基于BP神经网络的手机银行风险预警模型研究

基于BP神经网络的手机银行风险预警模型研究【摘要】本文通过全面分析手机银行风险，从中识别出14类重要的影响因素，并构建手机银行风险全息图。在此基础上，进一步运用德尔菲法（Delphi）及层次分析法（AHP）确定手机银行风险指标及其权重，继而使用BP神经网络构建了一个手机银行风险预警模型。【关键词】BP神经网络风险预警模型手机银行层次分析法手机银行在传统银行的基础上发展而来，其必然包含传统银行的部分风险，但同时也面临新的技术风险。而手机银行作为一项较新的业务，关于其风险预警的研究尚不多，只有一些学者提出了其对手机银行风险的定性研究。因此，本文将在综合分析以往研究成果的基础上，从传统银行风险、技术风险、业务风险三个角度，提出手机银行风险评价指标体系，并运用BP神经网络对手机银行风险进行预警。构建一个准确的手机银行风险预警模型，对于防范和化解风险，具有重要的指导意义。传统的预警模型主要采用线性数学的方法对风险进行预测，这些方法存在难以处理非线性数据、自学习能力差、不具备动态预测能力等缺陷，在解决手机银行风险的预警问题上有较大的局限性。随着人工智能的发展，我们可以提出一种全新的思路，将BP神经网络引入以解决智能预警的问题。一、手机银行风险预警指标的设置本文在参考学术界关于手机银行风险研究成果的基础上，对手机银行风险进一步识别，并采用德尔菲法（Delphi）来确定相关指标，采用定量分析的层次分析法（AHP）来确定各指标的权重。（一）风险识别手机银行风险识别就是综合运用各种方法，甄别手机银行所面临的风险，并分析风险的表现形式及对手机银行造成的影响，为防范风险提供依据[1]。手机银行既面临着传统银行的风险，也面临着新的风险，难以对手机银行面临的所有风险一一列举，本文主要选取了对手机银行影响较大的风险进行研究，绘制出手机银行风险全息图。其中，某些风险同时隶属于二级风险当中的某两类，但为了制作全息图的方便，根据该风险的偏向性做出了模糊划分，这种划分无碍于对手机银行风险的研究。（二）确定相关指标及权重方和以及训练步数都较小。2.基于BP神经网络的手机银行风险预警模型的训练。本文将经过归一化处理后的指标值作为神经网络的输入，与之相对应的预警度（“0”或者“1”）作为期望输出。本文一共45个训练样本，并随机选择了10个样本作为检测样本，导入MATLAB的神经网络工具箱进行训练。图2显示，当训练到76步时，网络收敛，即达到训练目标，此神经网络的训练完成。3.基于BP神经网络的手机银行风险预警模型的预测。以随机选取的10组归一化后的指标值作为输入，对应的预警结果作为期望输出。通过将实际输出与期望输出进行比较，可以看出，期望输出与实际输出的差值很小。因此，经过训练的BP网络是有效的，可以运用该网络对手机银行风险进行预测。四、结论手机银行是网络银行发展的重要阶段，手机银行的安全性研究是一个新兴的领域。但目前的研究主要集中于定性介绍手机银行面临的风险类型，缺乏关于手机银行风险的实证研究，还没有系统性地提出风险预警模型，本文的研究可以为解决这个问题提供一个新的视角。本文在分析现有研究成果的基础上，构建了手机银行风险评价指标体系，运用BP神经网络构建了手机银行风险预警模型。通过实验表明，运用该模型对手机银行风险进行预测具有可行性，预测结果可以为风险评估提供一个有力的支撑。参考文献[1]张龙涛.我国网络银行业务风险的分析[J].中央财经大学学报，2006，7：43-48.[2]张纪.国际手机银行发展、风险分析与安全策略[J].国际金融研究，2006，3：68-72.[3]何光辉，杨咸月.手机银行模式与监管：金融包容与中国的战略