【導(dǎo)讀】疑面臨各種各樣的挑戰(zhàn)，對(duì)于金融風(fēng)險(xiǎn)的評(píng)估和管理的重要性日益加強(qiáng)。營(yíng)業(yè)務(wù)領(lǐng)域和面向的群眾普及率大幅開闊與提高，可謂步步如履薄冰。和控制出現(xiàn)危機(jī)的主要原因。法、分類樹方法等。格的限制條件，并且不適用于我國(guó)目前的經(jīng)濟(jì)情況。因而我選用神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)的評(píng)估分析。神經(jīng)網(wǎng)絡(luò)模型對(duì)任意函數(shù)具有逼近能力、學(xué)習(xí)能力、自組織和自適應(yīng)能力，能夠比較精確的描述因素之間的映射關(guān)系。并且神經(jīng)網(wǎng)絡(luò)模型在應(yīng)用中的優(yōu)勢(shì)在。于，它結(jié)構(gòu)簡(jiǎn)單，學(xué)習(xí)方法快，推廣能力優(yōu)異。險(xiǎn)進(jìn)行一個(gè)較為準(zhǔn)確的評(píng)估。專家制度的概述....

　　

【正文】 貸償還狀況 , 將這 36家企業(yè)分為正常和違約 (即不能如期償還貸款的企業(yè) )兩類。選擇 28 企業(yè)作為訓(xùn)練集 , 其中正常和違約企業(yè)各為 14家 , 剩下 8 家企業(yè) , 除了留 2家作為應(yīng)用實(shí)例外 , 全部作為測(cè)試集 , 測(cè)試集中的正常和違約企業(yè)各 3 家。網(wǎng)絡(luò)輸出結(jié)果為正常和違約兩種 , 對(duì)應(yīng)的輸出值分別為布爾型離散變量 1和 0。實(shí)驗(yàn)數(shù)據(jù)如表 1。 表 1 實(shí)驗(yàn)數(shù)據(jù) 風(fēng)險(xiǎn)狀況 企業(yè)編號(hào) WC/TA RE/TA ENIT/TA BE/BVID S/TA 輸出結(jié)果 正常 1 2 3 4 5 6 7 8 9 10 11 12 13 14 違約 1 2 23 3 4 5 6 7 8 9 10 11 12 13 14 正常 1 2 3 違約 4 5 6 正常 7 違約 8 模型的設(shè)計(jì) 權(quán)值的修改方式。一般，權(quán)值的修改有兩種方式：一是對(duì)于每一個(gè)訓(xùn)練樣本，就調(diào)整一次權(quán)值，稱為 Online 處理，另一種是輸入全部的訓(xùn)練樣 本后才修改一次權(quán)值，稱為 Batch 處理。其差別在于計(jì)算 W? 是從（ 1）式中的 pE 出發(fā)還是從有（ 2）式中的 E 出發(fā)。 Online 處理雖與生物神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程一致，針對(duì)特定的訓(xùn)練樣本，能減少誤差，但可能增大其它訓(xùn)練樣本的誤差，而我們的處理總是以減小總體誤差函數(shù)為目標(biāo)， 采用后一種處理方式。 初始權(quán)值與初始輸入的確定 。 由于輸入初始值和初始權(quán)值對(duì)學(xué)習(xí)是否達(dá)到局部 最小和能否收斂關(guān)系很大 ， 有必要對(duì)輸入的初始值進(jìn)行預(yù)處理 ， 即歸一化處理 。 我 24 們通過(guò)一定的處理方式將初始輸入調(diào)到較小的區(qū)間 [1， 1]內(nèi) ， 初始權(quán)值是通過(guò)隨機(jī)函數(shù)生成 [， ]之間的隨機(jī)數(shù)賦給各連接權(quán) ,避免由于大的輸入或權(quán)值使網(wǎng)絡(luò)陷入飽和狀態(tài) 。 。 有時(shí)候 ， 網(wǎng)絡(luò)層次的增加可減少各隱含層單元總個(gè)數(shù) ， 同時(shí)使學(xué)習(xí)過(guò)程變得更容易 ， 但可能增加網(wǎng)絡(luò)的學(xué)習(xí)時(shí)間 。 在模式空間中 ,即使各樣本分布在相互犬牙交錯(cuò)的復(fù)雜區(qū)域內(nèi) ， 三層神經(jīng)網(wǎng)絡(luò)就能構(gòu)成所需要的復(fù)雜判別函數(shù) 。 由于本模型是用于模式分類的判別函數(shù)的神經(jīng)網(wǎng)絡(luò) ,因此我們采用三層 BP 網(wǎng)絡(luò) 。 。 隱含層單元個(gè)數(shù)的選擇是十分復(fù)雜的問(wèn)題 ， 它與所求解問(wèn)題的要求、輸入輸出層的單元數(shù)都有關(guān)系 ， 目前主要依靠經(jīng)驗(yàn)確定其數(shù)目 ， 還沒(méi)有一致認(rèn)同的理論指導(dǎo) 。 一般說(shuō)來(lái) ， 隱含層單元數(shù)越多 ， 越有助于訓(xùn)練樣本的擬合 ， 但同時(shí)也約束了模型的自由度 ， 降低了模型的泛化能力 ， 形成過(guò)度訓(xùn)練 。 對(duì)于三層網(wǎng)絡(luò) ，確定隱含層節(jié)點(diǎn)的主要經(jīng)驗(yàn)法則是 ： 隱含層節(jié)點(diǎn)既不是各層中節(jié)點(diǎn)數(shù)最少的 ， 也不是最多的 ； 隱含層節(jié)點(diǎn)數(shù)介于輸入輸出節(jié)點(diǎn)數(shù)之和的 50%一 70%之間 ； 隱層節(jié)點(diǎn)數(shù)應(yīng)小于學(xué)習(xí)樣本數(shù) ， 若節(jié)點(diǎn)數(shù)大于樣本數(shù) ， 則必有冗余節(jié)點(diǎn)可歸并 ， 若節(jié)點(diǎn)數(shù)等于樣本數(shù) ，則網(wǎng)絡(luò)成為插值網(wǎng)絡(luò) ， 插信網(wǎng)絡(luò)的泛化能力較差 。 另外 ， 對(duì)于三層網(wǎng)絡(luò) ， 確定隱層單元數(shù)的以下經(jīng)驗(yàn)公式可供參考 。 ① 1n n m a? ? ? 其中 m 為輸入層單元數(shù)， n 為輸入層單元數(shù)， a 為 1— 10 之間的常數(shù) ； ② 22lognn? ， n 為輸入層單元數(shù) ； ③ 10()n niipC??? 式中 p 為樣本數(shù)， 1n 為隱層單元數(shù)， n 為輸入層單元數(shù)，如果 1in? ， 1( ) 0niC ?經(jīng)過(guò)多次反復(fù)試驗(yàn)得知 , 在輸入節(jié)點(diǎn)數(shù)為 5, 輸出節(jié)點(diǎn)數(shù)為 1的情況下 , 隱層結(jié)點(diǎn)數(shù)取 3 時(shí) , 網(wǎng)絡(luò)收斂最快 , 誤判率最低。 如下圖所示。 25 權(quán)值的調(diào)整公式及學(xué)習(xí)參數(shù)的確定采用最速下降法調(diào)整權(quán)值 , ， 對(duì)那些嚴(yán)重卷繞的非凸函數(shù)效果不佳 ， 往往不易收斂 ， 即使收斂也需很長(zhǎng)時(shí)間 ， 這里采用改進(jìn) BP算法 ， 加上慣性項(xiàng) ， 即 ( 1 ) ( )kj k j kjw n a w n?? ?? ? ? ? ? ( 1 ) ( )j j i jiw n a w n?? ?? ? ? ? ? 1n? 表示第 1n? 次迭代， ? 、 a 分別表示學(xué)習(xí)因子和動(dòng)量因子，此法比最速下降發(fā)收斂速度快，對(duì) ? 、 a 的確定，可以采用試值法 : 先初始化 ? 、 a 的值，再一次調(diào)整 ? 、 a 到合適的值，使網(wǎng)絡(luò)以較快速度收斂，又不出現(xiàn)震蕩。利用試值法得出本模型里的 ? 、 a 分別為 ， . 4． 3 模型結(jié)果及分析 對(duì)前述的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了計(jì)算 , 具體數(shù)據(jù)及計(jì)算結(jié)果見表 1。由計(jì)算得到所有 28個(gè)學(xué)習(xí)樣本的系統(tǒng)誤差 E 為 。從表 1 可以看出 , 在 14個(gè)正常企業(yè)中 ， 只有第 10 號(hào)企 業(yè)的輸出低于 (輸出為 ), 其它輸出均大于 , 在 14 個(gè)違約企業(yè)中 , 只有第 4號(hào)企業(yè)的輸出高于 (輸出為 ), 其它企業(yè)輸出均低于； 測(cè)試樣本中只有第 2 號(hào)樣本輸出不太理想 ( 輸出為 )， 很難從輸出結(jié)果判斷企業(yè)的種類 。 此時(shí)決策者容易犯第一類錯(cuò)誤 , 即把測(cè)試樣本中信用好的 2 號(hào)企業(yè)誤判為信用差的企業(yè) , 但這比犯第二類錯(cuò)誤 (即把信用差的企業(yè)誤判為信用好的企業(yè) ) 要好 ， 因?yàn)榉傅谝活愬e(cuò)誤時(shí) , 銀行損失的是機(jī)會(huì)成本 , 而犯第二類錯(cuò)誤就會(huì)給銀 26 行帶來(lái)真正的損失。因 此 ， 要盡量避免第二類錯(cuò)誤的發(fā)生。試驗(yàn)說(shuō)明 , 本模型能達(dá)到這一效果 。 總的來(lái)說(shuō) ， 本模型判斷結(jié)果較好 , 從訓(xùn)練、測(cè)試和應(yīng)用的結(jié)果看 , 判斷準(zhǔn)確率達(dá) 90%以上。判斷率很高的原因之一是神經(jīng)網(wǎng)絡(luò)具有很好的知識(shí)發(fā)現(xiàn)和特征抽取能力 , 另一原因可能是所有數(shù)據(jù)均為內(nèi)插數(shù)據(jù) 。 27 結(jié) 論 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估是一個(gè)傳統(tǒng)而古老的話題。隨著市場(chǎng)競(jìng)爭(zhēng)的日益激烈化，商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)量化和風(fēng)險(xiǎn)評(píng)估模型化的要求也日益強(qiáng)烈。在這種情況下，國(guó)內(nèi)外眾多研究者在這方面進(jìn)行了廣泛而深入的研究，設(shè)計(jì)了很多適應(yīng)特定環(huán)境的信用風(fēng)險(xiǎn)評(píng)估模型，但這些模型都 存在一些局限性，無(wú)法適應(yīng)現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估的要求。神經(jīng)網(wǎng)絡(luò)技術(shù)因?yàn)榫哂酗@著的解決非線性問(wèn)題的特點(diǎn)，使它適合于構(gòu)建信用風(fēng)險(xiǎn)評(píng)估分類模型?？傮w來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)模型具有以下優(yōu)越性： （ 1）神經(jīng)網(wǎng)絡(luò)是一種非參數(shù)化模型，具有很強(qiáng)的非線性映射能力和學(xué)習(xí)能力，比傳統(tǒng)的方法具有更好的分類準(zhǔn)確度、自適應(yīng)性和動(dòng)態(tài)性。 （ 2）神經(jīng)網(wǎng)絡(luò)采用分布式存儲(chǔ)結(jié)構(gòu)，網(wǎng)絡(luò)中少量單元的局部缺損不會(huì)造成網(wǎng)絡(luò)的癱瘓和全局影響，反映了神經(jīng)網(wǎng)絡(luò)的魯棒性。 （ 3）神經(jīng)網(wǎng)絡(luò)進(jìn)行大規(guī)模并行處理，反映為同一層所有神經(jīng)元同時(shí)進(jìn)行計(jì)算，并且每一神經(jīng)元存儲(chǔ)的信息也同時(shí)參 與計(jì)算。 （ 4）神經(jīng)網(wǎng)絡(luò)具有在新環(huán)境下的泛化能力和容錯(cuò)能力，能夠處理有噪聲和不完全的數(shù)據(jù)。 （ 5）神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的數(shù)據(jù)融合能力，可以同時(shí)處理定量信息和定性信息。 （ 6）神經(jīng)網(wǎng)絡(luò)模型是一種多變量模型，它的輸入變量和輸出變量的數(shù)目是任意的。 根據(jù)我的學(xué)習(xí)和鉆研，我認(rèn)為我國(guó)商業(yè)銀行應(yīng)當(dāng)借鑒國(guó)外成功的信用風(fēng)險(xiǎn)內(nèi)部評(píng)級(jí)模型經(jīng)驗(yàn)，積極進(jìn)行信用風(fēng)險(xiǎn)評(píng)估的研究和探索，收集廣泛、連續(xù)的數(shù)據(jù)，為系統(tǒng)精確的商業(yè)銀行建立信用風(fēng)險(xiǎn)評(píng)估模型做好各方面準(zhǔn)備，盡快完成我國(guó)商業(yè)銀行風(fēng)險(xiǎn)管理由定性分析為主的傳統(tǒng)風(fēng)險(xiǎn)管理方式以定量分析為基 礎(chǔ)的定量與定性相結(jié)合的現(xiàn)代風(fēng)險(xiǎn)管理模式的過(guò)渡。具體而言，可以包括以下三點(diǎn)： (l)規(guī)劃商業(yè)銀行風(fēng)險(xiǎn)管理信息系統(tǒng)建設(shè) 。 構(gòu)建定性與定量指標(biāo)相結(jié)合的風(fēng)險(xiǎn)管理模型 ,科學(xué)測(cè)量風(fēng)險(xiǎn)分布以及計(jì)算預(yù)期損失 。 實(shí)現(xiàn)交易處理電子化和風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)控 ,對(duì)業(yè)務(wù)及風(fēng)險(xiǎn)管理流程進(jìn)行整合 ,使之科學(xué)化 。 (2)完善我國(guó)信用評(píng)級(jí)制度 ,建設(shè)權(quán)威性信用評(píng)級(jí)機(jī)構(gòu) 建設(shè)全國(guó)性信用評(píng)級(jí)機(jī)構(gòu) ,制定統(tǒng)一的評(píng)級(jí)行為規(guī)范 ,體現(xiàn)評(píng)級(jí)機(jī)構(gòu)獨(dú)立 、 客觀 、 公正的性質(zhì) ； 改變?cè)u(píng)級(jí)市場(chǎng)分割線狀 ,撇棄地方保護(hù)主義 ， 使評(píng)級(jí)結(jié)果完全真實(shí)的反映風(fēng)險(xiǎn)程度 ,擴(kuò)大信用評(píng)級(jí)范圍 , 28 建立全社會(huì)信用評(píng) 級(jí)體系 。 (3)人民銀行內(nèi)部或者貨幣政策委員會(huì)下設(shè)內(nèi)部模型監(jiān)測(cè)職能系統(tǒng) ,提高人民銀行風(fēng)險(xiǎn)監(jiān)管的科學(xué)性 。 按照信用風(fēng)險(xiǎn)模型進(jìn)行科學(xué)的壓力測(cè)試來(lái)監(jiān)測(cè)各家銀行計(jì)算出的風(fēng)險(xiǎn)評(píng)估的科學(xué)性與準(zhǔn)確性 ,并在此基礎(chǔ)上建立起一套適應(yīng)我國(guó)國(guó)情的信用風(fēng)險(xiǎn)評(píng)估體系 。 29 參 考 文 獻(xiàn) [1]王永昌，《我國(guó)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型的基本趨向》，中國(guó)政黨干部論壇， 2020； [2]盧文瑩，《金融風(fēng)險(xiǎn)管理》，復(fù)旦大學(xué)出版社， 2020； [3]李志剛，《金融風(fēng)險(xiǎn)宏觀與微觀透視》，中國(guó)金融出版社 2020； [4]鄧宇翔，魯煒，黃敏 《運(yùn)用概率神經(jīng) 網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)估》 [J].中國(guó)管理科學(xué)第 11 卷專輯 2020 年 10 月： 413－ 415 [5] 王燕，黃家琳 《信用風(fēng)險(xiǎn)評(píng)估模型》北京工商大學(xué)學(xué)報(bào) (自然科學(xué)版 )2020 年 1月 [6]劉郁菲，商業(yè)銀行信用風(fēng)險(xiǎn)管理， 2020 [7]劉郁菲，商業(yè)銀行信用風(fēng)險(xiǎn)管理， 2020 [8]歐陽(yáng)資生，商業(yè)銀行信用組合風(fēng)險(xiǎn)管理模型比較研究，湖南商學(xué)院學(xué)報(bào)，第 16卷 3 期 [9]證監(jiān)會(huì)國(guó)際組織技術(shù)委員會(huì)報(bào)告，《金融機(jī)構(gòu)及其監(jiān)管當(dāng)局風(fēng)險(xiǎn)管理與控制指引》（征求意見稿），中國(guó)證監(jiān)會(huì)網(wǎng)站 [10]張維，李玉霜，商業(yè)銀行信用風(fēng)險(xiǎn)分析 綜述，管理科學(xué)學(xué)報(bào)， 1998 [11]杜志剛，銀行個(gè)人信用評(píng)估方法研究，華南金融電腦， 2020 [12]王春峰，萬(wàn)海暉，張維，基于神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估，系統(tǒng)工程理論與實(shí)踐， 1999 [13]詹原瑞，銀行信用風(fēng)險(xiǎn)的現(xiàn)代度量與管理，經(jīng)濟(jì)科學(xué)出版社 [14]閻紅玉，商業(yè)銀行信貸與營(yíng)銷，清華大學(xué)出版社 [15]王憲明，銀行業(yè)數(shù)據(jù)模型的設(shè)計(jì)與實(shí)現(xiàn)，金融電子化， 2020 [16]魏元風(fēng)，案例推理技術(shù)在銀行信貸中的應(yīng)用，華東船舶工業(yè)學(xué)院學(xué)報(bào)， 2020 [17]施鴻寶，神經(jīng)網(wǎng)絡(luò)及其應(yīng)用，西安交通大學(xué)出版社， 1993 [18]李宗怡，美國(guó)大銀行內(nèi)部信用風(fēng)險(xiǎn)評(píng)級(jí)體系及其借鑒，國(guó)外財(cái)經(jīng)， 2020 [19]劉同明，數(shù)據(jù)挖掘技術(shù)及其應(yīng)用，國(guó)防工業(yè)出版社， 2020 [20]曾國(guó)堅(jiān)，何五星，銀行風(fēng)險(xiǎn)論，中國(guó)計(jì)劃出版社， 1995 [21]胡守仁，神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù)，國(guó)防科技大學(xué)出版社， 1998 [22]曹順，劉婷，基于 BP 神經(jīng)網(wǎng)絡(luò)的企業(yè)信用評(píng)價(jià)研究，控制工程， 2020 [23]楊保安，朱明，基于神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合的銀行貸款風(fēng)險(xiǎn)管理，系統(tǒng)工程管理方法應(yīng)用， 1999 [24]陳雄華，林成德，葉武，基于神經(jīng)網(wǎng)絡(luò)的企業(yè)信用等級(jí)評(píng)估， 系統(tǒng)工程學(xué)報(bào)， 2020 [25]郝麗萍，胡欣悅，李麗，商業(yè)銀行信貸風(fēng)險(xiǎn)分析的人工神經(jīng)網(wǎng)絡(luò)模型研究， 2020 [26]劉鷹，趙琳，神經(jīng)網(wǎng)絡(luò) BP 算法的改進(jìn)和方針，計(jì)算機(jī)仿真， 1999 30 致 謝 本文是在 張宇敬老師的耐心教導(dǎo)和細(xì)致完善下完成的。在該課題的選題和研究方法以及思路方面，我都得到了張老師的悉心指導(dǎo)。在論文的寫作過(guò)程中，張老師多次的對(duì)我的論文進(jìn)行評(píng)注，幫助我不斷的完善論文。同時(shí)，在此次畢業(yè)論文的完成過(guò)程中，我也學(xué)到了許多的數(shù)學(xué)建模和經(jīng)濟(jì)學(xué)方面的知識(shí)，豐富了頭腦，開闊了視野，整理了自身知識(shí)構(gòu)架。另外， 我還有特別感謝對(duì)我的畢業(yè)論文寫作過(guò)程提供無(wú)私幫助的同學(xué)們，有了他們的幫助才使得我的論文更加豐滿、更加全面。 歷時(shí)數(shù)月，從畢業(yè)論文的選題到搜集資料，從開題報(bào)告、論文初稿的反反復(fù)復(fù)的修改完善，這期間我經(jīng)歷了許多的彷徨、焦急和喜悅，心情起伏跌宕。而如今，伴隨著這篇畢業(yè)論文的最終成稿，負(fù)面的心情也煙消云散，自己也得到了極大的滿足和成就感。 最后，再次對(duì)關(guān)心和幫助我的老師和同學(xué)們表示衷心的感謝！