我国商业银行信用风险识别的多模型比较研究

《我国商业银行信用风险识别的多模型比较研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、我国商业银行信用风险识别的多模型比较研究刘祥东王未卿北京科技大学东凌经济管理学院笔者以我国A股325家上市公司2011年和2012年的财务数据作为样本，利用贝叶斯判别法、Logistic回归模型和BP神经网络模型对信用风险进行识别，进而比较三类模型的准确性、预测能力和稳定性，发现三类模型对信用风险识别的准确率依次增高，但仍然都存在较大的概率将信用状况非健康公司识别为健康公司;W叶斯判别法和Logistic冋归模型识别出的重要财务指标能够有效解释公司的信用状况，而BP神经网络模型则缺乏对识别结果的解释能力。比较结果对商业银行选择和使用合

2、适的信用风险识别技术具有重要的参考价值。关键词：災叶斯判别法;Logistic冋归模型;BP神经网络模型;信用风险识别;基金：国家自然科学基金项0（71420107023）AComparativeStudyonThreeModelsforCreditRiskIdentificationinChineseCommercialBanksLIUXiang-dongWANGWei-qingDonlinksSchoolofEconomicsandManagement，UniversityofScienceandTechnology;Abstra

3、ct：Thispapertakes325listedcompaniesofChineseA-sharesandtheir2011and2012financialdataastestingsamples,itemploysthetestsofnormality,significanceandcorrelationtochooseeffectivecreditriskidentificationindexes,andrespectivelyusestheBayesdiscriminantmethod,Logisticregressionm

4、odelandBPneuralnetworkmodeltodistinguishcreditrisk,andthencomparestheiraccuracy,predictabilityandstability.Theresultsshowthatthedegreesofaccuracyforidentifyingcreditrisksaregraduallyincreasingbytheabovethreemodels.However,thereisstilltheprobabilitythatthecompanywhosecre

5、ditsituationisunhealthycanbeidentifiedashealthyone.TheimportantfinancialindicatorsidentifiedbyBayesdiscriminantmethodandLogisticregressionmodelcaneffectivelyexplainthecompany’screditstatus,whileBPneuralnetworkmodelisunabletointerprettherecognitionresults.Theresultsprovi

6、deanimportantreferenceforselectingandusingpropertechnologyofcreditriskidentificationincommercialbanks.Keyword：BayesDiscriminantMethod;LogisticRegressionModel;BPNeuralNetworkModel;CreditRiskIdentification;一、学术综述目前，流行的信用风险识别方法主要可以分为三类：第一类是偏重定性分析的模糊判别法；第二类是偏重计量分析的定量方法；第三类是

7、采用现代计算技术的高级人工智能方法。在模糊判别法方面，周春喜等（2004）运用模糊数学理论对银行信用风险进行综合评价；刘澄等（2012）釆用可信性理论识别和度量商业银行对中小企业的信贷风险。这些方法虽然加深了人们对信用风险构成要素的理解，但由于更偏重于定性的方式,个人的主观判断对最终结果产生较大影响，因而并未发展成为信用风险识别的主流方法。在此背景下，采用计量分析识别信用风险逐渐成为该领域的主流，近年诞生了一些有价值的成果。如利用贝叶斯判别及其相关的改进方法识别信用风险（陆静等,2012）;采用KMV模型及其改进方法识别信用风险（张玲

8、等,2004）;利用Lo-gisticlEl归模型及相关的改进方法识别银行信用风险等（于立勇等，2004）。计量风险方法由于更侧重于基础数据的实证结果，撇开了过多的人为主观因素干扰，因而在业界获得一定的应用和推广。伴随着