基于PCA和BP神经网络的银行绿色信贷风险评价研究

发布时间：2017-09-15 20:16

  本文关键词：基于PCA和BP神经网络的银行绿色信贷风险评价研究

  更多相关文章： 绿色信贷 BP神经网络网络 AHP 聚类分析 主成分分析

【摘要】：随着经济的快速发展,人类在享受其带来的成果的同时,与自然环境的矛盾也日渐凸显。绿色信贷是我国为了加大生态保护出台的一项重要举措之一,绿色信贷就是通过银行等金融机构对从事与生态保护建设与开发相关的公司给予一定优惠程度贷款政策的手段。近几年,在我国随着绿色信贷的提出又逐渐发展,中国工商银行、中国农业银行、浦发银行等多家银行相继推出了相应的绿色金融产品并且积极地加入赤道原则。纵观文献可得知国内外许多学者对信用风险进行了大量研究,建立的信贷风险相关的定量模型也可谓屡见不鲜,但是因为绿色信贷在我国的发展还尚不算成熟,目前国内较少有学者对于绿色信贷的风险评价问题进行实证研究。本文通过介绍绿色信贷的相关的概念、如何界定信用风险、阐述影响信用风险相关的因素并且通过运用科学的评价方法对信用风险进行评价,本文通过选用AHP和BP神经网络的方法来构建绿色信贷风险评价模型。同时,根据绿色信贷的设立的目的和“环保一票否决制”的原则把绿色信贷风险评价模型分为两个部分。第一部分,绿色信贷环保评级模型。因为企业的环保业绩在绿色信贷风险评价中占据着非常重要的位置,一旦企业及新建项目的环保评估不符合国际相关协议及国家相关法律法规标准被评为红色或黑色,银行将不给此类企业发放贷款;只有那些符合环保规定的企业,也就是说诸如那些被评价的结果是绿色、蓝色和黄色的企业,商业银行才会对此类企业进行信用风险的综合评价,即运用本文构建模型的第二部分。第二部分是运用信用风险评估模型对绿色、蓝色和黄色企业进行信用风险评估,通过对影响企业信用风险的因素进行分析、评估、计算,得出企业的信用评级。
【关键词】：绿色信贷 BP神经网络网络 AHP 聚类分析 主成分分析
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;F832.4
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 研究背景与意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外绿色信贷研究现状11
• 1.2.2 国内绿色信贷研究现状11-12
• 1.2.3 国外信用风险评估研究现状12
• 1.2.4 国内信用风险评估研究现状12-13
• 1.3 研究内容及研究方法13-14
• 1.3.1 研究内容13-14
• 1.3.2 研究方法14
• 1.4 本文的创新点14-17
• 第2章 理论基础17-28
• 2.1 BP神经网络理论基础17-24
• 2.1.1 神经网络设计的基本原理17-21
• 2.1.2 BP网络的学习原理21-22
• 2.1.3 BP神经网络的学习算法22-24
• 2.1.4 BP神经网络法对银行信用风险评价的适用性分析24
• 2.2 层次分析法原理24-26
• 2.2.1 结构模型的数量转换24-25
• 2.2.2 构造判断矩阵25
• 2.2.3 一致性检验25-26
• 2.3 主成分分析26-28
• 2.3.1 主成分分析原理26-27
• 2.3.2 主成分的定义27-28
• 第3章 商业银行绿色信贷风险环境指标体系28-35
• 3.1 绿色信贷简介28-29
• 3.1.1 绿色信贷的起源28
• 3.1.2 赤道原则28-29
• 3.1.3 我国绿色信贷实践29
• 3.2 绿色信贷风险评价指标体系构建原则29-30
• 3.3 环境评价指标的选取30-32
• 3.4 环境指标体系权重的确立32-33
• 3.5 本章小结33-35
• 第4章 基于财务指标的信用风险聚类分析35-42
• 4.1 数据来源35-37
• 4.1.1 企业类型35-36
• 4.1.2 企业指标选取36-37
• 4.2 聚类分析37-40
• 4.2.1 聚类分析原理37-38
• 4.2.2 聚类过程与结果38-40
• 4.3 聚类结果分析40-41
• 4.4 本章小结41-42
• 第5章 基于PCA和BP神经网络信用风险评价模型构建42-53
• 5.1 主成分个数的确定42
• 5.2 主成分分析过程与结果42-45
• 5.3 BP神经网络模型的建立45-47
• 5.4 实证分析47-50
• 5.5 企业信用风险体系50-52
• 5.6 企业信用风险结果分析52
• 5.7 本章小结52-53
• 第6章 结论与展望53-55
• 6.1 论文的研究结论53
• 6.2 展望与下一步设想53-55
• 参考文献55-59
• 附录59-62
• 致谢62-63
• 攻读硕士学位期间发表论文及科研情况63

，

本文编号：858660