人工神经网络在信用风险评估上的应用

1、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

2、，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

3、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1. 5cs专家系统：character、capital、capacity、collateral、cycle condit

4、ions（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： （ 表示变量在评估过去破产率中的重要性）3.logit和probit法： （ 表示借款者i处在资不抵债群体里的条件概率）4.人工神经网络法5.模糊数学法nnxxZ 2211xixiijinjjxZ,1ijZiezS11)()(izS统计学局限：1.判别变量分布满足共同正态分布2.判别函数的扰动项为同方差正态分布人工神经网络1.无须知道判别函数2.不受变量间相关、不相关关系约束3.无需假定输入变量的分布情况4.可以很好地处理非线性关系人工神经网

5、络技术在信用评级中应用优势已经在模式识别与分类、识别滤波、自动控制、预测,特别在处理任意类型的数据等方面, 展示了其非凡的优越性, 成为研究复杂性问题的强有力的工具具有强大的并行处理机制, 内部有大量可调节参数,系统灵活性, 可以克服企业和个人信用资讯不足不全的问题具有自学习,自适应能力,能够随环境变化而不断学习,与传统的信用评级分析相比,能够减少评估数据模糊性的制约是一种自然的非线性建模过程,可以克服信用评级分析过程的复杂性和模型函数形式选择的困难可以再现专家的经验,知识和直觉思维, 较好地评估与预测结果的客观性,减少主观因素在信用评级中的影响人工神经网络的基本原理（1） 神经网络是依据生物

6、神经的一个简单模型的机器学习系统 人工神经网络(Artificial Neural Network, ANN)由一系列在预先定义的拓扑中相互连接的神经元组成，神经元的联结通过相关的权值决定信息交换的类型和深度 人工神经网络修改本身的内部参数以完成某些计算任务 神经网络能够有效完成的典型任务包括分类(如决定某个给定范本属于哪个类别),数据模式辨识以及预测(如从某些真正症状辨别疾病等)等 定义神经网络的两个要素是网络拓扑结构和学习算法即训练网络如何适应以能够解决计算任务 人工神经网络的基本原理（2） 1.人工神经网络的输入和输出 输入层至隐含层的输出： 隐含层至输出层的输出： 为联结输入层神经元i

7、 和隐含层神经元 j 的权值 为联结隐含层神经元 j和输出层神经元 k 的权值 f() 为传递函数(Activation Function)，一般取为 2.人工神经网络的训练 误差反向传播(Back Propagation,BP)神经网络 总体误差函数： 通过修正权值使网络总体误差值最小，权值修正公式： 三层前馈网络的结构模型 为学习率(Learning Rate)，是控制算法收敛速度的参数 iIiijXWH,j)(,kjJjjkHfWYijW,jkW,xex11)(f2n)(21NKknknkTYEjkjkjWEWW,1,2,kijijijWEWW,1,2,人工神经网络设计输入输出变量的选择

8、定量定量指标指标 企业规模企业规模 企业总体状况企业总体状况 资产总量资产总量 销售收入销售收入 职工人数职工人数 水电用量水电用量财务指标财务指标 赢利能力赢利能力 净资产收益率净资产收益率净利润净利润/ /平均净资产平均净资产X 100%X 100%总资产报酬率总资产报酬率息税前利润息税前利润/ /平均总资产平均总资产X 100%X 100%销售利润率销售利润率利润总额利润总额/ /销售收入销售收入X 100%X 100%营运能力营运能力 流动资产周转率流动资产周转率销售收入销售收入/ /平均流动资产平均流动资产存货周转率存货周转率销售成本销售成本/ /平均存货余额平均存货余额应收帐款周转

9、率应收帐款周转率销售收入销售收入/ /平均应收帐款平均应收帐款总资产周转率总资产周转率销售收入销售收入/ /平均总资产平均总资产偿债能力偿债能力 资产负债率资产负债率负债总额负债总额/ /资产总额资产总额X 100%X 100%速动比率速动比率（流动资产（流动资产- -存货）存货）/ /流动负债流动负债 X 100%X 100%流动比率流动比率流动资产流动资产/ /流动负债流动负债 X 100%X 100%利息保障倍数利息保障倍数/ /已获利息倍数已获利息倍数息税前利润息税前利润/ /利息费用利息费用获取现金能力获取现金能力 现金流动负债率现金流动负债率经营现金净流量经营现金净流量/ /流动负

10、债流动负债X 100%X 100%净利润现金含量净利润现金含量经营现金净流量经营现金净流量/ /利润总额利润总额X 100%X 100%销售现金比率销售现金比率经营现金净流量经营现金净流量/ /销售额销售额X 100%X 100%资产现金回收率资产现金回收率经营现金净流量经营现金净流量/ /全部资产全部资产X 100%X 100%成长发展能力成长发展能力 销售收入增长率销售收入增长率（本期销售收入（本期销售收入- -上期销售收入）上期销售收入）/ /上期销售收上期销售收入入X 100%X 100%净利润增长率净利润增长率（本期利润总额（本期利润总额- -上期利润总额）上期利润总额）/ /上期利

11、润总上期利润总额额X 100%X 100%总资产增长率总资产增长率（本期资产总额（本期资产总额- -上期资产总额）上期资产总额）/ /上期资产总上期资产总额额X 100%X 100%定性定性指标指标 市场评价市场评价 行业状况行业状况 行业需求状况行业需求状况 市场进入障碍市场进入障碍 发展周期发展周期 政策支持政策支持 供应商竞价能力供应商竞价能力 市场竞争力市场竞争力 产品替代性产品替代性 产品竞争力产品竞争力 企业战略实施情况企业战略实施情况 企业基本素质企业基本素质 企业领导者素质企业领导者素质 学历水平学历水平 经营业绩经营业绩 决策能力决策能力 工作经验工作经验 个人品质个人品质

12、企业职工素质企业职工素质 文化素质文化素质 年龄结构年龄结构 技术水平技术水平 企业管理能力企业管理能力 经营目标和目标管理经营目标和目标管理 组织制度组织制度 管理规章管理规章 日常财务管理素质日常财务管理素质 资产质量资产质量 企业技术先进性企业技术先进性 设备新旧程度设备新旧程度 创新评价创新评价 创新投入创新投入 财力投入财力投入 物力投入物力投入 人力投入人力投入 创新效果创新效果 成果转化能力成果转化能力 新产品获利能力新产品获利能力 信用记录信用记录 商业信用商业信用 行业主管行业主管, , 关联客户和竞争对手评价关联客户和竞争对手评价 税金租金交纳情况税金租金交纳情况 企业形象

13、和知名度企业形象和知名度 银行信用银行信用贷款还款记录贷款还款记录 风险评价风险评价 经营风险经营风险经营杠杆系数经营杠杆系数利润变动率利润变动率/ /销售收入变动率销售收入变动率DOL 5 DOL 5 财务风险财务风险财务杠杆系数财务杠杆系数税后利润变动率税后利润变动率/ /息税前利润变动率息税前利润变动率DFL 0.9-1.1 DFL 0.9-1.1 人工神经网络设计数据的选择 选取20个上市公司的数据当作样本，测试网络(这里只列出5个当作例子）企企业业流动比流动比率率速动速动比率比率现金现金比率比率流动负债流动负债现金流比现金流比率率股东权益股东权益比率（上比率（上年）年）有形净值有形净

14、值与债务比与债务比率率不良资产不良资产比率比率总资产总资产周转率周转率长期资产长期资产适合率适合率现金自现金自给率给率股票股票价格价格财务状况财务状况指数指数股东权益股东权益比率比率10.780.2740.2730.30758.70%1.20.57%0.881.1237.83%8.61138%29.6251.4690.081.54394.20%17.23.88%0.142.3817.39%7.51331%31.1970.2310.17-0.06336%0.521.42%0.251.228-0.17%16-0.420%41.3660.5820.2530.05435.90%0.60.94%0.33

15、1.21936.57%142657%52.8151.8061.4710.19574%2.83.26%0.542.89815.84%132138%.人工神经网络设计算法的实现 将样本分为训练样本将样本分为训练样本(Training Data)，试验样本，试验样本(Testing Data)和验证样本和验证样本(Validation Data)初始化权值初始化权值w，给定学习率，给定学习率 和误差容忍值和误差容忍值Emax确定输入值和期望输出值确定输入值和期望输出值对输入值进行归一化处理对输入值进行归一化处理计算隐含层和输出层的实际输出计算隐含层和输出层的实际输出计算期望输出和实际输出的误差计算期

16、望输出和实际输出的误差E计算隐含层单元误差和误差梯度计算隐含层单元误差和误差梯度误差误差EEmax？修改权值修改权值学习结束学习结束是是否否影响影响BP网络收敛速度和网络收敛速度和精度的主要因素：精度的主要因素：1.网络结构(主要包括连接方式，网 络层次数和各层节点数)的选择；2.训练样本内容的选择及数目的确定；3.隐含层层数和节点数的确定；4.传递函数的选择；5.误差函数类型(单元或总体)的选择；6.权值初始值,学习率和误差容忍值的确定；7.最优化算法的选择。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

17、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