本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款信用評(píng)級(jí)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著改革開(kāi)放的推進(jìn),中國(guó)逐步建立起了現(xiàn)代化的商業(yè)銀行體系,面對(duì)市場(chǎng)經(jīng)濟(jì)的迅速?zèng)_擊,中國(guó)商業(yè)銀行體系也承受著巨大的風(fēng)險(xiǎn),作為商業(yè)銀行健康發(fā)展的重中之重,風(fēng)險(xiǎn)管理在商業(yè)銀行的經(jīng)營(yíng)管理過(guò)程中處于核心地位,其中最主要的風(fēng)險(xiǎn)為借貸風(fēng)險(xiǎn)。只有盡量避免不良資產(chǎn),提高優(yōu)良貸款比率,嚴(yán)格把控貸款風(fēng)險(xiǎn),才能為商業(yè)銀行的生存和發(fā)展提供重要保證。在大數(shù)據(jù)時(shí)代,中國(guó)商業(yè)銀行具有領(lǐng)先的硬件系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù),積累了大量的數(shù)據(jù)信息,隨著時(shí)間的推移,數(shù)據(jù)價(jià)值也隨之逐漸上升。利用歷史數(shù)據(jù)信息建立適當(dāng)?shù)臄?shù)據(jù)挖掘模型,對(duì)積累的海量數(shù)據(jù)展開(kāi)全面分析,從中提煉出埋藏于數(shù)據(jù)深處的規(guī)律和趨勢(shì),獲取充分的信息指標(biāo)應(yīng)用到銀行的業(yè)務(wù)決策中,為銀行的戰(zhàn)略決策和業(yè)務(wù)發(fā)展提供有力支持,有助于實(shí)現(xiàn)數(shù)據(jù)價(jià)值的最大化。本文利用某國(guó)有商業(yè)銀行支行的企業(yè)貸款歷史數(shù)據(jù)進(jìn)行建模分析,其中所得數(shù)據(jù)包括企業(yè)財(cái)務(wù)信息和規(guī)模信息。首先將對(duì)所獲取的各字段進(jìn)行量化處理,進(jìn)而進(jìn)行數(shù)據(jù)預(yù)處理,用清洗干凈的數(shù)據(jù)建立信用風(fēng)險(xiǎn)評(píng)級(jí)的神經(jīng)網(wǎng)絡(luò)模型,計(jì)算出模型中各字段的權(quán)重,客觀地確定影響貸款信用風(fēng)險(xiǎn)的指標(biāo)及指標(biāo)的權(quán)重。模型結(jié)果表明,成本費(fèi)用利潤(rùn)率和總資產(chǎn)報(bào)酬率的預(yù)測(cè)變量重要性程度以及Pearson相關(guān)系數(shù)的值都很高,因此企業(yè)的獲利能力是影響授信企業(yè)能否到期還款的最重要因素。將授信企業(yè)的信息放入所建立的神經(jīng)網(wǎng)絡(luò)模型中,就可得到企業(yè)是否逾期還款的預(yù)測(cè)值,憑借模型對(duì)銀行授信企業(yè)進(jìn)行風(fēng)險(xiǎn)定量分析,從而可以有效辨別企業(yè)風(fēng)險(xiǎn)水平,幫助商業(yè)銀行提高運(yùn)營(yíng)效率。
【關(guān)鍵詞】：商業(yè)銀行 信用風(fēng)險(xiǎn) 神經(jīng)網(wǎng)絡(luò)模型
【學(xué)位授予單位】：中國(guó)青年政治學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP183;F832.4
【目錄】：

• 摘要3-4
• Abstract4-6
• 第1章 緒論6-13
• 1.1 研究背景和意義6-8
• 1.2 數(shù)據(jù)挖掘在信用風(fēng)險(xiǎn)評(píng)級(jí)中的研究現(xiàn)狀8-10
• 1.3 研究?jī)?nèi)容和框架10-13
• 第2章 現(xiàn)存商業(yè)銀行貸款信用評(píng)級(jí)分析13-16
• 2.1 商業(yè)銀行信用評(píng)級(jí)方法及存在的問(wèn)題13-15
• 2.2 某國(guó)有商業(yè)銀行支行信用評(píng)級(jí)現(xiàn)狀簡(jiǎn)析15-16
• 第3章 神經(jīng)網(wǎng)絡(luò)模型的理論分析16-20
• 3.1 神經(jīng)網(wǎng)絡(luò)模型的發(fā)展進(jìn)程16
• 3.2 神經(jīng)網(wǎng)絡(luò)模型的基本原理16-20
• 第4章 基于神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行貸款信用評(píng)級(jí)實(shí)證分析20-39
• 4.1 商業(yè)銀行貸款信用評(píng)級(jí)簡(jiǎn)述20-21
• 4.2 商業(yè)銀行授信企業(yè)信息數(shù)據(jù)的分析21-23
• 4.3 商業(yè)銀行授信企業(yè)信息數(shù)據(jù)的預(yù)處理23-29
• 4.4 商業(yè)銀行貸款信用評(píng)級(jí)神經(jīng)網(wǎng)絡(luò)模型的建立29-37
• 4.5 神經(jīng)網(wǎng)絡(luò)模型的結(jié)論37-39
• 第5章 神經(jīng)網(wǎng)絡(luò)模型信用評(píng)級(jí)與現(xiàn)存評(píng)級(jí)的比較39-41
• 第6章 結(jié)論與不足41-42
• 參考文獻(xiàn)42-44
• 附錄44-51
• 致謝51-52

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 徐曉霞;李金林;;基于決策樹(shù)法的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究[J];北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2006年03期

2 李穎;廖肇輝;;內(nèi)部評(píng)級(jí)法(IRB)評(píng)述及我國(guó)商業(yè)銀行信用評(píng)級(jí)方法的改進(jìn)建議[J];財(cái)貿(mào)經(jīng)濟(jì);2005年12期

3 彭建剛;張麗寒;劉波;屠海波;;聚合信用風(fēng)險(xiǎn)模型在我國(guó)商業(yè)銀行應(yīng)用的方法論探討[J];金融研究;2008年08期

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行貸款信用評(píng)級(jí)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：387449