神经网络在商业银行信用风险评估中的应用研究

发布时间：2021-06-11 13:18

　　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... 

【文章来源】：东北财经大学辽宁省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

信用风险概率分布

神经网络的结构是由基本处理单元(神经元)及其互连方法决定的。连接机制结构的基本处理单元与神经生理学类比往往称为神经元。每个构造起网络的神经元模型模拟一个生物神经元，如图3一1所示。该神经元单元。陈明.神经网络模型「M〕.大连理工大学出版社.2000.

的三层的BP神经网络，采用合适的隐含层节点数目来降低误差、提高精度。图3一2为三层前馈神经网络的拓扑结构，这种神经网络模型的特点是，各层神经元与相邻层神经元之间有连接，它可以实现从输入到输出的任意非线性映射，权值调整采用反向传播学习算法。BP神经网络适用于数据分类。

【参考文献】：
期刊论文
[1]基于SOC网络的商业银行信用风险识别模型[J]. 宋东红,李家军,薛笑荣,樊艳红.  计算机仿真. 2009(12)
[2]商业银行经营风险预警模型及其实证研究[J]. 迟国泰,冯雪,赵志宏.  系统工程学报. 2009(04)
[3]银行业信用风险需全面有效管理[J]. 郑良芳.  农村金融研究. 2008(09)
[4]SOM神经网络模型在商业银行信用风险评估中的应用研究[J]. 高志.  电脑知识与技术(学术交流). 2007(14)
[5]基于BP神经网络的商业银行信用风险识别实证分析[J]. 李萌,陈柳钦.  南京社会科学. 2007(01)
[6]信用风险管理方法综述[J]. 方蔚华.  长沙大学学报. 2006(01)
[7]试析我国国有商业银行信用风险管理的现状和对策[J]. 金正茂.  世界经济情况. 2005(16)
[8]我国商业银行信用风险评级实证分析[J]. 张贵清,刘树林.  河北经贸大学学报. 2005(04)
[9]基于BP神经网络的商业银行信用风险预警[J]. 程征贵.  商场现代化. 2005(14)
[10]我国商业银行信用风险识别模型及其实证研究[J]. 李志辉,李萌.  广东社会科学. 2005(02)

博士论文
[1]商业银行信用风险度量与管理研究[D]. 夏红芳.南京航空航天大学 2007

硕士论文
[1]基于SVM的商业银行信用风险模型研究[D]. 王艾婷.天津大学 2009
[2]我国商业银行信贷风险评估模型比较研究[D]. 胡佳.湖南大学 2007
[3]神经网络技术在商业银行信用风险评估系统中的应用研究[D]. 陈诚高.东南大学 2006
[4]基于SOM神经网络理论的商业银行信贷客户评价[D]. 张媛媛.西南财经大学 2006
[5]商业银行信用风险内部评级法研究[D]. 杨维.河南大学 2005
[6]基于神经网络的信用评估模型的研究[D]. 张德栋.山东科技大学 2003



本文编号：3224611