基于bp神经网络的商业银行信用风险评估模型研究

《基于bp神经网络的商业银行信用风险评估模型研究》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BP神经网络的商业银行信用风险评估模型研究　　[摘要]针对当前我国商业银行信用风险分析与评估存在的问题，运用模糊综合评价法与BP神经网络算法，根据全面性与重要性、定量指标与定性指标相结合等原则，构建我国商业银行信用风险评价指标体系。通过该体系对定性指标模糊处理量化，构建BP神经网络模型，检测样本。可对潜在的客户信用风险作出快速、准确的反应和判断，从而实现对风险有针对性的监管和防范。　　[关键词]信用风险；模糊综合评价法；BP神经网络；评价指标体系　　[中图分类号]F83[文献标识码]A[文章编号]　　2095-3283（2013）09-0128-03　

2、　[作者简介]朱虹（1986-），女，满族，内蒙古人，研究生硕士，研究方向：现代化管理与技术支持、数据库与信息系统集成、决策支持系统；何泽恒（1956-），男，汉族，辽宁人，教授，硕士研究生导师，研究方向：数据库与信息系统集成。　　一、引言　　商业银行向多元化发展的同时面临着各种金融风险，其中，信用风险是当前主要的金融风险之一，且发生频率高。我国对商业银行信用风险评估的研究起步较晚，各商业银行信用风险的分析与评估一般都存在以下几方面问题。1信用风险评价指标体系不全面。2企业提供的财务数据不准确、不充分。商业银行往往不能从中了解到企业的真实经营状况。3信用风

3、险评估的方法单一。目前，国内大多数商业银行采用信用评分法，即选取一些相关的财务指标根据事先确定的分值表打分加总，这种方法主观性较强。　　本文针对当前我国商业银行信用风险分析与评估存在的问题并努力克服传统的纯管理模式或纯数学方法研究的不足，以计算机技术及管理理论为基础，采用定性分析和定量分析相结合的研究方法，提出了基于BP神经网络的商业银行信用风险评估体系的构建思路，使其能对客户信用风险作出快速、准确的反应。　　二、相关理论　　（一）模糊综合评价法　　模糊综合评价法[1]（FuzzyComprehensiveEvaluation，记为FCE）建立在模糊理论的

4、基础上，它以隶属度为桥梁，通过对影响评价对象因素的综合分析，借助经验和隶属函数将非确定性的问题加以量化。具体步骤如下：　　1建立集合　　ⅰ评价因素集。指影响模糊问题因素的集合，用U表示，表示影响评价对象的因素，也称为评价指标，n为因素的个数。　　ⅱ评语等级集合。指评价指标可能得出的所有评价结果的集合，用V表示，表示可能得到的一种评价结果，m为评价结果的个数。　　2建立模糊评判矩阵（隶属度矩阵）　　模糊评判矩阵是由单因素模糊向量组成的。单因素模糊向量表示针对单个因素ui评价所得到的v的模糊向量，也就是说，Ri表示评价因素ui对评语集中各个评语vj的隶属程度。

5、其中rij表示评价因素ui对评语vj的隶属度。这里采用专家打分法来获取隶属度，即rij=对评价指标ui作出评语vj的专家人数/参加评价的专家人数。　　3计算各评价因素的评价值　　将评语等级集合中的元素数量化后可看作一个向量V1×m，则可得到第i个评价因素的数值化评价值。　　（二）BP神经网络算法　　BP（BackPropagation）神经网络[2-3]是一种按照误差逆向传播的多层前馈式神经网络，其学习过程由信号的正向传播与误差的反向传播组成。　　设BP神经网络结构为n×q×m，网络包括输入层第i个神经元到隐含层第j个单元的权重，隐含层第j个神经元到输出层

6、第k个神经元的权重，隐含层第j个神经元的阈值θHj，以及输出层第k个神经元的阈值θOk。非线性激活函数即sigmoid函数为：算法步骤：　　1初始化。将网络的权值和阈值的初始值设置为[0，1]区间内的数值；　　2网络的正向传播。设第p组数据样本的输入为，期望输出为，L表示样本总数，则隐含层第j个神经元的输　　判断误差平方和E是否收敛于所给的学习精度ε，如果E≤ε，则算法结束，网络停止训练，否则继续后面的步骤。　　4误差反向传播。从输出层开始，逐层反向传播，采用非线性规划中的最速下降法。　　式中，η表示步长值或网络学习速率，引入η是为了加快网络的收敛速率，通

7、常在权值修正公式中还增加一个动量参数a，则第n次学习权值的修改公式为：　　5重复步骤（2）～（4），直到样本的输出误差满足预定的条件，结束网络训练。　　三、商业银行信用风险评价指标体系的构建　　（一）指标体系建立的原则　　1全面性和重要性相结合[4]。由于商业银行信用风险来源广泛，受到多种因素的影响，所以评价指标的选取应全面而充分并且有针对性地反映度量对象的运营状况。指标体系建立的全面性原则主要体现在对商业银行信用风险来源进行划分与归类时，要保证内容的充分性，即不应遗漏重要的风险来源因素。重要性原则主要体现在指标的选择要有代表性，应选取影响因素中占据较大比

8、重的那些指标。　　2统计上的可行性和可操作性。可行性是指指标体系的