基于RBF网络的商业银行信用风险控制研究

对信用风险的有效控制与管理，在现代商业银行日常运行过程中具有举足轻重的地位。基于信用风险系统是一个高度复杂的非线性动态系统，利用神经网络的自适应学习、并行分布处理和较强的鲁棒性及容错性等特性，建立基于RBF神经网络的信用风险预测控制模型，从理论上探寻信用风险非线性智能控制。仿真试验表明，信用风险度能被控制在以最佳风险度为中心的一定范围内。因此，该预测控制系统适合于商业银行信用风险的控制。     

基于BP神经网络的P2P网贷借款人信用风险评估研究

近年来我国P2P网络借贷业务快速发展,然而行业内的信用风险也日益凸显,持续性的平台倒闭以及借款人违约等事件屡见不鲜,因而对网贷信用风险的事前有效评估将直接关乎我国网贷行业的未来可持续发展。本文根据网贷业务特点,筛选出对网贷借款人行为具有影响的特征指标,建立网贷借款人信用风险评估指标体系,构建基于BP神经网络的信用风险评估模型,选取拍拍贷和人人贷的借款人交易数据进行训练仿真。实证结果表明BP神经网络模型能较好拟合网络信用环境下对网贷借款人信用风险的评估,模型具备较高的预测准确率,适用于平台和投资者甄选优质借款人。基于实证分析结果,文章进一步提出了规范网贷平台健康可持续发展的对策建议。     

基于机器学习的互联网金融机构信用风险识别

相比传统金融行业,由于网络空间的复杂性,互联网金融的信用风险往往更为显著,因此,预测信贷违约成为控制信用风险、保证相关金融业务或借贷平台正常运行的重要条件。本文基于互联网金融上市公司拍拍贷的大量真实交易数据,经过数据清洗和特征工程,对多种机器学习算法建立融合模型,提升了信用风险预测的准确性。同时,基于人工特征筛选和树模型信息增益的特性,发现用户网络行为特征相比个人信息特征在信用风险的识别中更为有效。最后,本文还针对互联网金融行业的信用风险提出了应对措施与建议。     

基于Hopfield神经网络的信用风险评价模型及其应用

为克服商业银行信用风险评价中所遇到的模糊综合评判失效及警限确定的难题,通过能量极小点的设计,利用Hopfield神经网络记忆与联想功能,建立基于Hopfield神经网络的风险评价模型。将其应用于信用风险评价,网络运行结果可以反映信用风险的当前状态。研究还表明,该模型能在一定程度上反映样本数据的数字特征,适合于信用风险的评价,但其评价能力受记忆容量及样本差异的影响。     

基于博弈视角的银行信用风险研究

基于银行信用风险已经成为我国金融业界最难预测与控制的风险因素以及银行与企业的信贷活动各环节中均存在明显的博弈关系,本文从博弈角度分析论证了信用风险产生的原因并给出防范信用风险的政策建议。     

基于机器学习算法的信用风险量化模型研究

传统的信用风险计量模型难以处理高维数据和非线性问题，多具备较严格的假设条件，计算结果常与实际情形存在较大的误差。本文综合考虑影响信用风险的内生变量和外生变量，使用更优的非线性变换方式拟合数据，并借助机器学习强大的算力和学习迭代优势量化信用风险。实证结果表明，该模型算法可提高预测结果的拟合度和准确性。     

德国公司违约概率预测及其对我国信用风险管理的启示

内部信用评级是新巴塞尔资本协议的核心,而违约概率的预测又是内部评级的基础。本文利用具有出色分类功能的非线性支持向量分类(SVC)方法来预测德国公司的违约概率,识别其信用风险。结果显示,SVC模型的预测能力优于基准的logit模型;而且非线性SVC模型能够捕捉线性logit模型所不能识别的影响信用风险的重要变量。本文虽然分析的是德国公司数据,但是同样对我国商业银行和公司构建全面风险管理体系有着直接的指导意义。     

基于数据挖掘的持卡人信用风险管理研究

目前的信用卡信用风险研究主要是如何提高模型的预测准确率。针对银行信用卡数据的异质性和信用数据的高度非线性,本文提出了对持卡人信用风险管理的混合数据挖掘方法。该方法包含两个阶段,在聚类阶段,样本数据被聚成同质的类,删除孤立点,不一致样本点重置标签,使样本更具有代表性;在分类阶段,基于样本进行训练生成支持向量机分类器法,对待分样本分类。基于实际数据进行了数值实验,并根据各类样本的特点提出了相应的风险管理策略。     

基于BP神经网络的P2P网贷个人信用风险评估

针对我国日益凸显的P2P网络借贷业务的信用风险控制问题,构建一个有效的P2P网贷借款人的信用风险评估模型,以促进我国P2P网贷行业的可持续发展。通过文献资料收集及分析,选取对借款人信用具有影响的指标并量化,建立P2P网贷借款人的信用评估指标体系,构建基于BP神经网络的信用风险评估模型,通过人人贷平台的相关数据进行仿真,验证模型的有效性。仿真结果表明,该模型适用于P2P网贷借款人信用风险评估。     

互联网金融生态圈内融资信用风险仿真评测研究

本文从互联网金融生态圈内借款人的信用风险角度出发,通过融资主体信用风险评测指标体系,依据人人贷平台数据,建立自组织竞争型神经网络预测模型和BP神经网络模型都能适用于互联网金融生态圈内融资主体平台借款人信用风险评估,具有较强的风险预测评估能力。综合运用这两类模型,能对互联网金融生态圈内融资主体可能出现的违约情况进行预警,有效防范风险,增强互联网金融生态圈的信用等级。     

国有商业银行信贷评级模型的构建及实证检验

信贷评级是信贷风险管理的前提,目前我国国有商业银行都采用这一方式管理信贷风险.本文在对国有商业银行当前信用评级方法存在问题和国内外相关研究成果进行分析的基础上,提出了构建国有商业银行内部信用评级模型,提高信贷风险管理水平的建议.作者利用贷款历史数据,通过因子分析和聚类分析等方法构建内部信用评级模型;通过因子分析方法构建的模型使评级指标体系更加科学、合理,避免了反映风险信息的冗余与遗漏;聚类分析使评级模型直接与违约概率挂钩,度量风险的准确性进一步提高.论文最后对模型进行了实证分析,使其有效性得到了检验.     

当前商业银行面临的经营风险及防范策略

风险是指商业银行在经营中由于各种不确定性因素的存在而发生损失的可能性,其产生的原因在于不确定因素的存在.风险并不等于损失,对于一个机制健全、管理先进、内控完善的进取性银行来说,风险更多的是机遇和盈利机会.近年来,我国商业银行在信用风险管理方面取得了显著成效,但产生信用风险的制度性因素并没有消除,贷款资产中隐含的大量信用风险并未完全释放,防止信用风险的内控体系尚不健全.在关注信用风险的同时,对流动性风险、利率风险、职工行为风险,特别是一些员工的善意行为风险亦不能忽视;由于这些行为风险的隐蔽性、突发性及规避手段的缺失,客观上都放大了这些风险的影响.     

基于Logistic回归法的商业银行财务风险预警模型研究

商业银行的稳定健康直接关系到金融体系的稳定和国家经济的发展乃至国家安全。本文在对商业银行财务风险进行深入分析的基础上,通过比较＂经营稳健的商业银行＂和＂经营出现财务风险的商业银行＂在资本充足性、信用、盈利能力、流动性和发展能力五个方面存在显著性差异的指标,采用Logistic回归法构建了一个多指标综合监控的银行财务风险测度模型,以期能够有效地识别风险,通过事前控制确保商业银行的健康稳定发展,平抑经济波动,为实现国民经济的良性循环奠定基础,最终促进我国国民经济沿着良好的态势发展。     

低碳经济背景下我国商业银行信贷行为选择

发展低碳经济是大势所趋,这对商业银行来讲既是机遇又是挑战.我国商业银行应在树立低碳经济理念的同时,进一步强化风险意识,加强低碳信贷业务研判,加大专业人才培养力度,构建低碳信贷审批体系,严控各种信贷风险,以实现自身的健康、可持续发展.     

商业银行信用风险评估的生存分析模型及实证研究

企业发生财务危机,不能归还到期贷款是商业银行信贷资产的主要风险来源,商业银行如何构建恰当的信用风险评估模型来预测企业的财务危机,从而避免这类信用风险的出现就显得尤为重要。本文以我国上市公司为研究对象,结合杜邦分析法建立了基于生存分析的信用风险评估模型,模型对于随机选取的预测样本,其提前1年、2年和3年的预测准确率分别达到86%、72%和68%。通过与Altman模型、Ohlson模型预测结果的比较和鲁棒性检验的结果发现,该模型同时具有可以使用时间序列、无需样本配对、中远期预测能力强和高鲁棒性的特点,这些特点特别对于商业银行中长期信贷风险管理具有较高的应用价值。     

商业银行贷款定价策略和模型设计

建立完善贷款定价体系对商业银行适应利率市场化、增强抵御利率风险具有重大意义。本文从贷款定价理论及其对商业银行重要意义入手,分析我国商业银行贷款定价的现状和难点。作者参照西方发达国家商业银行贷款定价模式,提出了我国商业银行建立完善贷款定价体系的策略和测算模型,即要综合考虑客户的信用风险、综合收益、筹资成本和营运成本以及货币信贷市场变化等因素,从而建立以成本精算、风险量化为基础的价格领导定价测算模型,最后依据客户综合贡献度、计结息周期和利率浮动周期进行修正,最终建立起以市场为导向,以弥补成本为前提,以客户盈利能力为参数的贷款定价机制。     

美国商业银行工商信贷面临的挑战、采取的对策及蕴涵的启示

近年来需求、供给与产品之间的互动,使美国工商信贷市场需求下滑,风险增加,收益下降。此外,次级与衍生市场使银行信贷要接受开放、透明、竞争的交易市场的检验。美国商业银行通过改革商业模式、明确市场定位、完善风险控制、差异信贷产品、强化市场营销和提高操作效率,成功地应对了挑战。美国商业银行在工商信贷市场上所遇到的难题在我国工商信贷市场上也初现端倪。随着我国市场经济改革的深化,国有商业银行应借鉴美国商业银行的实践,构建核心竞争力、完善信用风险管理体系、强化企业信贷经营及优化企业信贷流程,才能赢得工商信贷市场的竞争。     

基于Logistic模型的单个信用资产违约概率预测

在信用风险管理领域,由于中国商业银行信贷数据只满足Logistic模型的要求,因而预测单个信用资产违约率只能以Logistic模型为主线建模。以中国某商业银行1999~2005年的信贷数据为样本,实证分析得出,企业本身、宏观经济、地区及行业四方面因素对企业违约概率存在显著相关性。通过以上述四因素为变量,所构建的预测电力、公路、城镇建设三个行业信用资产违约概率的Logistic模型分析与预测单个信用资产违约的结果来看,四要素模型对中国商业银行的信用风险管理具有参照价值。     

关联企业制度与银行信贷风险的控制和监管

关联企业信贷风险控制在银行信贷管理中十分重要.频频发生的关联企业巨额贷款损失案件暴露出我国现行关联企业制度的缺陷以及我国商业银行关联企业信贷风险控制机制的漏洞.我国亟待借鉴国外经验,强化关联企业信贷风险控制.首先,国家要完善关联企业立法,从法律制度上保障银行债权;其次,商业银行应建立关联企业信贷风险控制机制以及关联企业信贷信息咨询系统,并做好对关联企业贷款的统一授信、贷前调查和财务分析,选择合适的借款主体和担保方式,在借款合同中设置预防性条款,加强贷后管理;最后,银行监管机构要采取措施加强对关联企业信贷风险的监管.     

商业银行新增信贷的统计与时间序列模型研究

为不断改善商业银行流动性和信用风险管理水平,减少商业银行的"亲周期"效应,同时不断提高监管部门货币政策的效果,开展商业银行信贷投放的量化研究非常重要.本文在对某大型商业银行新增贷款进行统计分析的基础上,对贷款规模的变动规律进行了时间序列模型的拟合,并进行了趋势预测和实证检验.研究认为,商业银行信贷投放具有显著的日、周、月不同的概率统计分布特性,时间序列模型可以作为前瞻性的开展信贷规模管理的重要工具.