基于人工神经网络的商业银行个人信用风险控制模型

【摘要】： 21世纪以来我国的个人商业信用也得到了巨大的发展:房价的一路飙升,使大多数城市的市民只能通过在银行等金融机构的按揭贷款来购买房屋;教育贷款也使许多贫困地区的考生顺利入学;而个人消费信贷则已经成为我国拉动内需,促进经济增长的重要手段。因此,如何对个人商业信用风险实施有效的风险管理也成为我国金融机构所亟待解决的课题。 传统的信用风险评估与管理方法来源于对企业信用风险管理,因此难以适用个人信用风险的评估和控制。与企业相比,个人信用风险识别、评估与管理存在较大的局限性:例如有些方法的主观因素、结果波动性较大等,这都对评估结果的准确性有着很大的影响。本文选用神经网络模型,通过模型的学习借鉴以及分析个人信用特有的信用风险因素后,发现能减少这些问题发生的机会,对个人信用做出相对准确的评价。本文首先结合我国现在的社会经济发展情况,对个人信用风险影响因素进行识别并建立个人信用风险的指标体系;然后利用因子分析法对数据进行处理、选取BP算法建立神经网络模型;最后使用模型对所选指标数据进行计算得出个人信用风险的预测综合指标。给我国商业银行个人信用风险管理提供一定的决策支持。