毕业论文中文摘要
基于神经网络的金融风险评估研究 摘 要： 20世纪80年代末以来，随着经济全球化趋势的不断蔓延，世界金融市场无疑面临各种各样的挑战，对于金融风险的评估和管理的重要性日益加强。 我国的市场经济处于由计划经济向市场经济转轨的关键时刻，作为经济总枢纽的商业银行在运营过程当中无时无刻不面临着各种各样的金融风险，并随着经营业务领域和面向的群众普及率大幅开阔与提高，可谓步步如履薄冰。世界银行对全球银行业危机的研究指出,信用风险的管理不善是导致商业银行的风险防范和控制出现危机的主要原因。 国外在运用数据挖掘技术对信用风险的评估中，广泛采用基于统计判别方法的预测模型，常见的模型有：多元判别分析模型（MDA）、logit分析模型、近邻法、分类树方法等。 上述方法均属于线性模型，分析方法简单、计算复杂度低，但是具有过于严格的限制条件，并且不适用于我国目前的经济情况。因而我选用神经网络模型，进行我国商业银行的信用风险的评估分析。 神经网络模型对任意函数具有逼近能力、学习能力、自组织和自适应能力，能够比较精确的描述因素之间的映射关系。并且神经网络模型在应用中的优势在于，它结构简单，学习方法快，推广能力优异。因而可以对于商业银行的信用风险进行一个较为准确的评估。 关键词：信用风险，数据挖掘，信用风险评估模型，神经网络模型 1
毕业论文外文摘要
Title Financial risk assessment studies based on neural network Abstract Since the late 1980s, with the trend of economic globalization continues to spread, the world's financial markets will undoubtedly face a variety of challenges, increasingly the importance of financial risk assessment and management. China's market economy is in a critical moment of transition from a planned economy to a market economy, which as the economic hub of commercial banks operating in the process all the time facing a variety of financial risks, and with the popularity of the area of operations and for the masses rate significantly broaden and improve, can be described step by step in perpetuity. The World Bank study pointed out that the global banking crisis, mismanagement of credit risk leading commercial banks risk prevention and control of the main reasons of the crisis. Abroad in the use of data mining technology for credit risk assessment, widely used prediction model based on statistical discrimination method, the common model: multiple discriminant analysis model (MDA), Logit analysis model, the nearest neighbor method, the classification tree method. The above-mentioned methods are linear model analysis method is simple, low computational complexity, but overly stringent restrictions, and does not apply to the current economic situation in our country. Thus, I chose to use a neural network model, China's commercial banks credit risk assessment analysis. Neural network model for any function approximation ability, learning ability, the mapping between the self-organizing and adaptive capacity can
1
be more precise description of factors. And the advantage of the neural network model in the application, its simple structure, learning methods, and excellent generalization ability. Thus a more accurate assessment of the credit risk of commercial banks. Keywords：Credit risk;data mining;credit risk assessment model;neural network model 2
目 录
1 绪论 ................................................................ 1
1.1论文选题的依据及其意义 .......................................... 1 1.2 针对金融风险的研究 ............................................. 2
1.2.1 金融风险的概述及影响 ..................................... 2 1.2.2 我国经济现状下的金融风险 ................................. 3
2 信用风险概述 ........................................................ 4
2．1 信用风险理论 .................................................. 4 2．2 我国所面临的信用风险现状分析 .................................. 5 3 信用风险评估 ........................................................ 7
3．1 信用风险评估方法的概述及分类 .................................. 7
3．2 专家制度 ...................................................... 7
3.2.1 专家制度的概述 ........................................... 7 3.2.2 专家制度的步骤 ........................................... 8 3.2.3 专家制度的缺陷 .......................................... 11 3．3 信用风险评估模型概述 ......................................... 12
3.3.1 判别分析法 .............................................. 13 3.3.2 Logit方法 ............................................... 13 3.3.3 近邻法 .................................................. 14 3．4 统计方法的缺陷 .............................................. 14 4 神经网络模型 ....................................................... 16 4．1 神经网络模型理论 ............................................. 16
4.1.1 神经网络模型的概述 ...................................... 16 4.1.2 神经网络模型的应用可行性 ................................ 18 4．2 基于神经网络模型的信用风险评估模型建立 ...................... 19
4.2.1 模型的研究方向 .......................................... 19 4.2.2 模型的建立原理 .......................................... 20 4.2.3 样本输入选择 ............................................ 21 4.2.4 模型的设计 .............................................. 23 4．3 模型结果及分析 .............................................. 25 结 论 ................................................................ 27 参 考 文 献 ........................................................... 29 致 谢 ................................................................ 30
1
1 绪论
1.1论文选题的依据及其意义
近年来，随着金融的全球化趋势及金融市场的波动性加剧，国际金融界对信用风险的关注也日益加强。银行是一国金融体系的核心，在国家金融发展和经济发展中占有十分重要的地位，没有发达的银行业，也就没有发达的经济。银行作为金融的一个重要组成部分，对经济的发展起到很大的促进作用，反过来，经济的发展也促进了银行的发展和创新。
国际上对于银行业金融风险研究的重视程度逐渐提到一定高度。银行依存于经济环境，受到一国经济体制、国家经济政策、法律制度、国民经济水平、社会信用观念等的方面的影响，但是最重要的风险还是信用风险。基于信用风险对银行经营和管理的影响程度，国际性的大型商业银行和研究机构都对信用风险度量和管理提出了许多的理论和评估方法，并进行了不断的实践总结。
目前，国外研究和开发的度量信用风险技术方法和模型还存在一定的缺陷，并且由于我国银行业的改革滞后于经济发展，在风险度量和管理方面还很薄弱，因而，研究和发展风险度量模型和方法对于我国银行业具有十分重要的意义。需要不断的推陈出新，联系我国的经济现状找到真正适合我国商业银行的信用风险评估方法。
我国已加入世界贸易组织，这是促进经济发展的好机会，同时也是一项考验，促使我国必须学习国外先进的、科学的信用风险度量和管理方法的同事，结合我国实际情况，发展适合我国银行业的信用风险度量和管理技术，只有这样才能在与国外同行业的竞争中获得比较优势。同时由于信用是市场经济赖以存在和发展的基石，信用风险度量和管理研究对于银行加强信用风险度量和管理、加强银行内控体系建设和风险监管、健全我国的信用制度，构筑严格的国家信用管理体系，进而建立完善的社会主义市场经济体系等方面起到一定的作用。
本文详细研究学习数据挖掘技术，找到它与信用风险评估模型的契合点，运用这门最新的技术来分析国外常用的几个用于信用风险评估的统计模型，多元判别分析模型（MDA）、logit分析模型、近邻法、分类树方法，并联系我国商业银行经营现状，进行适合我国商业银行信用风险评估模型——神经网络的建立和实现。
1