基于优化的BP神经网络模型的商业银行绩效评价

发布时间：2020-10-08 18:59

　　 如今,在经济全球化、金融自由化这一发展趋势下,我国商业银行所处的经营环境也在不断变化,所面临的挑战越来越多,各商业银行之间的竞争也在不断增强。在此背景下,对商业银行的绩效进行评价分析具有极其重要的意义。对商业银行自身而言,有助于其发现问题所在,找准原因,提高自身的竞争力;同时对商业银行的各利益相关者也是有利的,比如对投资者而言,合理的绩效评价结果对其更具参考价值。在现有的关于商业银行绩效评价的研究中,大多数学者采用的方法如平衡记分卡法等在各指标的权重赋值上大多都是根据以往经验或专家建议来进行赋值,具有一定的主观随意性,而在本文中,我们进行商业银行绩效评价所运用的方法是优化的BP神经网络模型,由于该模型的评价过程就是其不断学习反复训练的过程,这样就在一定程度上避免了人为主观因素的影响,客观性较强,并且根据以往研究说明,传统的BP神经网络模型在用于企业绩效评价时效果良好,因此运用该模型对商业银行绩效进行评价分析具有一定的理论和现实意义。本文在现有的关于商业银行绩效评价的研究基础上,以我国16家上市商业银行作为研究对象,结合商业银行自身的特点,分别从贷款偿还能力、盈利发展融资能力、营运能力和安全性四个方面共选取了12个财务指标建立了商业银行绩效评价指标体系。首先我们运用因子分析方法对原始数据进行了相应处理,最终得到每个商业银行2013-2017年每年的绩效评分值;其次,我们建立了适用于商业银行绩效评价的传统BP神经网络模型,以所选取的12个指标作为其输入值,通过因子分析方法得到的绩效评分值作为目标输出值,随机选取部分数据对模型进行训练,并用此模型对剩余的样本数据预测,最后得到测试样本的目标输出值与预测值之间的均方误差;然后我们在传统BP神经网络模型的基础上,针对BP神经网络模型的误差率收敛过程较震荡以及在训练过程中可能会出现过度拟合的情况,引入了动态的学习率和正则化函数中的L2范数对该模型进行优化,同样地,运用优化的BP神经网络模型对样本数据进行实证研究;最后我们将这两种模型的实验结果进行对比分析,发现优化的BP神经网络模型在商业银行绩效评价中比传统的BP神经网络模型的收敛过程更平稳,均方误差率更小,验证了该模型的优越性和可行性。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：F832.33
【部分图文】：

图 3-1 BP 神经网络拓扑结构BP 神经网络的学习过程一般可分为以下几个步骤：①网络参数的初始化：根据相关函数对网络权值 Wji和 Vjk及阈值j 和r值进行赋值；②随即选择一模式对 1 2= , , ,k mA a a a， 1 2, , ,k pC c c c作为网络的号提供网络学习；③计算隐含层各神经元的输出公式：j ji i jU W I ； j jH f U其中， f 采用 Sigmoid 函数（以下同） ( )1/ 1uj jH f U e

电子科技大学硕士学位论文在本文所选取的 80 个研究样本中，我们随机选取了 70 个样本数据作为 BP 神经网络模型的训练集，剩余 10 个样本数据作为该模型的测试集。在网络的训练过程中，其训练样本的均方误差收敛图如下图 4-1 所示：4.3 基于 BP 神经网络模型的商业银行绩效评价

图 4-2 BP 神经网络模型的预测值与期望值拟合曲线图由上图 4-2 我们可以看出，运用传统的 BP 神经网络模型对商业银行绩效进预测其预测值与运用因子分析法得到的期望值的拟合程度较好，说明运用传统BP神经网络模型对商业银行绩效进行预测是有效的。但是由表4-10可以计算得测试样本的预测值与期望值之间的总均方误差率为 0.043022，实际上误差较大因此运用传统的 BP 神经网络模型对商业银行进行绩效评价其准确度还有待改4.4 基于优化的 BP 神经网络模型的商业银行绩效评价由表 4-10 我们发现，用传统的 BP 神经网络对商业银行绩效进行预测时其测的总的误差率较大，准确度还有待进一步提高。探究其原因，这可能是由于文样本量较少，运用传统 BP 神经网络模型在训练过程中可能存在过度拟合的情造成的。也就是说我们的训练误差会很小，但是训练误差小并不是我们的最终标，我们的目标是希望模型的测试误差小，即能准确地预测新的样本。因此在

【参考文献】

相关期刊论文 前10条

1 方心童;高诚昊;;我国城市商业银行价值创造能力研究——基于经济增加值(EVA)绩效考核视角[J];财经问题研究;2015年02期

2 徐晨阳;;我国上市商业银行经营绩效评价——基于因子分析法的实证研究[J];商业会计;2014年14期

3 孙龙建;李祥茂;;我国商业银行综合绩效的因子分析——基于2012年年报的数据[J];经济问题探索;2014年03期

4 张杨梅;朱映惠;;基于因子分析法对我国商业银行绩效评价的研究[J];铜陵学院学报;2013年03期

5 顾海峰;李丹;;基于因子分析的中国商业银行经营绩效评价研究——来自2010—2011年上市银行的经验证据[J];金融监管研究;2013年01期

6 辛金国;关建清;;基于数据挖掘民营上市公司绩效评价研究探索[J];中国管理科学;2012年S1期

7 谭华;陈燕华;;基于因子分析的上市商业银行经营绩效实证研究[J];特区经济;2012年10期

8 姚洁;姜域;;改进的聚类算法在农业经济类型划分中的应用——以吉林省为例[J];中国经贸导刊;2012年23期

9 上官飞;舒长江;;基于因子分析的中国商业银行绩效评价[J];经济问题;2011年01期

10 郭成报;;基于因子分析的银行绩效实证研究[J];徐州工程学院学报(自然科学版);2010年04期

相关重要报纸文章 前1条

1 邓为民;;平衡记分卡 信息时代的业绩评价工具[N];中国企业报;2002年

相关硕士学位论文 前5条

1 吴铭;基于多视图的雾霾数据分析方法[D];浙江大学;2017年

2 魏立新;基于数据挖掘的信息技术企业财务绩效评价[D];长春理工大学;2014年

3 李小亮;J公司绩效管理体系设计研究[D];北京化工大学;2013年

4 李丹;基于因子分析的我国商业银行经营绩效评价研究[D];东华大学;2013年

5 颜丙香;基于因子分析的商业银行绩效比较研究[D];中国海洋大学;2007年

本文编号：2832631