关于SOM神经网络理论的商业银行信贷客户评价.pdfVIP

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 I～ 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、 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筛选，是本文的一个创新之处。 2．将SOM神经网络运用于信贷客户分类。SOM神经网络适用 于聚类分析，它能处理任意类型的数据，并能对输入模式进行自组织 训练和判断，通过不断学习，从未知模式的大量复杂数据中发现其规 律，进而实现聚类。构建SOM神经网络，将客户样本数据作为输入 模式，对网络进行训练和仿真，从而实现客户分类，这是本文的论述 重点和主要创新之处。 关键词 信贷客户评价 信用评级 变量聚类