中国商业银行风险预警系统的构建及其实证研究.pdfVIP

财 政 金 融 NORTHERN ECONOMY 中国商业银行风险预警系统的 构建及其实证研究 牛 源 (北京工业大学经济与管理学院　北京　100022) 摘 要：风险管理是商业银行管理的重要内容。本文通过建立商业银行风险预警指标体系，利用神经 网络与专家系统的组合方法对商业银行风险状况进行综合评估，并引用实例说明该方法的实现过程。预 测结果表明：神经网络方法建模简单，精度高，对于商业银行风险等复杂的非线性问题有着很强的逼近 与预测能力。 关键词：BP网络　风险预警　指标体系 由于商业银行风险对宏观经济的广泛影响，近年来不少 本文运用的前向三层BP网络技术，是目前研究、应用最 国家都投入了大量资金和人力来研究商业银行风险的监测和 广泛的ANN。图1即为前向三层BP网络示意图，它由输入层、 预警问题。对现有风险预警方法进一步深入分析，银行风险 中间层、输出层组成。中间层位于输入层和输出层之间，作为 早期预警系统的设计大致可归纳为三种方法：(1)专家打分法。 输入模式的内部表示，对一类输入模式所包含的区别于其它类 最简单且易于操作的模型之一是加权评分模型。(2)数理分析 别的输入模式的特征进行抽取，将抽取出的特征传递给输出 法。该类方法根据历史上各个风险状态下某些经济指标的表 层，由输出层对输入模式的类别作最后判别。因此，也可把中 现，制定一套指标体系，通过建立数理模型对这套指标的现 间层称为特征抽取层。中间层的输入模式进行特征抽取的过 状进行综合评价。(3)神经网络法。将人工神经网络(ANN,程，实际也就是对输入层与中间层之间连接权进行 “自组织 Artificial Neural Networks)应用于金融风险预警系统。 化”的过程。在网络的训练过程中，各层之间的连接权起着“传 商业银行风险预警指标一般包括定量因素和定性因素， 递特征”的作用。各连接权从初始的随机值逐渐演变，最终达 这致使常规的计算机信息系统在处理这类问题时显得力不从 到能够表征输入模式性的过程，就是 “自组织化过程”。 心。这里采用人工智能技术，基于人工神经网络能很好地对 BP网络的学习由四个过程组成，即输入模式由输入层经 时变信息进行处理。专家系统(ES, Expert System)通常用 中间层向输出层的“模式顺传播”过程；网络的希望输出与网 符号表示，依赖更新规则，擅长处理非量化信息。将ANN与 络实际输出之间的误差信号由输出层经中间层向输入层逐层修 ES结合起来，建立基于ANN与ES组合的金融风险预警系统， 正连接权的“误差逆传播”过程；由“模式顺传播”与“误差 既能保持ES的透明性，又具有ANN的学习和容错能力。本 逆传播”的反复交替进行过程。简言之，就是由“模式顺传播” 文采用人工神经网络与专家系统的组合方法，对我国商业银 — “误差逆传递”— “记忆训练”— “学习收敛”的过程。 行的风险预警进行了尝试。 指标预警方法是其它传统预警方法的基础，它也是最常 一、神经网络结构及原理 用的预警方法。商业银行风险预警系统非常适合于前向三层 从模式识别的角度看，商业银行风险预警是一个模式分 BP网络。在前向三层BP网络算法中，对网络性能影响比较 类的过程；从警兆指标—警情指标—警度之间的映射关系来 大的是权值修正法，本文采用下面的方法； 看，经济预警是一个函数逼近的过程；从警兆指标—警情指 标—警度之间的噪声与报警准确处理方式来看，经济预警又 是一个最优化过程。模式识别、函数逼近、最优化处理正是 BP网络最擅长的应用领域，因此，BP网络应用于商业银行 其中：t为迭代次数，η为学习率，α为动量因子，W jk 风险预警是非常适合的。 为输入层节点之间的连接权值，W 为中间层节点