中國商業(yè)銀行貸款風險分析.pdf

1、本文在對我國商業(yè)銀行貸款形成原因進行深入分析的基礎上,針對我國商業(yè)銀行貸款風險管理的特點和貸款風險分類管理的一般流程,建立了商業(yè)銀行貸款風險因素關系框圖模型和貸款風險評價數學模型,并據此闡述了貸款風險評價系統(tǒng)所包括的指標體系構建、貸款風險評價模型函數關系的擬合、風險預警模型的設計三個主要部分具體實現的基本思路.本文在闡述貸款風險評價指標選擇的原則及需要注意的問題的同時,建立了貸款風險評價預選指標集,對每個指標的含義、算法及其作用進行了描

2、述；在討論主成份分析法的基本原理、算法和缺陷的基礎上,確定了改進的方向,進而建立了適用于定量指標選擇的核心指標篩選法(KIMS). 本文在分析神經網絡及人工神經網絡的基本特點的基礎上,重點研究了基于三層單結點輸出BP神經網絡的貸款擔保風險模糊評價和基于三層五結點輸出BP神經網絡的貸款風險分類方法,并將兩重神經網絡進行了耦合,構造了縱向分布雙重疊加式BP神經網絡,實現了對商業(yè)銀行貸款風險的科學評價.本文在討論商業(yè)銀行貸款風險預警的

3、涵義、性質的基礎上,指出了其三方面的局限性,據此對商業(yè)銀行貸款風險預警的涵義進行了重新界定:并在此基礎上著重對灰色系統(tǒng)分析的規(guī)則和GM(1,1)模型的建模機理、預測方法、應用優(yōu)勢、缺陷及改進的必要性和改進方向進行了深入研究,并在此基礎上研究并建立了灰色自校正預測模型,并研究了基于灰色自校正模型SAGM(1,1)的商業(yè)銀行貸款風險預警方法. 本文在對貸款風險管理相關理論和技術方法研究的基礎上,對集成式商業(yè)銀行貸款風險管理系統(tǒng)的風險

4、評估指標體系生成模塊、神經網絡訓練模塊、貸款風險五級分類模塊及貸款風險預警模塊的結構、功能和界面設計進行了深入研究,并在中文Microsoft Windows98的開發(fā)環(huán)境下,用Visual Basic語言,設計和開發(fā)了基于DBP-NN的商業(yè)銀行貸款風險管理集成式決策支持系統(tǒng)的原型,同時利用大量實際數據進行了較為深入的實證研究.實證研究的結果表明,系統(tǒng)的柔性較強,風險識別精度較高,且具有較高的自動化、智能化水平.由于系統(tǒng)嵌入了預測模型,