商业银行信用风险管理与预测模型的比较分析

发布时间：2021-05-19 06:15

　　得益于互联网金融高速的核审贷款速度、满意的客户体验、较低的借贷门槛,使这种新信贷模式得到飞速的发展。对于具有资金借贷需求的群体而言,融资渠道的扩展在一定程度上有效地降低了融资成本,提高了融资效率;在促使商业银行主动改变服务方式的同时,对传统业务也产生了一定的影响。本文比较分析了传统、现代以及新兴信用风险管理模型。结论表明,BP神经网络模型由于具有学习能力强,结构简单等优点,可以被用来对商业银行的信用风险进行评估和预测。 

【文章来源】：纳税. 2019,13(25)

【文章页数】：2 页

【文章目录】：
一、互联网信贷发展背景
二、信用风险及信用风险评估模型
    （一）信用风险
    （二）信用风险评估模型比较分析
三、BP神经网络模型适用性分析
四、结语


【参考文献】：
期刊论文
[1]基于大数据算法的商业银行企业客户信贷风险评价模型建立与实证研究[J]. 黄薷丹.  当代经济. 2018(22)
[2]基于BP神经网络的商业银行信用风险度量模型研究[J]. 曾嵘欣.  金融发展研究. 2018(06)
[3]商业银行信贷风险分析的人工神经网络模型研究[J]. 郝丽萍,胡欣悦,李丽.  系统工程理论与实践. 2001(05)



本文编号：3195277