商业银行信用风险评估模型研究.docVIP

商业银行信用风险评估模型研究 ——基于BP神经网络风险评估的改进 天津财经大学 刑春玉、安菁菁、陈翔颖 目 录 摘 要 2 一、商业银行信用风险评估体系 4 二、银行信用风险评估模型发展 5 （一）基于贷款客户资产价值数据的风险评估模型 5 1. KMV模型 5 2. Credit Metrics模型 6 3. Credit Portfolio View模型 6 4. Credit Risk Plus模型 7 （二）基于贷款客户财务数据的风险评估模型 7 （三）商业银行财务风险的评估模型有待改进 8 1.我国商业银行现有评估财务风险的方法 8 2.国际商业银行普遍使用的风险评估方法 9 三、信用风险评估的实证分析 10 （一）YH银行采用的贷款违约风险评估模型及评估结果 10 1.计算资产价值和资产波动率 10 2.计算违约距离和期望违约率 12 （二）基于BP神经网络信用风险估计 14 1.样本选取 14 2.实证分析 15 四、对商业银行信用风险评估提出的建议 21 （一）结合KMV法与BP神经网络模型评估财务风险 21 （二）逐步推进内部评级法 22 （三）建立使用预期损失模型 23 1.预期损失模型应关注谨慎性和中立性 23 2.预期损失模型提高相关性兼顾可靠性 23 （四） 完善财务风险披露要求 24 1.提供整体层面的风险信息 24 2.报告多种损失的分布结果 24 3.提高信息披露的全面性 25 （五）通过健全内部控制降低财务风险防范成本 25 （六）建立非上市公司信用风险评估模型 26 （七）针对不同的贷款类型选择适当的风险评估方法 26 五、总结 26 【参考文献】 28 摘 要 随着滨海新区的经济发展，各商业银行纷纷在滨海新区开展业务，为区内企业提供金融服务。风险评估是建立商业银行内部控制体系的重要环节，本文从计量统计研究法和结构化研究法两个角度评估信用风险。在结构化研究法方面，本文采用KMV模型对滨海新区YH银行11家上市公司的违约概率进行计算。在计量统计研究法方面，本文从房地产、交通运输、重金属等与滨海新区YH银行11家上市公司相关的经营行业，以及与滨海新区发展轨迹类似的长三角地区选取18家企业作为样本，采用BP人工神经网络训练模型，对11家上市公司的信用风险进行评估。评估结果显示BP神经网络模型的拟合效果优于KMV模型。由于各类模型均有缺陷，商业银行应该增加模型的多样性，利用各类模型的优势，综合比较。而且，针对组合贷款还应以相同风险特征的资产池为基础估计信用风险。本文还提出利用BP人工神经网络模型并结合KMV模型评估非上市公司的信用风险，弥补以往采用线性模型评估非上市公司信用风险的不足，同时给出建立商业银行信用风险评估方式的相应建议。 关键词：信用风险 BP人工神经网络 KMV模型 Z值模型 Abstract: With the economic development of Tianjin Binhai New Area, the commercial banks have operations in the Binhai New Area, to provide financial services to companies in the region. Risk assessment is an important part of the commercial bank to make internal control to establish the values of the companies. This research method makes use of the measurement statistics and structured research methods to evaluate the credit risk. In structuring research, we use KMV model to get the probability of default of 11 listed companies in Binhai New Area. In the measurement of statistical research, this article use 18 companies selected as samples that are similar to the above 11 companies, using BP artificial neural network model to assess the credit risk of the 11 listed companies. Assessment