排序方式： 共有4条查询结果，搜索用时 0 毫秒
1
1.
随着我国利率市场化的不断推进,商业银行的竞争环境发生变化,如何有效地对商业银行进行风险防控,实现商业银行在大环境下的稳定持续发展是非常重要的.文章以2016-2019年20家商业银行为研究样本,运用因子分析法进行降维,利用特征值计算指标权重,通过加权因子值构造风险指数,以8个评价要素为输入,风险指数为输出,建立了8×15×1的BP神经网络商业银行风险评估与分析模型,通过对原始样本和测试样本进行网络训练和仿真测试,结果表明所构建的BP神经网络能很好地进行风险评估,更重要的是加入“弹性分析”可以进行商业银行风险的影响要素分析.实证分析结果表明:商业银行的流动性、资本充足和不良贷款性指标对风险影响较大,且流动性和资本充足等指标的变动与风险指数呈反向变化,不良贷款率等与风险指数呈正向变化. 相似文献
2.
随着我国利率市场化的不断推进,商业银行的竞争环境发生变化,如何有效地对商业银行进行风险防控,实现商业银行在大环境下的稳定持续发展是非常重要的.文章以2016-2019年20家商业银行为研究样本,运用因子分析法进行降维,利用特征值计算指标权重,通过加权因子值构造风险指数,以8个评价要素为输入,风险指数为输出,建立了8×15×1的BP神经网络商业银行风险评估与分析模型,通过对原始样本和测试样本进行网络训练和仿真测试,结果表明所构建的BP神经网络能很好地进行风险评估,更重要的是加入“弹性分析”可以进行商业银行风险的影响要素分析.实证分析结果表明:商业银行的流动性、资本充足和不良贷款性指标对风险影响较大,且流动性和资本充足等指标的变动与风险指数呈反向变化,不良贷款率等与风险指数呈正向变化. 相似文献
3.
随着我国利率市场化的不断推进,商业银行的竞争环境发生变化,如何有效地对商业银行进行风险防控,实现商业银行在大环境下的稳定持续发展是非常重要的.文章以2016-2019年20家商业银行为研究样本,运用因子分析法进行降维,利用特征值计算指标权重,通过加权因子值构造风险指数,以8个评价要素为输入,风险指数为输出,建立了8×15×1的BP神经网络商业银行风险评估与分析模型,通过对原始样本和测试样本进行网络训练和仿真测试,结果表明所构建的BP神经网络能很好地进行风险评估,更重要的是加入“弹性分析”可以进行商业银行风险的影响要素分析.实证分析结果表明:商业银行的流动性、资本充足和不良贷款性指标对风险影响较大,且流动性和资本充足等指标的变动与风险指数呈反向变化,不良贷款率等与风险指数呈正向变化. 相似文献
1