基于神经网络的商业银行贷款信用评级研究

发布时间：2017-05-23 09:08

  本文关键词：基于神经网络的商业银行贷款信用评级研究，由笔耕文化传播整理发布。

【摘要】：随着改革开放的推进,中国逐步建立起了现代化的商业银行体系,面对市场经济的迅速冲击,中国商业银行体系也承受着巨大的风险,作为商业银行健康发展的重中之重,风险管理在商业银行的经营管理过程中处于核心地位,其中最主要的风险为借贷风险。只有尽量避免不良资产,提高优良贷款比率,严格把控贷款风险,才能为商业银行的生存和发展提供重要保证。在大数据时代,中国商业银行具有领先的硬件系统和数据仓库,积累了大量的数据信息,随着时间的推移,数据价值也随之逐渐上升。利用历史数据信息建立适当的数据挖掘模型,对积累的海量数据展开全面分析,从中提炼出埋藏于数据深处的规律和趋势,获取充分的信息指标应用到银行的业务决策中,为银行的战略决策和业务发展提供有力支持,有助于实现数据价值的最大化。本文利用某国有商业银行支行的企业贷款历史数据进行建模分析,其中所得数据包括企业财务信息和规模信息。首先将对所获取的各字段进行量化处理,进而进行数据预处理,用清洗干净的数据建立信用风险评级的神经网络模型,计算出模型中各字段的权重,客观地确定影响贷款信用风险的指标及指标的权重。模型结果表明,成本费用利润率和总资产报酬率的预测变量重要性程度以及Pearson相关系数的值都很高,因此企业的获利能力是影响授信企业能否到期还款的最重要因素。将授信企业的信息放入所建立的神经网络模型中,就可得到企业是否逾期还款的预测值,凭借模型对银行授信企业进行风险定量分析,从而可以有效辨别企业风险水平,帮助商业银行提高运营效率。
【关键词】：商业银行 信用风险 神经网络模型
【学位授予单位】：中国青年政治学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;F832.4
【目录】：

• 摘要3-4
• Abstract4-6
• 第1章 绪论6-13
• 1.1 研究背景和意义6-8
• 1.2 数据挖掘在信用风险评级中的研究现状8-10
• 1.3 研究内容和框架10-13
• 第2章 现存商业银行贷款信用评级分析13-16
• 2.1 商业银行信用评级方法及存在的问题13-15
• 2.2 某国有商业银行支行信用评级现状简析15-16
• 第3章 神经网络模型的理论分析16-20
• 3.1 神经网络模型的发展进程16
• 3.2 神经网络模型的基本原理16-20
• 第4章 基于神经网络模型的商业银行贷款信用评级实证分析20-39
• 4.1 商业银行贷款信用评级简述20-21
• 4.2 商业银行授信企业信息数据的分析21-23
• 4.3 商业银行授信企业信息数据的预处理23-29
• 4.4 商业银行贷款信用评级神经网络模型的建立29-37
• 4.5 神经网络模型的结论37-39
• 第5章 神经网络模型信用评级与现存评级的比较39-41
• 第6章 结论与不足41-42
• 参考文献42-44
• 附录44-51
• 致谢51-52

【参考文献】

中国期刊全文数据库 前3条

1 徐晓霞;李金林;;基于决策树法的我国商业银行信用风险评估模型研究[J];北京理工大学学报(社会科学版);2006年03期

2 李颖;廖肇辉;;内部评级法(IRB)评述及我国商业银行信用评级方法的改进建议[J];财贸经济;2005年12期

3 彭建刚;张丽寒;刘波;屠海波;;聚合信用风险模型在我国商业银行应用的方法论探讨[J];金融研究;2008年08期

  本文关键词：基于神经网络的商业银行贷款信用评级研究，，由笔耕文化传播整理发布。

本文编号：387449