(wǎng)絡(luò)和專(zhuān)家系統(tǒng)的商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警系統(tǒng)研究[D];東北財(cái)經(jīng)大學(xué);2005年

3 周麗琴;中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警研究[D];江西財(cái)經(jīng)大學(xué);2006年

4 陳云蓉;基于BP神經(jīng)網(wǎng)絡(luò)的銀行業(yè)安全預(yù)警實(shí)證研究[D];中南大學(xué);2008年

本文編號(hào)：2636671