(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf_第1页
(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf_第2页
(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf_第3页
(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf_第4页
(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf_第5页
已阅读5页,还剩72页未读 继续免费阅读

(技术经济及管理专业论文)基于人工神经网络的商业银行客户信用评级研究.pdf.pdf 免费下载

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

西南交通大学硕士研究生学位论文第1 页 摘要 随着世界经济的不断发展,金融业在各国经济发展中所发挥的作用越来越 重要,特别是进入九十年代以来,欧洲货币危机、墨西哥金融危机和亚洲会融 危机等给世界经济带来了巨大的影响和损失,引起全世界金融业对金融风险管 理的高度重视。对于我国而言,由于利率没有实现市场化,我国商业银行的主 要业务仍是传统的存贷款业务,而商业银行对客户的信用评价是银行贷款的核 心内容,对银行客户的信用评估是否合理、科学、准确关系着银行贷款承担风 险的大小。有了银行内部的信用评级,可以大大降低银行承担的风险。 本文介绍了信用评级领域的基本概念和研究现状,分析了各种银行客户信 用评级方法的优缺点,在此基础上提出采用s o m ( s e l f o r g a n i z i n gf e a t u r e m a p ) - l v q ( l e a r n i n gv e c t o rq u a n t i z a t i o n ) 复合神经网络来构建商业银行客户 的信用评估模型,并分别介绍了s o m 和l v q 神经网络的基础网络结构和学习训练 算法。同时,本文在参考穆迪、标准普尔等国际著名评估机构的评价体系,总 结前人文献的基础上,建立了评价指标体系,使用因子分析消除相关性,选取 了具有代表性的指标用于评价模型的构建。接下来,本文使用m a t l a b 进行模型 的构建,将样本输入到s o m - l v q 复合网络中进行训练和分类,分类完成后,按 照每一类客户的综合实力强弱,对其进行排序,评定客户等级,得出信贷客户 评级结果。最后,本文对模型进行有效性检验。 本文把s o m 和l v q 神经网络有机结合在一起,并将其应用于商业银行信用评 级的研究。同时,利用m a t l a b 6 5 为开发分析工具,对样本数据进行实验分析, 实现了理论到实践的跨越,为商业银行对企业客户进行信用评级提供了决策依 据。 关键词:信用评级;s o m 神经网络;l v q 神经网络;商业银行; 西南交通大学硕士研究生学位论文第1 i 页 a b s t r a c t w i t ht h ed e v e l o p m e n to ft h et 1 1 cw o r l de c o n o m y , t 1 1 ef i n a n c i a ls e c t o ri nt h e e c o n o m i cd e v e l o p m e n to fv a r i o u sc o u n t r i e sh a v ea ni n c r e a s i n g l yi m p o r t a n tr o l et o p l a yp a r t i c u l a r l ys i n c et h e19 9 0 s t h ee u r o p e a nc u r r e n c yc r i s i s ,m e x i c o sf i n a n c i a l c r i s i sa n dt h ea s i a nf i n a n c i a lc r i s i sh a v eb r i n gw o r l de c o n o m y 订e m e n d o u si m p a c t a n dl o s s e s f r o mt h er a n g eo fw o r l do ff i n a n c i a ls e r v i c e st ot h ef i n a n c i a lr i s k m a n a g e m e n ta t t a c h e sg r e a ti m p o r t a n c e f o rc i l i n a n a t i o n sc o m m e r c i a lb a n k sa r e s t i l lt h em a i nb u s i n e s so ft r a d i t i o n a ld e p o s i ta n dl o a nb u s i n e s s 。w i t h e u to f m a r k e t - o r i e n t e di n t e r e s tr a t e s c o m m e r c i a lb a n k si nt h ec u s t o m e r sc r e d i tr a t i n g si s a tt h ec o t eo fb a n kl o a n s i st h eb a n kc u s t o m e r $ c r e d i ta s s e s s m e n tr e a s o n a b l e , s c i e n t i f i c ,a c c u r a t er e l a t i o n s h i po ft h eb a n kl o a nc o m m i t m e n tt ot h es i z eo ft h er i s k w i t ht h eb a n k sc r e d i tr a t i n g ,c a ng r e a t l yr e d u c et h er i s k sb o r n eb yb a n k s t 1 1 i sp a p e ri n t r o d u c e st h ec r e d i tr a t i n ga r e a so nt h eb a s i cc o n c e p t 锄dt h ea d v a n t a g e s a n dd i s a d v a n t a g e so fv a r i o u sb a n kc u s t o m e rc r e d i tr a t i n g o nt h eb a s i so ft h i sp r o p o s e d , t h i sp a p e ru s e s o m ( s e l f - o r g a n i z i n gf e a t u r em a p ) l v q ( l e a r n i n gv e c t o rq u a n f i z a t i o n ) c o m p o s i t en e u r a ln e t w o r kt ob u i l dc o m m e r c i a lb a n kc u s t o m e r sc r e d i te v a l u a t i o nm o d e l a n dd e s c r i b e ds o ma n dl v qn e u l 面n e t w o r kb a s e dt r a i n i n gn e t w o r ks t r u c t u r ea n d l e a r n i n ga l g o r i t h m a tt h es a m et i m e , t h i sp a p e re s t a b l i s h e de v a l u a t i o ns y s t e mo nt h e b a s e m e n to ft h em o o d y sr e f e r e n c ei nt h i sp a p e r , s t a n d a r d & p o o r s , a n do t h e r w e l l - k n o w ni n t e r n a t i o n a la g e n c i e st oa s s e s st h ee v a l u a t i o ns y s t e ma n dc o n c l u d e do nt h e b a s i so fp r e v i o u sl i t c r a t u t e n 圮e l i m i n a t i o no ft h eu s eo ff a c t o ra n a l y s i sr e l e v a n c eo ft h e s e l e c t e dr e p r e s e n t a t i v eo ft h ei n d i c a t o r su s e df o re v a l u a t i o nm o d e lc o n s t r u c t i o n t h e n , w eu s e am o d e lo f m a t l a bw i l ls a m p l ei n p u tt os o m l v qc o m p l e xn e t w o r kl r a i n i n g a n dc l a s s i f i c a t i o n , c l a s s i f i c a t i o ni sc o m p l e t e d , i na c c o r d a n c ew i t h e a c ht y p eo fc u s t o m e r s o v e r a l l 鼬r e l 坞吐l s t r o n go rw e a k , t h e i rs e q u e n c i n g , a s s e s s i n gc u s t o m e rg r a d e ,t h er e s u l t s o b t m n e dc r e d i tr a t i n gc u s t o m e r s f i n a l l y , w et e s t e dt h ev a l i d i t yo f t h em o d e l i nt h i sp a p e r , t h es o ma n dl v qo r g a n i cc o m b i n a t i o no fn e u r a ln e t w o r k s ,a n da p p l i e d t ot h ec o m m e r c i a lb a n k so nc r e d i tr a t i n g a tt h es a l l l et i m e , w eu s em 匕锯l a b 6 5f o rt h e d e v e l o p m e n to fa n a l y t i c a lt o o l s ,p e r f o m a i n ge x p e r i m e n t so nt h es a m p l ed a t aa n a l y s i s ,n l e t h e o r yt op r a c t i c et oa c h i e v eal e a pf o r w a r df o rc o m m e r c i a lb a n k si nt h ec r e d i tr a t i n g b u s i n e s sc u s t o m e r sp r o v i d eab a s i sf o rd e c i s i o n - m a k i n g k e y w o r d s :c r e d i tr a t i n g ;s o mn e u r a ln e t w o r k ;l v qn e u r a ln e t w o r k ;c o m m e r c i a lb a n k 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校 保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和 借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库 进行检索,可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1 保密口,在年解密后适用本授权书; 2 不保密口,使用本授权书。 ( 请在以上方框内打“ ) 学位论文作者签名: 日期: 指导老师签名: 日期: 西南交通大学学位论文创新性声明 本人郑重声明:所呈交的学位论文,是在导师指导下独立进行研究工作所 得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体 已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体,均已在 文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。 本学位论文的主要创新点如下: 1 将s o m 神经网络模型和l v q 神经网络模型以如下方式结合,形成新 的复合神经网络:首先将训练向量送入s o m 网络进行迭代计算,网络稳定以后, 将s o m 的训练样本分类结果作为l v q 网络的输入,同时将s o m 的网络参数作为 l v q 网络的初始权值来使用,将两者有机结合形成一个复合网络,在很大程度 上避免了由于神经网络对初值敏感而产生的训练及分类上的错误,并减少了训 练时间。这样整个复合模型的效率和预测能力都将得到大大的提高。 2 以往基于人工神经网络的信用评级研究主要有两种类型,一种是将s t 公司作为违约组样本,非s t 公司作为非违约组样本,采用有监督的神经网络 ( 如b p ) 将样本划分为违约与非违约两种类别;另一种是采用单一的无教师 指导学习的神经网络( 如s o m ) 将所有所有未知类别的样本划分出信用等级。 本研究将新的复合神经网络应用于商业银行客户信用评级研究,不仅适用于所 有样本类别未知的情况,而且将信用等级细分,更充分地揭示了信用风险。同 时,也比采用单一的s o m 神经网络模型更有效率,预测能力更强。 西南交通大学硕士研究生学位论文第1 页 1 1 研究背景 第1 章绪论 随着世界经济的不断发展,金融业在各国经济发展中所发挥的作用越来越 重要,加之2 0 世纪7 0 年代以来,金融监管的放松以及金融自由化的趋势,使得 金融业的竞争加剧,金融风险的表现越来越猛烈,金融危机频频爆发,特别是 进入九十年代以来,欧洲货币危机、墨西哥金融危机和亚洲金融危机等给世界 经济带来了巨大的影响和损失,引起全世界金融业对金融风险管理的高度重 视。 随着金融的全球化趋势及金融市场的波动性加剧,商业银行的风险管理一 直是国际国内金融界关注的焦点n 3 。商业银行所面临的风险可以分为信用风 险、市场风险、流动性风险和操作风险等。世界银行对全球银行业危机的研究 表明,导致银行破产的主要原因是信用风险乜1 。对于我国而言,由于利率没有 实现市场化,我国商业银行的主要业务仍是传统的存贷款业务,其资产负债主 要是储蓄存款,银行的流动性风险和市场风险机会不多,所以就控制银行风险 而言,主要是控制信用风险。 商业银行的信用风险管理主要包括信用风险的分析度量、防范、转化和补 偿、资本充足率监管等。其中对贷款的信用风险准确分析和度量是确保贷款质 量的前提,而商业银行的信用风险取决于贷款客户的资信状况,商业银行对客 户的信用评价是银行贷款的核心内容,对银行客户的信用评估是否合理、科学、 准确关系着银行贷款承担风险的大小。因此,对客户进行信用评级成为银行信 用风险管理的重要组成部分,对客户的资信进行评价,分成三六九等,根据信 用评级的结果再决定贷与不贷,贷多还是贷少,贷款价格高还是低,期限长还 是短,有了银行内部的信用评级,就可以使银行承担的风险大大降低。因此, 在这篇论文中,作者提出了基于s o m 和l v q 神经网络的商业银行客户信用评估模 型,为金融机构提供决策依据,使风险管理和经营更合理,更科学。 1 2 研究意义 1 2 1 研究信用评级的理论意义 1 新巴赛尔资本协议对银行监管提出新的更高要求,决定了银行研究 西南交通大学硕士研究生学位论文第2 页 客户信用风险评级的必要性。新协议代表了新的监管趋势和要求。作为事实上 被国际金融界普遍认同的国际标准,新巴赛尔资本协议如同商业银行必须 遵循的银行经营与管理的“i s o 标准 ,商业银行只有在信用风险评价方面满足 了规定标准,才能在日趋国际化、多元化的市场中得以生存与发展。 2 商业银行研究客户信用风险评级是一项新兴的课题,真正的兴起只有 几十年时间。我国商业银行的发展只是刚刚起步,信用风险管理技术仍然较为 落后,远不能满足商业银行对贷款安全性管理的要求。而我国商业银行的信用 风险导致的不良资产问题一直是困扰我国银行业发展的严重问题。研究客户信 用评级正是为银行提供多维化、标准化、专业化的管理手段,进而全面提升信 用风险的管理能力。 1 2 2 研究信用评级的实践意义 我国银行业的不良贷款占贷款总额的比例一直居高不下,国有银行的不良 资产比例大大高于国际警戒线水平( 国际警戒线一般为1 0 左右) ,远远高于 1 9 9 7 年东南亚金融危机前主要受冲击各国银行的不良贷款比率。截至2 0 0 3 年6 月底,我国金融机构不良贷款仍有2 5 4 万亿元,占全部贷款的1 9 6 。”, 而且在新增的贷款中,不良贷款的总额是绝对增加的。这对中国金融的稳定造 成严重威胁。对于已发生的不良贷款应采取积极催收的态度,但更重要的是要 提高增量贷款的质量,改变事后的被动局面。对商业银行客户进行信用评级的 实践意义体现在以下几个方面: 1 为贷款定价提供重要依据。银行信用风险管理的根本目的,一是将信 用风险控制在可接受的水平,二是使各种金融工具的价格,充分体现其信用风 险的大小,从而使银行的收益和风险相匹配。国际性大银行都将信用评级结果 广泛应用于金融工具的定价过程,从而为贷款利率和其它金融工具的价格确 定,提供重要依据。 2 让各家银行能够及早发现、揭示并量化客户存在的信用风险,提供足 够数量的经济资本,从而使银行在遭受信用损失时,保持较高的财务灵活性, 尽量减少贷款损失。 3 从西方发达国家商业银行的先进实践经验来看,通过建立和运用内部 风险评级,可以把各种影响信用风险的因素加以归集、识别,进行标准化提炼 与量化度量,银行的信用风险管理才能从经验型的传统管理提升为标准化、专 业化的现代管理。内部风险评级实际上己经成为现代商业银行在管理上成熟的 西南交通大学硕士研究生学位论文第3 页 标志,成为外部市场评价商业银行管理能力的重要参数。因此,研究银行客户 信用评级,是提高银行风险识别能力,加快现代化商业银行发展进程,提高银 行核心竞争力的需要。 1 3 国内外研究现状述评 1 3 1 国外信用评价研究现状 1 专家判断法 专家判断法是指信用专家依据自身的经验对相关的定性和定量信息进行 主观判断,最终评定风险等级。有6 c 要素分析法、财务比率综合分析法等。 6 c 原则带有主观随意性和片面性;比率分析具有计算简单、可比性强的优点, 但它不能提供综合信息,难以反映企业的整体实力。 2 统计模型方法 为了克服传统比例分析法综合分析能力差、定量评价结果的不足等问题, 继专家判断法之后,国外在对信用风险的评估中,广泛采用了基于统计判别方 法的预测模型。 ( 1 ) 多元判别分析法( l t m n ,1 9 6 8 ) 美国的爱德华阿尔特曼博士( e d w a r da l t m a n ) 率先将这一方法用于财务 危机、公司违约风险的研究。他在1 9 6 8 年对美国破产和非破产生产企业进行 观察,采用了2 2 个财务比率经过数理统计筛选建立了著名的5 变量z - s c o r e 模型和在此基础上改进的“z e t a ”判别分析模型h 1 。 ( 2 ) l o g i t ( l o g i s t i c ) 法 l o g i t ( l o g i s t i c ) 模型是采用一系列财务比率变量来预测公司破产或违约 的概率:然后根据银行、投资者的风险偏好程度设定风险警界线,以此对分析 对象进行风险定位和决策嘲。 e r k k i k l a i t i n e n ( 1 9 9 9 ) 利用芬兰2 7 9 9 个公司的数据,用1 5 个变量进 行l o g i s t i c 回归,发现:是否有坏帐、支付延期的对数和坏帐责任人的股份对 公司的信用影响较大,公司高层管理人员个数的对数和净销售收入的对数也有 一定影响旧。 s j u r w e s t g a a r d 等( 2 0 0 1 ) 根据1 9 9 5 1 9 9 9 年间挪威所有有限责任公司的 资料,建立了违约l o g i s t i c 模型,发现:( 运营收入+ 折旧) 总负债、流动比率、 利息保障倍数、权益总资产、l o g ( 总资产) 、公司年龄、地区虚拟变量的作用 西南交通大学硕士研究生学位论文第4 页 比较显著。刀。 ( 3 ) 非参数方法 主要包括聚类分析( c l u s t e ra n a l y s is ) 和k 近邻判别( kn e a r e s tn e i g h b o r ) 等。聚类分析的一个主要优点是不要求总体的具体分布,可对变量采用名义尺 度,次序尺度,因此该方法可用于定量研究,也可对现实中的无法用数值精确 表述的属性进行分析砸1 。它的劣势在于它的理论基础不牢靠。k 近邻判别适用 于初始分布和数据采集范围限制较少时,减小了以函数形式表达内容的要求, 它在一定距离概念下按照若干定量变量从样本中选取与确定向量距离最短k 个样本为一组睁1 。近邻法不要求数据正态分布,但当数据的维数较高时,对高 维数据,即使样本量很大,在高维空间中仍显得非常稀疏,绝大多数点附近根 本没有样本点,这就使得“利用空间中每一附近的样本点来构造估计 的近邻 法很难使用。 3 人工智能模型 ( 1 ) 专家系统( e x p e r ts y s t e m ) 专家系统是一种使用知识和推理的智能计算机程序,其目的是将专家解决 问题的推理过程再现而成为专家的决策工具或为非专业决策者提供专业性建 议。专家系统自8 0 年代以来逐步被用于商业经济领域,如会计、审计、税务 信用评分、企业破产预测及证券组合嘲。m e s s i e r 和h a n s e n 从知识获取的角度 探讨比较了专家系统在信用风险分析领域下的应用n 引。然而,开发专家系统的 过程中知识的获取始终是一个瓶颈,而推理方式的研究决定着专家系统的智能 化水平,这两个方面的进展极大地影响着专家系统在信用分析领域的应用前 景。 ( 2 ) 人工神经网络( a r t i f i c i a in e u r a in e t w o r k s ) 神经网络模型最早在2 0 世纪9 0 年代初由o d o m 和s h a r d a 用于预测企业财 务危机。他们用a l t m a n 制定的5 个财务指标作为b p 神经网络的输入,采用 6 5 个破产和6 4 个非破产的企业作为实验样本集,做了多次的实验后发现:神 经网络对于破产企业的预测准确率在7 7 8 - 8 1 5 之间,对于非破产企业预测 的准确率在7 8 6 - 8 5 7 之间。而且还将神经网络的预测结果与多元判别分析 的预测结果作了多方面的对比,比较发现无论是对训练样本还是测试样本,神 经网络的预测准确率都优于多元判别分析1 。 t a m 和k i a n g ( 1 9 9 2 ) 合作,利用三层b p 神经网络来对银行破产进行预测 研究。他们采用5 8 对配对样本及c a m e l 准则的1 9 个财务比率,训练出神经网 西南交通大学硕士研究生学位论文第5 页 络的一套权值,在网络训练之后,可以将任何新输入的公司划分为破产或非破 产。同时,t a m 和k i a n g 研究了其它的模型和方法,这些方法包括多元判别分 析,l o g i s t i c 回归,k n n ( k 最邻近算法) 、i d 3 ( 一种决策树的算法) ,对同样的 样本集进行了比较研究,他们研究结果是:对于一年后的持续训练样本( 同一个 企业的数据) 的预测,神经网络模型效果最好,对于两年后持续样本的预测多 元判别分析总的误判率最小,但是神经网络模型犯第一类错误( 把破产的银行 误判为非破产) 的概率比m d a 犯第一类错误的概率要小;同样,对于一年后的 测试样本预测,神经网络的预测效果还是最好的,对于两年后的测试样本预测, 虽然l o g i s t i c 回归的总误判率最小,神经网络列第二,但是神经网络模型犯 第一类错误的概率远小于l o g i s t i c 回归n 副。 c o a t 和p a n t y ( 1 9 9 3 ) 针对同样的样本,使用神经网络模型和肋a 模型进 行了财务危机预测研究。他们发现采用c a s c o r 运算法则的神经网络模型的预 测准确率达到了9 5 ,而且对于第一类错误的误判比m d a 小很多n 引。 l e s h n o 和s p e c t o r i s ( 1 9 9 6 ) 用改进型的a n n 模型来预测两年后的企业破 产情况,获得了7 4 2 一7 6 4 的准确率,而线性的感知器神经网络获得的准 确率为7 2 川。 d e s a i 等( 1 9 9 6 ) 将模式神经网络( m o d u l a rn e u r a ln e t w o r k - m n n ) 引入信用 风险分析。m n n 是一种广义的神经网络,其包括了“局部专家 和门网络神经 网络。其输入层的1 8 个神经元代表1 8 个消费贷款变量,而门网络将借款人的 数据按一定的规则分配给局部专家,局部专家对借款人的偿还能力及其信用等 方面的相关指标进行分析并输出结果:输出层只有一个神经元表明违约与否 n 朝。同年,李等人建议将m d a ,i d 3 、自组织映射、a n n 混合起来,建立这样一 个综合的评判模型,他们己经将这一模型用于韩国企业的破产预测中n 引。 d a v i dw e s t ( 2 0 0 0 ) 为研究商业银行信用评价的准确性,利用德国和澳大 利亚两组财务数据进行模式分类,建立了多层感知器网络结构信用评价模型 【1 7 】 o 2 0 0 2 年,r e s h m i 和m a l h o t r a 利用神经模糊系统( n e u r o - f u z z ys y s t e m s ) 对消费贷款进行信用评级,对5 0 0 个训练样本,分类准确率达到7 3 4 - 7 6 u 引。 除此之外,国外还有很多学者运用人工神经网络做过相关研究,均得到了 不错的结果。如k u l d e e pk u m a r 和j o h ndh a y n e s ( 2 0 0 3 ) u 引,d r p r o b i rr o y ( 2 0 0 5 ) 嘲,p a t r i c kl b r o c k e t t ( 2 0 0 6 ) ,r o b e r ts m o o r e ( 2 0 0 7 ) 龆】 等。 西南交通大学硕士研究生学位论文第6 页 ( 3 ) 决策树 决策树是q u i n l a n 在h u n t 的概念学习系统c l s ( c o n c e p tl e a r n i n g s y s t e m ) 上发展起来的一种自顶而下的分类方法。它通过对一组训练样本的学习,构造 出决策型的知识表示嘲。这种模型较统计模型从直观上更易理解,且应用时对 专业知识也无较高的要求。但在实际应用中,出于问题的复杂性增加,决策树 模型经常会出现组合爆炸而使构造的决策树过于复杂难以理解。 4 现代信用风险评估模型 与过去的信用管理相对滞后和难以适应市场变化的特点相比,新一代金融 上程专家将建模技术和分析方法应用到这一领域,在传统信用评级的基础上提 出了一批信用风险模型。现代现代信用风险度量模型主要有期权定价型的信用 风险模型、信用度量术( c r e d i t m e t r i c s 模型) 、麦肯锡模型和信用风险附加计 量模型。 1 3 2 国内信用评价研究现状 中国的资信评级市场虽然起步较晚,但发展很快,现在已成为全世界拥有 资信评级机构最多的国家,但由于缺乏统一的计划和规范要求,市场体系比较 混乱。我国的一些有识之士在吸收国外先进的信用风险评估技术的基础上,利 用国内的数据,进行了探索性研究。以下对我国学者所做的主要研究上作进行 综述。 1 传统方法( 评级方法) 魏巍贤( 1 9 9 8 ) 以贷款通则、商业银行法等金融法规为准则,应用定性与定 量相结合的分析方法,通过建立企业信用等级综合评价的指标体系,给出企业 信用等级的综合评价方法实际应用结果表明:该方法不仅能评定出企业的信 用等级,而且能找出所评价企业信用等级低的原因,从而为企业经营者和银行 贷款决策者提出建议阱,。 杜宽旗( 1 9 9 8 ) 把经济系统分析中的多层次系统综合模型评判分析法作为 企业资信评估的主要方法心5 1 。 王煦逸( 2 0 0 2 ) 运用择优比较法和模糊综合判别法建立了客户资信评价的 模糊综合判别模型,利用上市公司雅戈尔有限公司的数据进行了计算,褥到了 符合常规判断的评价结果啪1 。 赵振全,周佰成,赵云立( 2 0 0 3 ) 根据中国上业企业的实际情况创新性地给 出了新的信用评估体系( 简称b e d 评估体系) ,在定性分析方面与国际上的十等 西南交通大学硕士研究生学位论文第7 页 级制度接轨,在定量分析方面又为企业的信用计分做了定量描述。该评估体系 中各个指标的权重采用层次分析法来确定瞳7 1 。 2 统计模型 王春峰,万海晖,张维( 1 9 9 8 ) 将判别分析法应用于商业银行信用风险评估 中,并且通过与l o g i t 方法相比较,进一步研究了判别分析法的有效性嘲1 。 卢世春,欧阳植( 1 9 9 9 ) 研究了商业银行信用风险跟踪预警监测模型,根据 企业的真实数据运用聚类分析和判别分析方法建立了信用风险分析模型,对单 项贷款的信用风险进行量化评价并设置了预警信号,进行了实证分析啪1 。 施锡铨,邹新月( 2 0 0 1 ) 采用典型判别分析法对我国a 股市场1 9 9 9 年至 2 0 0 0 年9 月间部分上市公司的信用状况进行了实证分析和检验,分析结果显 示,所得到的典型判别模型对我国证券市场的信用情况有较强的解释能力d 蚰。 方洪全,曾勇( 2 0 0 4 ) 选择某市金融机构的2 9 7 个贷款记录作为样本数据, 运用多元统计技术对企业的6 6 个财务指标进行分析,选择其中的7 个财务指 标作为建立判别函数的计量参数,运用多元判别技术建立了4 水平的线性判别 函数。通过对培训样本的交叉回代和检测样本的检验,该模型具有较强的预测 能力叫。 3 基于人工智能的模型 夏红芳,赵丽萍( 1 9 9 8 ) 采用神经网络方法对江苏省4 家企业债券进行评 级。根据最新企业财务管理通则选择5 个财务指标作为输入变量,构造了企业 债券信用评级神经网络模型,研究结果表明该方法具有较好的操作性和可行性 【3 2 】 0 黄德双( 1 9 9 8 ) 提出一种新的径向基概率神经网络模型,该模型继承了径 向基函数网络和概率神经网络在分类能力的优点,同时克服这两种网络模型的 缺点,对未来学习过的样本有很好的识别能力,其各项指标的测试准确率都比 b p 算法的测试准确率高口3 儿州。 王春峰,万海晖( 1 9 9 9 ) 运用神经网络技术和线性判别分析方法( l e a r n i n g d i s c r i m i n a t eh n a l y s i s - l d h ) 对企业能否偿还银行债务进行了研究。他们采用 1 0 0 家企业作为样本,将每家能够偿还贷款的企业按照资产规模、行业范围等 与一家不能偿还贷款的企业相匹配,划分为两个子样本集合,即训练样本集和 检验样本集。然后将h l t m a n 的5 个财务指标作为神经网络的输入变量,进行 训练。同时他们用l d a 对同样的样本集做了预测。实验结果表明,神经网络模 型所得到的判别准确率大于l d a 方法,第一类错误的误判率也低于l d a ,说明 西南交通大学硕士研究生学位论文第8 页 了神经网络技术在企业信用评级方面具有广泛的应用前景口副。 杨保安,朱明( 1 9 9 9 ) 尝试着将神经网络和专家系统方法结合,应用于 银行贷款风险管理的研究。他们将神经网络用于缓变信息的处理,而专家系统 处理硬性规则的信息。如企业财务、生产等数据可输入到神经网络做出决策, 而涉及到行政法规、经营方针等有关信息用专家系统来处理。该文没有进行实 证研究,着重阐述了基于神经网络与专家系统结合的企业信用评价系统的设计 思想。 郝丽萍,胡欣锐,李丽( 2 0 0 3 ) 对人工神经网络及其应用于信贷风险分析的 可行性进行了论述,着重对构建商业银行信贷风险分析的人工神经网络模型 进行了深入细致的研究。利用b p 算法研究并建立了银行贷款风险模型。并通过 实证表明可用此模型对信贷项目进行风险等级评价,以做出正确有效的信贷 决策例。 杨保安,季海( 2 0 0 1 ) 采用一套适用于银行贷款的企业财务状况系统( 包 括4 类1 5 项财务指标) ,利用三层b p 网络对商业银行贷款风险进行预警研究。 根据合作银行提供的数据进行实验,发现这是一种很好的方法和工具啪1 。 胡燕京、高会丽、徐建峰( 2 0 0 2 ) 将人工神经网络引入金融风险预警系统, 该模型对传统的b p 神经网络模型进行了改进,论述了其应用于金融风险预警 的可行性。该模型根据1 9 9 1 - 2 0 0 1 年反映金融风险的5 个方面1 7 个指标的原 始数据,建立了有1 7 个输入神经元,1 8 个隐含层神经元,4 个输出神经元的 三层b p 神经网络。该模型利用1 9 9 1 - 2 0 0 0 年间衡量中国金融风险状况的1 0 个模式对这一神经网络进行学习训练7 7 6 次后达到误差要求。在完成了神经网 络的训练后,用2 0 0 1 年的样本值对模型进行检验。检验结果表明,实际输出 与期望输出接近,误差满足要求。因此可用此神经网络对中国的金融风险进行 预测、监测和分析嘲1 。 4 现代信用风险评估模型 国内对结构化模型的研究还很少,不过随着我国金融市场的不断深化,近 年来,对该模型的研究开始增加。如杨星,张义强( 2 0 0 4 ) 、易丹辉、吴建 民1 ( 2 0 0 4 ) 等。 西南交通大学硕士研究生学位论文第9 页 1 4 研究内容、结构安排和研究方法 1 4 1 研究内容及结构安排 本文在吸收国内外有关商业银行信用评级的研究成果的基础上,采用 s 0 卅l v q 复合神经网络来构建商业银行客户的信用评估模型,并利用 m a t l a b 6 5 为开发分析工具,实现了理论到实践的跨越。论文结构框图如图 l 一1 所示,主要内容安排如下: 论文的第一章“绪论”主要介绍了课题的研究背景和意义,对国内外的研 究现状做了综述,说明了文章的研究内容和研究方法。 第二章“商业银行客户信用评级概述 介绍了信用、信用风险的基本概念 以及信用评级的发展过程、涵义和分类。详细阐述了我国信用评级的发展现状, 分析了我国信用评级存在的问题。提出了本文的研究角度。 第三章“商业银行客户信用评级模型的比较和选择”详细介绍了各种常用 的信用等级评估模型的原理,并对它们做了简单的评价;在此基础上结合本文 研究的问题以及我国的国情,分析了各种模型的适用性;最后提出本文采用 s o m - l v q 复合神经网络模型并分析了原因。 第四章“人工神经网络简要介绍了神经网络的基本概念和特点,以及神 经网络模型的基本要素。之后重点阐述了本文所要用到的s o m 神经网络和l v q 神经网络的拓扑结构和学习算法。 第五章“信用评级指标体系的建立 围绕着选择商业银行企业客户信用评 级的评价指标而展开。首先分析了选择指标应该遵循的原则。然后,从本文的 研究角度出发阐述了评价指标的初选。最后对筛选评价指标的方法因子分 析方法进行了简单的介绍。 第六章“实验过程及分析在前面几章的基础上,结合采集到的样本数据 进行数据实验及分析。首先总的介绍了实验过程,讨论了样本信息来源;其次, 基于样本数据,运用统计软件s p s s 的因子分析功能对上一章初选的指标体系 进行筛选,选择代表性的指标进入模型;接下来,运用m a t l a b 神经网络工具 箱构建网络,从而实现对客户的分类,在此基础上,运用层次分析法,根据每 类客户的综合实力,确定它们的信用等级。最后,运用构建好的模型对测试样 本进行信用评级,并将结果与权威机构的评级结果相比较,验证模型的有效性。 西南交通大学硕士研究生学位论文第1o 页 1 4 2 研究方法 研究背景及文献综述 上 基本概念和现状分析 1 l r 模型选择 1 l r s o m 及l v q 基本原理介绍 上 l ? 1 评价指标选择 上 ” i数据实验及分析 图1 - 1 论文结构框图 1 定性分析法:以银行客户信用评级的相关理论以及宏观经济学中相关理 论为基础,分析、寻找、计算影响银行客户信用高低的各种因素,尝试建立几 者之间的关系,形成一个整合的理论构架,建立了一个科学客观的评价指标体 系。 2 比较分析法:通过对相关文献的比较分析,发现其中的共有认识和不同 之处,特别是对国内外各种银行客户信用评级模型和使用的各种方法的优势和 劣势进行分析和比较,以期找出符合现在我国银行客户信用评级的评级模型和 方法。 3 定量分析法:首先通过因子分析对评价银行客户信用的各个指标进行降 维和消除相关性,然后使用s o m l v q 神经网络对训练样本数据进行训练,得到 分类结果,并采用层次分析法确定等级,最终完成模型的构建。 西南交通大学硕士研究生学位论文第1 1 页 第2 章商业银行客户信用评级概述 2 1 信用和信用风险概述 2 1 1 信用的概念及分类 随着人类社会和商品经济的不断发展,信用交易己经发展成为一种重要的 市场交易方式,信用对于一个国家、个民族都是至关重要的,因为一个社会 只有讲信用,才能够形成一个良好的社会“信用结构 ,而这个信用结构是一 个社会正常运转的重要基础。 马克思在资本论中把信用定义为以偿还为条件的价值运动的特殊形式; 牛津法律大辞典将其解释为:信用指在得到或提供货物或服务后并不立即 而是允许在将来付给报酬的做法。黄达主编的货币银行学对信用的解释是 “信用这个范畴是指借贷行为。这种经济行为的特点是以收回为条件的付出或 以归还为义务的取得,而且贷者之所以贷出,是因为有权取得利息,后者之所 以可能借入,是因为承担了支付利息的义务。 总结起来,我们可以这样定义信用:信用是债权人( 授信人) 和债务人( 受 信人) 对资金、商品或服务的暂时的、有条件的让渡;是一种建立在授信人对 受信人偿付承诺的信任的基础上、使后者无须付现即可获取商品、服务或货币 的能力4 2 3 。 对信用的分类有许多不同的方法,但基本类型是相似的。从受信人的身份 来划分,信用可以划分为公共信用和私人信用。其中公共信用主要指各级政府 的举债能力;私人信用可以进一步划分为企业信用和个人信用,两者在经济体 系中有非常密切的关系,构成市场连接环节中的要素。在这些信用划分类型中, 最关键、最活跃、最具影响力的就是企业信用。 商业银行客户按照性质不同可分为个人客户和公司客户,当前公司客户的 业务量在商业银行的业务总量中占绝对优势。因此,本文所指的商业银行客户 是公司客户,那么本论文的研究重点就在于商业银行公司客户的信用评价,也 就是企业信用评价。 2 1 2 信用风险概述 信用风险是金融市场中最古老的。也是最重要的金融风险形式之一,它直 接影响着现代社会生活的各种活动,也影响着一个国家的宏观决策和经济发 西南交通大学硕士研究生学位论文第12 页 展,甚至影响全球经济的稳定发展h 3 1 。 随着信用关系的产生,使得物品的所有权与使用权暂时分离,物品一旦暂 时离开它的所有者,也就存在着可能被他人占有或不能归还的可能性,信用风 险由此产生。社会分工越发达,交换活动越深入,人们面临风险也就越大。在 市场经济条件下,由于市场缺陷的存在,信用风险是必然存在的。 对于商业银行的风险管理而言,所谓信用风险,是指信贷资金安全系数的 不确定性,表现为企业由于各种原因,不愿或无力偿还银行贷款本息,使银行 贷款无法收回,形成呆帐损失的可能性1 。因此,按照风险发生的性质可以把 信用风险分为经营性风险和道德风险。经营性风险主要是由于企业经营不善, 财务状况恶化造成的,表现为在信用期满时没有履约能力,无力偿还银行贷款; 而道德风险主要是由经营者的道德品质、偿还意志决定的,这中间牵扯到主观 意志、心理活动等诸多复杂因素,通常表现为企业具有还款能力但不愿意j 下常 履行契约责任。需要指出的是,本论文对商业银行客户进行信用评价时考虑的 信用风险主要指的是经营性风险。 2 2 信用评级 2 2 1 信用评级的概念和发展 信用评级又称资信评估,是指由独立的社会中介机构,通过对企业、债券 发行者、金融机构等市场参与的主体的信用记录、经营水平、财务状况、所处 外部环境等诸因素进行分析研究后,就其信用能力( 主要是偿还债务的能力及 其可偿债程度) 所做的综合评价,并且用简单明了的符号表示出来,以满足社 会需要的市场行为h 引。 商业银行客户信用评级是指运用规范的、统一的评价方法,对客户一定经 营期间内的偿债能力和意愿,进行定量和定性的分析,从而对客户的信用等级 做出真实、客观、公正的综合评判。它是信用风险的评估,特别是偿债能力的 评估,信用等级的高低,只代表客户履约能力的强度。 企业信用评级是评价理论方法在经济领域的具体应用,它是在会计学和财 务管理的基础上,运用计量经济学原理和现代分析技术建立起来的金融预测过 程,是真实反映企业现实状况,预测未来发展前景的一门科学m 3 。 现代信用评级的前身是商业信用评级,最早出现在美国。1 9 世纪美国的 银行对借款人的信用情况不了解,因此需要某种机构向其提供借款人信用情 西南交通大学硕士研究生学位论文第13 页 况。在此背景下,l u o i s t a b a n 于1 8 3 7 年在纽约建立了第一个商业性信用评 级机构为商业银行提供服务,这是历史上最早的评级机构,2 0 世纪初,随着 标准普尔公司( s t a n d a r d p o o l c 0 。) 与穆迪公司( m o o d y i n v e s t o rs e r v ei o d ) 分别开始从事债券和信贷

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论