商业银行引进境外战略投资风险预警模型探究.doc

商业银行引进境外战略投资风险预警模型探究.doc

ID:56137802

大小:63.50 KB

页数:6页

时间:2020-03-17

商业银行引进境外战略投资风险预警模型探究.doc_第1页
商业银行引进境外战略投资风险预警模型探究.doc_第2页
商业银行引进境外战略投资风险预警模型探究.doc_第3页
商业银行引进境外战略投资风险预警模型探究.doc_第4页
商业银行引进境外战略投资风险预警模型探究.doc_第5页
资源描述:

《商业银行引进境外战略投资风险预警模型探究.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、商业银行引进境外战略投资风险预警模型探究摘要:本文针对随着银行业开放广度和深度的加深给商业银行所带来的风险,提出了运用主成分分析法和人工神经网络相结合建立风险预警模型,并进行实证分析验证了模型的准确性。关键词:风险预警模型主成分分析法人工神经网络商业银行风险预警模型就是在分析商业银行经营状况的基础上,通过观察一系列统计指标和统计数据(预警指标)的变化,运用经济计量或其它模型,对商业银行可能或将要面临的风险危机进行识别,及时向决策部门发出预警信号,使决策部门能够及时进行调控,以最小的成本来达到控制风险的最大效益,从而减轻其损失的负担,获得整体安全保障的管理方法。

2、本文在预警模型的算法选择上,避免了仅依靠单个预警指标识别风险的局限性,排除了传统模型加权平均算法的人为因素,提出采用主成分分析法和人工神经网络方法相结合的算法,并对模型进行了实证性研究。一、引言综观国内外研究现状,目前银行风险预警的研究大部分是针对宏观金融环境的,对于其构成细胞一一商业银行这一微观主体的预警研究尚不多见。尽管如此,国内仍有不少学者在这方面进行了有益的探索。本文在银行业现有研究的基础上,将部分敏感因素加入到风险管理的动态监测中,进一步完善商业银行风险预警指标体系。模型的主要特点在于其算法选择上,提出采用主成分分析方法对商业银行风险状况进行评价,运

3、用独立样本T检验进行解释变量的筛选之后,根据几个关键指标建立BP神经网络预警模型,并按照上述方法进行了实证分析,验证了模型的准确性。二、风险预警的指标体系构架(一)商业银行预警指标的选择原则指标体系的构造,是建立我国银行风险预警系统的基础。银行风险的数量变动特征,无不通过统计指标(变量)的数量变动特征表现出来,因此,统计指标作为测定银行风险的指示器,在银行风险监测预警分析中有着至关重要的作用。为了满足预警指标体系所应具备的完备性和最小性的特征,预警指标的选择应符合下列标准:1全面性。指标体系的选择应既包括各种定量指标,也包括反映银行管理水平和内控水平的定性分析

4、指标;既注重风险的安全性指标和流动性指标,又注重银行效益的盈利性指标。2敏感性。所选择指标能灵敏地反映银行风险产生变化的情况,应将能够反映银行业目前所处环境或阶段特征的变量及时纳入指标体系,更好地体现模型的适时性。3可控性。选择指标必须充分考虑到统计现状,所选指标应是各分(支)行自身可以掌握和调控的。4数据的可靠性和充分性。预警指标的数据要可靠,一是要求数据的准确性,二是要求统计口径的一致性。充分性则要求该指标的统计样本区间有足够长度,能够反映各种可能发生的情况。(二)指标体系的内容商业银行引进境外战略投资的预警模型指标体系如表1所示。三、商业银行引进境外战略

5、投资的风险评估风险评估是风险预警的基础,风险预警是对风险评估结果的补充和完善,风险评估是银行工作者掌握风险趋势变动的依据,是进一步做出风险预警的前提。目前,由于我国金融统计数据的缺乏,通过对破产银行和稳健银行的数据特征对比建立风险预警模型缺乏可行性;此(三)解释变量的筛选构建银行风险预警模型的关键之一,是找出反映银行风险状况的关键指标。因此我们首先对用于主成分分析的反映银行风险状况的19个主要预警指标进行考察。为了降低主观判断因素的影响,归纳出一套较强敏感性的指标体系,对上一节通过主成分分析得到的6个高风险季度和6个稳健季度,将采用独立样本T检验对影响银行风险

6、状况的19个指标逐步进行筛选。目的是得到使总体风险在两类银行中存在显著性差别的指标。对19个指标进行独立样本T检验得到风险季度和稳健季度在流动性比率、流动性缺口率、不良贷款率、累计外汇敞口头寸比例、外资控制权比率、不良贷款迁徙率、资本收益率、自主创新贡献度、损失准备充足率、资本充足率、公司治理结构、管理层评价12个指标上的数字特征是存在显著性差别的。我们将用这12个指标来构建商业银行引进及国内外战略投资的风险预警神经网络模型。(%1)基于BP神经网络的风险预警模型实证检验1输入节点的选择。通过上一节解释变量的筛选后,我们选取在两类银行中存在显著差异的12个指标

7、来构建BP神经网络风险预警模型,因而该模型的输入节点数为12o我们对选择的12个指标进行归一化处理,将它们转化为闭区间[0,1]上的无量纲性指标值。2输出层和隐层节点数的选择。根据主成分分析法的综合评分得到的4种预警结果,我们将定义预警信号为红色预警信号(0001),橙色预警信号(0010),蓝色预警信号(0100)和绿色正常预警信号(1000)o分别对应于主成分得分表中的4种不同的风险状态:FG(—8,0)较大风险,FG(0,4)风险,FW(4,8)基本安全,FW(8,安全,因此输出节点数确定为4o隐层节点数的多少与输入输出层节点数有直接关系,根据公式,p=

8、m+n/2+a(a为1T0间的常数),

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。