基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

商业银行信用风险评估模型比较研究

信用风险评估是商业银行信用风险管理的首要工作和关键环节,信用风险的量化和模型化是现今信用风险研究的主要趋势,随着对信用风险评估模型领域的探索研究不断地深入,建立适合我国国情的商业银行信用风险评估模型刻不容缓.通过对西方商业银行信用风险评估模型的比较研究,指出其特征和优缺点,以期为我国商业银行信用风险评估模型的建立提供借鉴和参考.     

基于BP-KMV模型的商业银行信用风险评价研究

建立BP神经网络和KMV模型相结合的BP-KMV信用风险评价模型,并选择上市的49家样本公司的财务数据和股价水平对BP-KMV模型进行实证分析,将结果与商业银行现行的评价结果相比较,表明BP-KMV模型更符合实际情况。进一步发现评价结果的差异体现在信用度相对较高、风险相对较大的区域。     

我国上市区域性股份制商业银行的信用风险预警模型及实证研究

信用风险特别是信贷风险,是我国上市区域性股份制商业银行当前面临的主要风险。因此,如何构建恰当的信用风险模型来预测信用风险的大小从而避免这类风险的发生,对我国上市区域性股份制商业银行来说就显得尤为重要。信用风险预警模型将影响信用风险的多种因素通过所考察的指标自身的变化来反映,考察的因素较为全面,模拟较为准确,这对于商业银行的信贷风险管理具有一定的应用价值。     

基于神经网络的商业银行信用风险研究

针对商业银行信用风险的性质和借款人财务指标的非线性、高度相关性、不成正态分布等,利用人工神经网络能模拟人的部分形象思维能力能较好地处理非线性问题,信息的并行分布式处理与存储,可以多输入、多输出,能进行学习以适应环境的变化等特点,构建商业银行信用风险神经网络模型。该神经网络模型由输入层、隐层和输出层三部分组成,输出结果表明,利用三层隐节点的神经网络模型能达到理想的输出结果,比传统的信用风险管理方法有较高的预测精度。     

基于决策树技术的建筑企业信用评价研究

在决策树理论的指导下,通过信息增益的应用和公式的构造获取属性重要程度评价值,结合决策树的C5.0算法得到建筑企业的信用评价模型.经过对该模型进行测试和评价,取得了较好的预测效果.     

我国商业银行信用风险管理对策研究

信用风险管理是针对交易对手、借款人或债券发行人的违约可能性进行管理.我们应借鉴国际银行业信用风险管理经验,针对当前国内商业银行信用风险管理存在的问题,完善银行内部控制机制,开发信用风险计算模型,健全信用管理和评级机构,创新信用风险管理工具,完善有关信用风险管理的法律体系.     

内部评级法与我国商业银行信用风险管理

从上世纪九十年代中后期开始,我国商业银行的信用风险管理工作取得了一定的成绩。但是,还存在着很多的问题,诸如信用风险管理的技术还很不成熟、没有严格意义上的独立的风险管理部门和专职的风险经理来管理信用风险、并独立承担风险管理职责等,与内部评级法的要求存在较大的差距。为适应《巴塞尔新资本协议》中内部评级法的要求、加强信用风险管理能力,我国的商业银行应努力做好数据库的建设、信用风险模型的开发、加快金融改革,为信用衍生产品的推出创造良好的环境。     

物流金融信用风险评估模型构建研究

物流金融业务不仅可以解决制造企业的融资瓶颈问题,推动物流企业的业务拓展,还可以为银行业的金融创新提供条件。但是这种新兴的业务在给商业银行提供诸多利益的同时,也带来了一定的信用风险。文章分析了物流金融信用风险的影响要素,构建了物流金融信用风险评价指标体系,在此基础上建立了物流金融信用风险评估模型。     

基于改进蚁群算法的商业银行信用风险评估方法

对原蚁群算法的转移概率和信息素更新机制进行改进,并首次将蚁群算法应用于商业银行的信用风险评估问题,取得满意的结果。通过将计算结果与回归分类算法、判别分析和遗传规则进行比较,表明应用该算法解决商业信用风险问题更加有效。     

国有商业银行信贷风险成因浅析

本文根据我国国有商业银行的现状，从信息经济学理论和政府行为分析等角度，阐述了我国国有商业银行信贷风险的成因，即：经济环境中的不确定性、银企双方（委托人——代理人）信息的不对称性以及政府的干预行为，并从同样的角度进一步分析，提出了有效防范国有商业银行信贷风险的具体措施     

中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等。通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况。在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果。上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平。     

一种基于神经网络和决策树的信用评估新方法

分析了数据挖掘在国内外金融领域的应用及研究现状,提出了一种基于神经网络和决策树相结合的信用评估新方法。该方法通过RBF神经网络,进行条件属性裁减,并利用决策树抽取出评估规则。此方法利用神经网络的“黑箱”工作特性,选择重要条件属性,并利用决策树自动生成评估规则,大大提高了信用评估的效率和客观性。     

我国商业银行信用风险的度量与控制

本文根据《新的资本充足率框架》的基本原则及巴塞尔银行监管委员会推荐的确定资本金的VaR方法,把CreditMetrics~(TM)的基本原理同我国商业银行的信贷管理实践相结合,研究了适合我国商业银行贷款特点的内部信用风险管理的基本框架,对我国加入WTO以后实现与国际商业银行信用风险管理接轨具有现实的指导意义。     

论国有商业银行的信贷风险管理

国有商业银行信贷风险事关国家金融安全与稳定。当前,国有商业银行信贷资产质量呈"三高、三差"特点,且信贷风险暴露尚不充分。从国有商业银行信贷风险的形成机理来看,既有行政干预、企业逃废债、金融市场发展滞后等外部因素,也有银行风险管理水平不高、机制不健全、员工素质不高等内部原因。治理国有商业银行的信贷风险,必须引入全面风险管理的理念,从外部环境治理和内部管理多个层面实施全方位的综合治理。     

商业银行信用风险管理决策程序再造

以金融风险管理基本流程为基础,分析了我国商业银行信用风险管理决策程序的现状。研究表明,我国商业银行现行信用风险管理决策程序整体上尚欠完整,部分决策环节在功能实现方面也存在不足。针对以上情况,本文设计了商业银行信用风险管理决策程序的理想模式,并对各决策环节的功能进行了详细定义。