《基于BP神经网络的商业银行信用风险识别实证分析》.docVIP

基于BP神经网络的商业银行信用风险识别实证分析 李萌 陈柳钦 内容摘要 ：本文采用上市公司未按时偿还贷款的比率（即贷款不良率）作为衡量信用风险高低的标准，结合独立样本t检验和主成份分析法，构造基于BP神经网络技术的商业银行信用风险识别模型。实证分析结果表明，单隐层BP神经网络模型对商业银行信用风险具有很强的识别能力，可以达到记忆能力和泛化能力兼容的最佳水平，但模型预测和推广能力还有待改善，所以在最终判定企业信用风险时必须结合其他定量和定性分析方法。本文研究结论也证明了单隐层模型要比双隐层模型优越，证实了双隐层无助于提高预测准确率的Lippm定理在中国的成立。 关键词：信用风险；主成份分析；BP神经网络；单隐层 文章出处：《南京社会科学》2007年第1期 一、导 言 商业银行信用风险的管理一直是国内外金融界关注的焦点问题。20世纪90年代以来，全球各金融机构不断推出新技术和新业务，商业银行大量使用金融衍生产品规避信用风险，这些新产品在提高银行风险管理水平的同时也对传统的信用风险度量技术提出了新的挑战。为了更准确地度量经营活动中的实际风险水平，大型国际商业银行纷纷推出内部信用风险模型；《新巴塞尔协议》第三次征求意见稿规定，除标准法外，银行可采用内部评级法度量信用风险，这意味着巴塞尔委员会对成员国的信用风险管理活动提出了更高的要求。从我国现状来看，目前商业银行尚不具备推行内部模型