基于som神经网络理论商业银行信贷客户评价

《基于som神经网络理论商业银行信贷客户评价》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、I～【内容摘要商业银行是提供结算和资金融通的企业，从现代商业银行产生的300多年前到银行业蓬勃发展，业务日益多元化的今天，信贷业务一直是银行的主要业务。任何经营活动都必然有风险，信贷业务也不例外。银行信贷业务的风险就是信贷收益或损失的不确定性，这种不确定性来源于两个方面，一是商业银行内部经营管理上的风险，二是商业银行外部风险，即客户经营状况的变化而引起的到期无法履行债务的风险。防范信贷风险是银行资产经营的核心内容之一，防范的重点是客户风险，而要防范客户风险必须有工具识别风险，建立客户评价的体系正是要解决这样的问题。客户评价是信贷业务的基础

2、和关键性环节，是适应国际金融标准，提高增量贷款质量，优化存量贷款及提高竞争能力的需要，是防范风险的根本性措施。信贷客户评价涵盖的内容十分丰富，包括客户类别的识别，客户评价材料的收集和整理，客户评价框架的确立，企业财务、现金流量分析及价值评估，评价指标体系及评价模型构建，贷款额度分析，客户评价报告撰写等等。当前，商业银行主要采用信用评级的方法来评价客户。20世纪以来，信用评级发展迅速，世界许多国家都设立了评级机构。我国的信用评级工作相对于世界其他国家发展较晚，开始于20世纪80年代末。1997年以后，一些相对正规的信用评级机构出现并发展，四

3、大国有商业银行的客户信用评价机构也不断对各自的评级方法及技术进行修订，使之趋于更加完善。由于我国的信用评级工作起步晚，评级方法和技术还不够成熟，信用评价制度与体系也不够完善，因此，商业银行对客户进行信用评级时，还存在一些问题：首先，信用评级方法的分析手段不足，风险揭示缺乏全面；其次，缺少大型的数据库记录一个较长时间段内的企业财务数据和违约情况，缺乏数据支撑的分析和估值使信用风险分析业银行风险管理的立法不足限制了信个问题，主要涉及客户评价方法选择、客户信息获取及评级结果实际应用三方面。后两个问题的解决，需要国家相关法律、法规、政策的支持，本

4、文并不对此作深入讨论，仅围绕第一个问题，即评价方法问题进行展开。信用评级问题的实质可以看作是模式识别中的分类与排序问题。评级目的是采用某种多指标综合评价方法将所有客户划分成C个级别或类型。因此，评价指标体系的确立及评价模型的构建，是整个信用评级的关键。本文将其作为论述的重点，力图确立一个涵盖财务与非财务因素，包含定量与定性指标的比较客观的指标体系；并对传统的信用评级手段和方法(主要是分类方法)进行改进，运用非线性建模过程的自组织特征映射神经网络(SOM神经网络)对客户进行分类，在分类的基础上，对其进行排序，评定客户等级。论文共分为四=亡巴

5、早。第一章是全文的铺垫，主要介绍了信贷客户评价的涵义、必要性、现状及当前我国商业银行在信贷客户评价方面存在的问题。本章首先对信贷及信贷风险作了界定，在此基础上，阐明了信贷客户评价的涵义。然后，分析了信贷客户评价的必要性。接下来，介绍了信贷客户评价，特别是银行信用评级的发展现状。最后，分析了当前我国商业银行在信用评级方面存在的问题，并阐明了本文的论述重点——客户评价指标体系及评价模型的构建。第二章围绕信贷客户评价指标选择这一问题而展开。首先分析了选择评价指标应遵循的四项原则。然后，分别从财务和非财务角度出发，阐述了评价指标的初选，一共选取了

6、16项财务指标和3项非财务指标。本章最后对评价指标筛选进行了论述，采用变量聚类方法对财务指标进行分类，再运用因子分析方法选择各类的代表性指标。第三章的重点是介绍基于自组织特征映射神经网络(SOM神经网络)的信贷客户分类方法。本章首先分析了传统评价方法及其缺陷。接下来，阐述了SOM神经网络的拓扑结构，学习、工作规则及回想过程。最后对如何确定恰当的客户分类数及网络竞争层神经元数目进行了讨论。第四章是本文的核心和重点。本章结合实际情况，构建了一个基于财务与非财务指标体系和SOM神经网络理论的信贷客户评价模型。首先，讨论了客户信息采集及建模原始数

7、据获取。然后，对财务指标进行分类，并对各类指标进行因子分析，最终筛选出8项财务指标。接下来，具体阐述了信贷客户评价模型的构建，包括客户分类和客户评级。本章最后比较了评价模型和评级机构对相同测试样本的评级结果，对评价模型的有效性进行了检验。本文围绕商业银行信贷客户评价这个中心，分析了客户信息采集评价指标选取客户分类客户评级的整个信贷客户评价过程，着重阐述了评价指标体系及评价模型的构建。文章的主要贡献如下：1．确立了恰当的客户评价指标体系。指标体系的建立大致可分为指标初选和指标筛选两个阶段。在指标初选阶段，非财务指标的量化是关键，本文对其进行

8、分解，运用专家模糊综合评价法评分，实现了从定性到定量的转化。在指标筛选阶段，笔者运用变量聚类方法对财务指标进行分类，并用因子分析方法从各类指标中筛选出了代表性指标。将变量聚类和因子分析用于指标