基于神经网络的银行个人信用风险评估研究

【摘要】： 信用是市场经济的基础。国家信用、企业信用和个人信用共同构建成了完整的信用体系,完善的信用体系对推动经济的健康运行有着非常重要的意义。个人信用制度是整个社会信用制度的基石,个人信用制度的完善是建立社会市场经济秩序和防范金融风险的有效保证。良好的个人信用体系,可以推动消费信用的迅速发展,扩大内需,拉动经济增长。随着消费信用的进一步发展,个人的信用的评估问题越来越受到金融界和学术界的关注。客观综合评价个人信用,为商业银行发放消费信贷、发展个人金融业务等提供及时有效的决策依据,有效的规避信用风险,是当前金融领域中亟待解决的实际问题,也是学术界所面临的一个严肃而紧迫的研究课题。 本文首先介绍了信用风险评估模型的要求,详细描述了目前国际上普遍采用的三种具有代表性的CreditRisk+,Credit Metrics,KMV信用风险度量模型,并分析了模型各自优缺点。其次介绍了人工神经网络模型的概念,人工神经元的组成和分类,详细描述了前馈神经网络、B-P网络的模型结构及算法的推导。然后结合我国银行的实际情况,讨论了人工神经网络模型应用在我国信用风险评估中,参数的选择和取值,建立了基于人工神经网络的B-P反向传播算法评估模型,并用VC++语言对模型进行了实现。最后,分析仿真实验的结果,并根据建立的模型所需的数据条件,给出了B-P算法应用的优化策略和完善我国个人信用风险评估制度的一些对策建议。