人工神经网络在信用风险评估上的应用.pptVIP

人工神经网络设计——输入输出变量的选择 基于人工神经网络的信用评级系统 系统核心功能模块 系统管理模块：允许管理员通过该模块进行用户注册管理，用户权限设置，口令修改等； 数据抓取模块：可以录入企业客户的基本信息，以及在相关变动时作必要的修改更新，并进行正确性检验； 信用评级模块：应用神经网络方法，通过对企业的各种定性和定量的财务经济指标，对企业的信用等级进行评分或评级，并推算企业违约概率和评估企业信用风险； 模型调整模块：参与评级的专家通过使用该功能，提交必要的数据，改变评级模型的参数数值和配置，实现评级模型的调整； 流程管理模块：确定评级结果的持续有效期，设置评级请求的自动触发条件，处理模型调整申请和提示待办事务等流程控制活动； 查询服务模块系统：外部用户可以登录系统，利用企业名称或代码提出请求，在通过系统的请求细节和用户权限审核后，对评级结果进行查询； 风险计量模块：对企业信用所产生的风险进行评估计算，为贷款业务信用风险的管理提供量化基础。 系统的创新和优势 把客户主体信用评分系统和债项信用评分系统相结合 一个企业只能有一个客户主体信用评级，而一个债务人的不同债务融资可能有不同的债项等级，针对借款主体的不同期限和品种的债务，客观全面地进行授信决策。 把内部因素和外部因素，静态分析和动态分析相结合 除企业本身因素如财务指标，核心竞争力，资本结构，公司治理等因素外，经济周期，产业政策，行业特征，制度环境，区域优势，技术变革等外部因素也是影响正确评估中小企业信用的重要指标 把数据采集模块，筛选模块，评分模块和审批模块相结合 在建立中小企业信用评级系统的过程中，将涉及大量的客户数据。为了提高信评和授信的效率，有必要从客户筛选机制，数据采集方式和系统集成方法的角度入手，构建整合型全方位的信用评级信息化平台，为金融机构的信贷工作人员和管理部门提供高效科学的决策支持工具。通过先进的计算机信息技术，把各个功能模块有机地组合成为完整体系，在正确应用信用评级模型和方法的基础上，自动生成各种信评结果和报告及完成评审程序，实现信贷风险管理的电子化信息化。 人工神经网络 在信用等级评估中的应用 中小企业信用评级的目的与要求 管理风险：金融机构在为中小企业提供贷款时将面临很大的不确定性和风险，因此在授信前必须对其进行信用评级和风险分析评估 科学决策，降低成本：金融机构需要建立一套完整有效的信用评级机制，来审定中小企业的贷款风险，以帮助作出正确的信贷决策，降低贷前调查和贷后监管的成本 高效的评级方法：信用评级指标体系的建立应当立足于中小企业本身特点和发展规律，合理并全面的反映影响评价对象信用的所有因素，遵循一致性，系统性，可比性和可测性等原则，从而形成客观，科学和公正的评估标准和评级方法 中小企业信用评级的特点与问题 中小企业的信用评级是一个世界范围的难题，在新兴市场尤为突出 中小企业具有资产规模小，股权结构集中，组织机构不健全，生命周期短，易受外部环境和不确定因素影响，经营管理过程变数大， 信息资料透明度低，担保抵押物少 中小企业的信用等级既是信贷资产风险管理的基础， 同时也直接决定了中小企业的融资规模和融资成本 由于在信息方面存在不对称性和不完全性，中小企业在借贷时可能产生逆向选择和道德风险等 信用风险IRB内部评级法——巴塞尔新资本协议 IRB 内部评级法 信用等级（AAA,AA...C） 模型 信用评级 信用风险计量 违约概率(PD) 违约损失率(LGD) 风险暴露（EAD) 预期损失率（EL） 非预期损失率（UL） 计算 财务指标 信用评级的基本方法（1） 中小企业信用评级从评价方法主要分为专家判断法、财务比率分析法和模型方法 专家判断法突出的优点是具有较好的灵活性，以及在处理定性指标上的优势， 但是存在着不连续性和主观性，评级效率较低、 成本较高 财务比率分析法是属于古典信用分析评估方法,是将各项财务指标作为一个整体，系统、综合、全面地对贷款人财务状况进行分析、评价 模型方法是基于较为严谨的统计模型分析方法,是根据历史数据库来构建概率统计模型，主要是一些判别分析模型、违约概率度量模型和违约损失率度量模型 信用评级的基本方法（2） 专家判断法 5cs专家系统：character、capital、capacity、collateral、cycle conditions （即品德、资本、还款能力、抵押和经营环境） 财务比率分析及模型方法 1.线性判别分析法： （ 表示作为自变量的指标 表示歧视系数） 2.线性回归法：