神经网络法在商业银行信用风险计量中的应用.doc

[标签:标题] 2016 PAGE13 / NUMPAGES13 感谢观看本文谢谢 神经网络法在商业银行信用风险计量中的应用 [提要] 本文在介绍国内外商业银行信用风险计量方法基础上，详细归纳总结从1999～2007年和2008～2015年两个阶段内，我国应用神经网络模型解决商业银行信用风险计量问题的研究发展历程，发现该模型还存在一定缺陷，需要继续进行研究和改进，并在此基础上提出改进建议。 中国论文网 /2/view-7359787.htm 　　关键词：神经网络；商业银行；信用风险计量 　　中图分类号：F83 文献标识码：A 　　收录日期：2015年9月9日 　　1999年，《巴塞尔新资本协议》首次提出应用于商业银行信用风险计量的标准法和内部评级法，对各国产生了巨大影响，商业银行信用风险管理一度成为国内外经济学界关注的焦点，然而十几年过去了，我国信用风险管理并未达到理想的效果。根据银监会监管统计数据，截至2014年末，商业银行不良贷款余额累计达8，426亿元，不良贷款率1.25%，较年初增长0.25个百分点，整个银行业信用风险居高不下，并且持续上升。 　　作为商业银行的主要风险，信用风险的管理有着特殊的地位。信用风险管理主要由信用风险的识别、评估、监测、报告与控制等环节构成。其中，信用风险的评估是基础。特别是，在利率市场化背景下，对信用风险的准确评估和价值把握将成为新形势下商业银行盈利的关键。 　　20世纪90年代以来，信用风险评估技术日新月异，在传统多元判别法、logit模型等传统信用评分法的基础上，涌现出一批现代信用风险度量模型。典型的有以预期违约概率为核心的KMV模型和基于VAR理论的Credit Metrics模型。但其参数的初始化对历史经验数据有较高要求，而我国商业银行的信用信息系统建设尚处于初级阶段，数据积累十分有限且不易获得，因此上述模型并未在我国得到广泛应用。目前，随着金融数学、信息技术和计算机网络的蓬勃发展，以神经网络为首的数据挖掘技术被引入信用风险评估领域。大量研究显示，神经网络对数据的要求并不十分严格，同时也不必探究清楚被解释变量与解释变量之间准确的函数关系，这就与我国信用风险管理尚未成熟的现状相契合；同时，神经网络特有的非线性映射能力和较强的鲁棒性使得模型预测准确快速，具有明显优势。 　　一、神经网络法及其基本评价 　　90年代以来，全球范围内计算机信息技术迅速发展，基于人工智能的智能计算技术为商业银行信用风险评估的研究开拓了一个全新的研究领域，而基于神经网络的评估模型最具有代表性。神经网络模型模拟生物神经系统，由大量神经元相互连接形成复杂非线性网络，具有自我训练、自主学习的能力。在这类模型中，信用风险评估被视为模式识别的分类问题，通过研究并提取违约企业和非违约企业的特征变量，建立判别模型，并对其他企业进行分类预测。神经网络是一项新型的非线性技术，对数据质量要求不高，也没有严格的数据分布假设，有着其他模型无法比拟的优点。 　　神经网络，全称为人工神经网络，从仿生学视角模拟人类大脑运作过程，通过模仿生物学中神经系统建立一个个神经元模型，通过类似神经细胞突触互联的拓扑连接方式，形成复杂宏大的动态网络，能够对输入的数据进行信息处理。在众多的神经网络模型中，BP-神经网络是目前理论最为成熟、应用最为广泛的。下面以BP神经网络为例来介绍神经网络的原理和运作机制。 　　BP神经网络为采用反响传播算法的多层前馈式神经网络，可以实现输入到输出的任意非线性映射，其中，输出量为0～1的连续值，其结构如图1所示。 　　经过10多年的发展，神经网络在我国商业银行信用风险计量领域的应用已较为成熟，神经网络特有的非线性映射能力和较强的鲁棒性使得模型预测准确快速，明显优于传统的线性判别方法，尤其是近几年来引入遗传算法和模糊理论等对神经网络模型进行优化后，其预测效率和可操作性大大提高，具有极其广阔的应用前景。但是，经过不断测试，发现该模型还存在着一些缺陷。 　　神经网络自身的缺陷限制了其在信用风险计量方面的应用。如神经网络具有一定的片面性和盲目性，训练是完全的黑箱操作，无法干预，许多专家经验派不上用场；人们普遍认为神经网络是不可解释的，用神经网络来进行信用评级时，无法说明训练后，各参数和阀值的经济含义，不具有说服性。 　　二、神经网络法文献统计 　　通过对1999～2015年20余篇相关文献的进一步分析，我们发现相关作者的学科背景和文献中数据来源具有一定规律。 　　学科背景分析。通过进一步的数据搜集和筛选，发现作者学科背景可考的文献有14篇，大致分为三类：经济管理类、计算机科学类和数学类，统计结果如图2所示。 　　其中，经济管理类中有4人来自于数量经济、信息经济和技术经济领域。分析