基于BP神经网络的商业银行信贷风险评价研究

发布时间：2017-05-19 15:28

  本文关键词：基于BP神经网络的商业银行信贷风险评价研究，由笔耕文化传播整理发布。

【摘要】：金融机构，尤其是银行业中的信贷风险由来已久，且是一个世界范围的普遍问题。在西方，有关信贷风险管理的理论研究比较深入，商业银行可以将一些重要理论应用到实践中去，形成一套行之有效的体系。反观我国，商业银行信贷风险管理还不完善，理论以及技术都相对简单，仅凭此，还远不能解决我国商业银行风险管理中出现的各类状况。因此，研究信贷风险评价对于我国金融机构，特别是对商业银行的稳健运行有着重要的理论与现实意义。 在商业银行风险管理中，信贷风险评价是首要环节和基础环节。首先，本文在阅读大量国内外文献的基础上分析了研究的背景，同时明确本文应该研究的重点。其次，明确商业银行信贷风险相关概念，分析我国商业银行信贷风险评价的现实状况，将BP神经网络引入到商业银行信贷风险评价中来，并对此进行了可行性分析。再次，借鉴国内外学者的相关研究，，结合我国的实际情况建立了风险评价指标体系，具体包括企业运营能力、企业获利能力以及企业规模等6个一级指标11个二级指标。最后，收集137家上市企业的财务数据进行实证分析，利用因子分析结合3δ法则计算出所测样本的基础值，之后对Matlab7.0实施建模操作，得出检验结果，并提出相关政策建议。 本文通过将BP神经网络引入商业银行信贷风险评价，利用其自学习能力和自适应能力构建信贷风险评价模型，并且实现了模型的学习与检验，得出了较高的准确率，以有效降低人为因素所造成的影响，从而为商业银行对于信贷风险的防范提供一定的借鉴意义。
【关键词】：商业银行 BP神经网络 信贷风险评价 3δ法则
【学位授予单位】：山西财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.4;TP183
【目录】：

• 摘要6-7
• ABSTRACT7-11
• 第1章 绪论11-20
• 1.1 研究背景及意义11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-13
• 1.2 文献综述13-16
• 1.2.1 国外文献综述13-15
• 1.2.2 国内文献综述15-16
• 1.3 研究思路及研究方法16-17
• 1.4 主要工作及研究创新17-19
• 1.4.1 主要工作17-18
• 1.4.2 研究创新18-19
• 1.5 本文的框架结构19-20
• 第2章 商业银行信贷风险评价理论综述20-26
• 2.1 商业银行信贷风险综述20-22
• 2.1.1 商业银行风险与商业银行信贷风险20-21
• 2.1.2 商业银行信贷风险的成因21-22
• 2.1.3 商业银行信贷风险的特征22
• 2.2 商业银行信贷风险评价的基本方法22-25
• 2.2.1 专家测量法23-24
• 2.2.2 财务比率分析法24
• 2.2.3 信用评分法24-25
• 2.3 小结25-26
• 第3章 我国商业银行信贷风险评价概述26-33
• 3.1 我国商业银行信贷风险评价现状26-28
• 3.2 我国商业银行信贷风险评价问题的成因28-29
• 3.2.1 对信贷风险评价的认识不足28-29
• 3.2.2 风险评价方法与自身情况不符29
• 3.3 我国商业银行信贷风险评价研究的新工具：BP 神经网络29-32
• 3.3.1 人工神经网络的兴起及应用的领域29-30
• 3.3.2 BP 神经网络概述30-31
• 3.3.3 BP 神经网络应用在银行信贷中的可行性分析31-32
• 3.4 小结32-33
• 第4章 我国商业银行信贷风险评价指标体系的构建33-39
• 4.1 商业银行信贷风险评价指标选取的原则33-35
• 4.1.1 科学性和全面性33-34
• 4.1.2 系统性和重要性34
• 4.1.3 可行性和有效性34-35
• 4.2 商业银行信贷风险评价指标的选取35-37
• 4.2.1 信贷风险评价指标选取的范围35-37
• 4.2.2 关于信贷风险评价指标的选取37
• 4.3 小结37-39
• 第5章 基于 BP 神经网络的信贷风险评价体系实证分析39-50
• 5.1 样本的选取39-40
• 5.2 数据的处理40-43
• 5.2.1 非纲量归一化40
• 5.2.2 Bartlett 球体检验和 KMO 检验40-41
• 5.2.3 因子分析41-43
• 5.3 利用 3σ法则确定信贷风险状况43-46
• 5.3.1 μ值及δ值的确定43-44
• 5.3.2 信贷风险状况确定44-46
• 5.4 BP 神经网络训练及测试结果46-49
• 5.4.1 BP 网络模型的构建46-47
• 5.4.2 分析结果47-49
• 5.5 小结49-50
• 第6章 基于实证完善我国商业银行信贷风险评价的建议50-54
• 6.1 将 BP 神经网络引入评价系统50
• 6.2 加强信贷风险管理人才培养50-51
• 6.3 加强信贷风险评价环境建设51-52
• 6.3.1 内部环境51-52
• 6.3.2 外部环境52
• 6.4 小结52-54
• 总结与展望54-56
• 一、总结54
• 二、展望54-56
• 附录一56-58
• 附录二58-60
• 参考文献60-63
• 致谢63-64
• 攻读硕士学位期间发表的论文和其它科研情况64-65

【参考文献】

中国期刊全文数据库 前9条

1 戴致光;;信用风险度量方法发展分析[J];东方企业文化;2010年01期

2 吴冲;张晓东;田海霞;刘超宇;;基于模糊神经网络的商业银行信用风险评估模型研究[J];管理观察;2009年07期

3 管杜娟;;商业银行信用风险评估指标体系的构建研究[J];经济研究导刊;2011年10期

4 方洪全,曾勇,何佳;多标准等级判别模型在银行信用风险评估中的应用研究[J];金融研究;2004年09期

5 庞建敏;;企业信用风险度量和预警决策支持系统研究[J];金融研究;2006年03期

6 沈军彩;徐继红;;神经网络的企业信用风险评估应用研究[J];计算机仿真;2012年03期

7 何泽恒;朱虹;;基于遗传神经网络的商业银行信用风险评估系统研究[J];商业经济;2013年17期

8 胡绪华;吉敏;;基于BP神经网络的银行信贷风险评价[J];统计与决策;2009年11期

9 张晓莉;刘大为;;一种基于遗传算法的企业信用风险分析方法[J];企业经济;2012年08期

  本文关键词：基于BP神经网络的商业银行信贷风险评价研究，由笔耕文化传播整理发布。

本文编号：379091