基于BP神经网络的客户信用风险评价
2014-07-19于彤李海东
于彤 李海东
摘 要： 我国商业银行信用风险管理不足，已经严重影响银行的发展，因而银行需要重视客户信用风险评估。分析了银行信用风险的成因及评估存在的问题，从企业的财务情况出发，建立了客户信用风险评估指标体系。随机选取了我国制造业的160个上市公司样本，包括36个ST企业和124个非ST企业，并基于三层BP神经网络对样本进行训练及仿真测试，研究发现BP神经网络适用于信用风险评估，且其准确性优于Logistic回归模型。最后，从银行、企业、政府三个角度出发，对我国商业银行信用风险管理提出了一些建议及对策。
关键词： 信用风险评估； 评估指标体系； 神经网络； 商业银行
中图分类号： TN911?34； F832.1 文献标识码： A 文章编号： 1004?373X（2014）10?0008?04
Abstract： The banks in China shouls pay more attention to the customer credit risk assessment because the commercial bank credit risk management in China is insufficient， which has seriously affected the development of banks. The formation cause of the bank credit risk and the problems existing in the assessment are analyzed. The customer credit risk assessment index system was established on the basis of financial situation of enterprises. The 160 samples in listed companies in Chinese manufacturing industry were selected randomly， including 36 ST companies and 144 non ST companies， and then tested based on three?layer BP neural network training. It is found in the research that the BP neural network is suitable for the credit risk assessment， and its accuracy is better than that of Logistic regression model. Some suggestions and countermeasures to the credit risk management of Chinese commercial banks are put forward.
Keywords： credit risk assessment； assessment index system； neural network； commercial bank
商业银行作为融资机构，为企业、政府及个人提供贷款是其最主要的服务之一，银行客户的存贷款利差是目前我国商业银行的主要收入来源[1]，从而导致信用风险成为我国商业银行面临的最重要风险。
1 概 述
2012年末，我国商业银行不良贷款余额为4 928.5亿元，其中次级贷款为2 176.2亿元，可疑贷款为2 122.4亿元，损失贷款为630.0亿元，银监会强调了风险管理的重要性。
我国法律体系不完备、监管不到位、银行内部控制存在问题、信息不对称等原因，加剧了作为企业债权人银行的风险[2]。目前实行的紧缩性货币政策，使商业银行出现了“钱荒”现象，导致企业融资难。我国商业银行需要提高信用风险评估的技术和准确率，为信用等级较好的企业提供资金，实现资源优化配置。
2004年的新巴塞尔资本协在原有协议基础上进行了修订，其旨在优化风险管理制度和提升国际金融的风险管理能力，鼓励银行根据自身情况不断改进风险评估方法[3?4]。
2 神经网络的理论及算法
人工神经网络是在神经科学的基础上模拟人工智能的一种网络计算系统[5]，BP神经网络（Back?Propagation Neural Network，BP网络）是一种对非线性可微分函数进行权值训练的多层网络，属于多层状型的人工神经网络，由若干层神经元组成，各层的神经元发挥着不同的作用，本文主要利用三层BP神经网络的学习算法进行研究。
3 分 析
3.1 财务指标体系的建立和筛选
由于数据和信息有限，以财务指标为主要参考，利用BP神经网络进行等级分类，建立财务情况的三级指标，如表1所示。
表1 财务情况指标体系
过多相关性太高的指标可能影响评估的准确性，因此要检验指标间的相关性，选取制造业的120家上市公司的财务数据，利用SPSS检验指标的相关性，发现营业收入现金比率与现金流量比之间的相关系数为0.780，流动比率、资产负债率、现金流量比三者之间，营业收入增长率、资本积累率和净资产收益增长率三者之间也存在显著的相关性。
同时借助变差系数（变差系数=[标准差平均值]）进行分析，它能够反映指标的鉴别能力，变差系数较高的指标鉴别能力较强，变差系数较低的指标鉴别能力较弱。
经过对这些指标变差系数的计算，剔除资产负债率、总资产净利率、资本积累率和净资产收益增长率，那么主要的指标有9个：流动比率（X1）、现金流量比（X2）、利息保障倍数（X3）、营业毛利率（X4）、销售净利率（X5）、营业收入现金比率（X6）、应收账款周转率（X7）、总资产周转率（X8）、营业收入增长率（X9）。
3.2 数据的选择及处理
当前我国商业银行信息严重不透明，因此无法获取实际违约公司数据[6]。参考前人的研究及做法[6?8]，将财务状况不正常、极有可能违约的 ST 公司作为违约样本，将财务状况正常的非ST公司作为不违约样本，在此基础之上做简化处理。
为了加快BP神经网络的收敛速度，提高学习训练的效果，将原始指标数据标准化处理到区间[0，1]内。在以上选定的9个指标中，流动比率和资产负债率为非方向型指标（最优值为给定数值，分别为2和0.45，其余指标均为正向指标（值越大越优）。对于正向指标，根据式（1）进行标准化处理；对于非方向型指标，假设最优值为[Xoj]，则根据式（2）完成标准化处理。
4 结 语
我国商业银行应积极响应新巴塞尔协议的要求，提高信用风险评估技术，提高信用评估的准确性，促进银行业风险管理、社会信用体系的建设。不仅应从技术层面来改善，更应该从制度层面上进行整体完善，从而提供制度保障。
银行应借鉴并改进国际先进的信用评估技术，同时还需健全规范内部控制制度、完善信用评估系统、建立合理的激励机制来加强银行的信用风险管理。此外，企业应增强自身的信用意识和社会责任感，并建立企业内部的信用风险管理制度。最后，政府应完善我国的信用体系的法制建设、信息管理建设，发挥信用中介的积极作用。
参考文献
[1] 黄隽，章艳红.商业银行的风险：规模和非利息收入：以美国为例[J].金融研究，2010（6）：79?94.
[2] 席颖.浅析我国商业银行信用风险的防范[J].法制与社会， 2011（12）：110?111.
[3] 王珊珊，吕建.浅析新巴塞尔协议及其对我国银行的影响[J].时代金融，2011（12）：80?81.
[4] 金贝杯.简述新巴塞尔协议对旧巴塞尔协议国际银行监管思想的发展[J].金融天地，2011（2）：134?135.
[5] BAESENS B， SETIONO R， MUES C， et al. Using neural network rule extraction and decision tables for credit?risk evaluation [J]. Management Science， 2003， 49（3）： 312?329.
[6] 张能福，张佳.改进的KMV 模型在我国上市公司信用风险度量中的应用[J].预测，2010（5）：50?54.
[7] 吴松，张冬鹏，胡煊.一种预定义规则的数据挖掘方法在商业银行审计中的应用[J].信息系统工程，2012（1）：34?35.
[8] 李颖超.商业银行基于KMV模型对上市公司客户信用风险度量研究[D].重庆：西南政法大学，2012.
[9] 罗晓光，刘飞虎.基于Logistic回归法的商业银行财务风险预警模型研究[J].金融发展研究，2011（11）：57?61.
[10] 张传新，王光伟.基于主成分分析和Logit模型的商业银行引用风险度量研究[J].西部经济管理论坛，2012，23（4）：17?23.
[11] 梁硕.商业银行信用风险模型研究[D].北京：首都经济贸易大学，2011.
3.2 数据的选择及处理
当前我国商业银行信息严重不透明，因此无法获取实际违约公司数据[6]。参考前人的研究及做法[6?8]，将财务状况不正常、极有可能违约的 ST 公司作为违约样本，将财务状况正常的非ST公司作为不违约样本，在此基础之上做简化处理。
为了加快BP神经网络的收敛速度，提高学习训练的效果，将原始指标数据标准化处理到区间[0，1]内。在以上选定的9个指标中，流动比率和资产负债率为非方向型指标（最优值为给定数值，分别为2和0.45，其余指标均为正向指标（值越大越优）。对于正向指标，根据式（1）进行标准化处理；对于非方向型指标，假设最优值为[Xoj]，则根据式（2）完成标准化处理。
4 结 语
我国商业银行应积极响应新巴塞尔协议的要求，提高信用风险评估技术，提高信用评估的准确性，促进银行业风险管理、社会信用体系的建设。不仅应从技术层面来改善，更应该从制度层面上进行整体完善，从而提供制度保障。
银行应借鉴并改进国际先进的信用评估技术，同时还需健全规范内部控制制度、完善信用评估系统、建立合理的激励机制来加强银行的信用风险管理。此外，企业应增强自身的信用意识和社会责任感，并建立企业内部的信用风险管理制度。最后，政府应完善我国的信用体系的法制建设、信息管理建设，发挥信用中介的积极作用。
参考文献
[1] 黄隽，章艳红.商业银行的风险：规模和非利息收入：以美国为例[J].金融研究，2010（6）：79?94.
[2] 席颖.浅析我国商业银行信用风险的防范[J].法制与社会， 2011（12）：110?111.
[3] 王珊珊，吕建.浅析新巴塞尔协议及其对我国银行的影响[J].时代金融，2011（12）：80?81.
[4] 金贝杯.简述新巴塞尔协议对旧巴塞尔协议国际银行监管思想的发展[J].金融天地，2011（2）：134?135.
[5] BAESENS B， SETIONO R， MUES C， et al. Using neural network rule extraction and decision tables for credit?risk evaluation [J]. Management Science， 2003， 49（3）： 312?329.
[6] 张能福，张佳.改进的KMV 模型在我国上市公司信用风险度量中的应用[J].预测，2010（5）：50?54.
[7] 吴松，张冬鹏，胡煊.一种预定义规则的数据挖掘方法在商业银行审计中的应用[J].信息系统工程，2012（1）：34?35.
[8] 李颖超.商业银行基于KMV模型对上市公司客户信用风险度量研究[D].重庆：西南政法大学，2012.
[9] 罗晓光，刘飞虎.基于Logistic回归法的商业银行财务风险预警模型研究[J].金融发展研究，2011（11）：57?61.
[10] 张传新，王光伟.基于主成分分析和Logit模型的商业银行引用风险度量研究[J].西部经济管理论坛，2012，23（4）：17?23.
[11] 梁硕.商业银行信用风险模型研究[D].北京：首都经济贸易大学，2011.
3.2 数据的选择及处理
当前我国商业银行信息严重不透明，因此无法获取实际违约公司数据[6]。参考前人的研究及做法[6?8]，将财务状况不正常、极有可能违约的 ST 公司作为违约样本，将财务状况正常的非ST公司作为不违约样本，在此基础之上做简化处理。
为了加快BP神经网络的收敛速度，提高学习训练的效果，将原始指标数据标准化处理到区间[0，1]内。在以上选定的9个指标中，流动比率和资产负债率为非方向型指标（最优值为给定数值，分别为2和0.45，其余指标均为正向指标（值越大越优）。对于正向指标，根据式（1）进行标准化处理；对于非方向型指标，假设最优值为[Xoj]，则根据式（2）完成标准化处理。
4 结 语
我国商业银行应积极响应新巴塞尔协议的要求，提高信用风险评估技术，提高信用评估的准确性，促进银行业风险管理、社会信用体系的建设。不仅应从技术层面来改善，更应该从制度层面上进行整体完善，从而提供制度保障。
银行应借鉴并改进国际先进的信用评估技术，同时还需健全规范内部控制制度、完善信用评估系统、建立合理的激励机制来加强银行的信用风险管理。此外，企业应增强自身的信用意识和社会责任感，并建立企业内部的信用风险管理制度。最后，政府应完善我国的信用体系的法制建设、信息管理建设，发挥信用中介的积极作用。
参考文献
[1] 黄隽，章艳红.商业银行的风险：规模和非利息收入：以美国为例[J].金融研究，2010（6）：79?94.
[2] 席颖.浅析我国商业银行信用风险的防范[J].法制与社会， 2011（12）：110?111.
[3] 王珊珊，吕建.浅析新巴塞尔协议及其对我国银行的影响[J].时代金融，2011（12）：80?81.
[4] 金贝杯.简述新巴塞尔协议对旧巴塞尔协议国际银行监管思想的发展[J].金融天地，2011（2）：134?135.
[5] BAESENS B， SETIONO R， MUES C， et al. Using neural network rule extraction and decision tables for credit?risk evaluation [J]. Management Science， 2003， 49（3）： 312?329.
[6] 张能福，张佳.改进的KMV 模型在我国上市公司信用风险度量中的应用[J].预测，2010（5）：50?54.
[7] 吴松，张冬鹏，胡煊.一种预定义规则的数据挖掘方法在商业银行审计中的应用[J].信息系统工程，2012（1）：34?35.
[8] 李颖超.商业银行基于KMV模型对上市公司客户信用风险度量研究[D].重庆：西南政法大学，2012.
[9] 罗晓光，刘飞虎.基于Logistic回归法的商业银行财务风险预警模型研究[J].金融发展研究，2011（11）：57?61.
[10] 张传新，王光伟.基于主成分分析和Logit模型的商业银行引用风险度量研究[J].西部经济管理论坛，2012，23（4）：17?23.
[11] 梁硕.商业银行信用风险模型研究[D].北京：首都经济贸易大学，2011.
