资源描述:
《基于数据仓库的银行信用评级模型的构建论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、基于数据仓库的银行信用评级模型的构建论文.freel)等系统抽取数据,然后按照统一的数据标准,经过ETL(抽取、转换和加载)放入数据仓库的企业信用主题系统中存储、展示。在数据仓库中可以根据需要,建立多个应用主题,其中根据信用评级的需要建立的企业信用主题中的数据模型如下:在银行信用评估中,多采用指标打分法,影响客户信用评级的指标有很多。在本文中采用反映客户财务状况、经营状况最客观、最主要的6个指标:资产报酬率=利润总额+财务费用/年平均总资产资产负债率=总负债/总资产速动比率=流动资产-存货/流动
2、负债流动比率=流动资产/流动负债利息保障倍数=经营活动现金流量净额/利息支出应收账款周转率=销售收入净额/应收账款平均余额+应收票据平均余额其中:流动比率和速动比率反映企业的偿债能力,表现放贷企业拥有债权的安全程度及贷款企业到期偿还债务的能力,如果贷款企业到期无法偿还债务,将面临破产的危险;应收账款周转率用于衡量企业在资产管理方面的效果;资产负债率反映企业的总负债在总资产中所占的比例。资产报酬率反映贷款企业经营能力;利息保障倍数反映贷款企业按时还息的能力。为了消除行业之间指标的差异性,同时对输入
3、指标进行“归一化”处理,指标的评价采用的是“功效记分”方法,。功效记分是在选定的指标体系基础上,对每一个指标都确定一个满意值和不允许值,然后以不允许值为下限,计算各指标实际值实现满意值的程度,并转化为相应的功效分数:指标的功效分数=指标的实际值-指标的不允许值/指标的满意值-指标的不允许值指标的功效分数,即是该指标的评价得分。指标的实际值比满意值好,指标的功效分数得1分,比不允许值差得零分。有的指标是较高为好,如盈利指标,有的是较低为好,如资产负债率。某银行部分行业的指标参考值如表1所示。根据上
4、述6个分析指标,RBF模型有6个输入节点,一个输出节点。输出节点输出客户的评估级别,在本文中分为3个级别,分别对应数值1,2,3。540)this..北京:清华大学出版社,2000.2郝丽萍,胡欣悦,李丽.商业银行信贷风险分析的人工神经网络模型研究J.系统工程理论与实践,2001,(5).3周露,王丹力.MATLAB神经网络仿真与应用M.北京:科学出版社,2003.4王春峰,万海晖,张维.基于神经网络技术的商业银行信用风险评估J.系统工程理论与实践,1999,(9).5章忠志,符林,唐焕文.基于
5、人工神经网络的商业银行信用风险模型J.经济数学,2003,(9).6BartBaesens,RudySetiono,ChristopheMues,JanVanthienen.UsingNeuralNetANAGEMENTSCI-ENCE,2003,(3):312-329.7陈翊.我国商业银行内部评级系统的构建J.金融纵论,2004,(3).8郑允韬.基于数据仓库的国内商业银行个人客户信用风险管理J.河北工业大学学报,2005,(2).