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。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景

1.2论文题目选取

1.3研究思路方法以及论文结构

1.3.1研究思路、方法

1.3.2论文结构

1.4论文创新点

第二章信用风险综述

2.1信用风险的概念

2.1.1信用的概念

2.1.2信用风险的定义

2.2信用风险的成因

2.2.1从信息不对称看信用风险的成因

2.2.2信用风险的制度性成因

2.3商业银行信用风险的特征

第三章信用风险管理综述及人工神经网络介绍

3.1信用风险评估理论及方法综述

3.1.1信用风险管理理论方面的研究成果

3.1.2商业银行信用风险评估方法研究综述：

3.2人工神经网络概述

3.2.1人工神经网络概念及其发展状况

4.2.2人工神经网络模型的结构和特点

第四章我国个人商业信用的发展及其风险管理

4.1我国个人商业信贷的发展情况

4.1.1中国古代的信用以及信用机构的发展

4.1.2信托业务在中国的兴起和发展情况

4.1.3入世后给国内商业银行带来的新挑战——个人商业信贷迅速发展

4.2我国个人商业信用风险管理的现状

第五章神经网络模型在信用风险控制中的应用

5.1个人信用风险指标的识别及指标体系的建立

5.1.1个人信用风险因素识别

5.1.2个人信用评级指标体系的设置原则

5.1.3指标体系的建立

5.2数据预处理-因子分析法

5.2.1因子分析模型及相关概念

5.2.2因子分析的基本步骤

5.3个人信用风险的神经网络模型建立

5.3.1BP网络模型结构

5.3.2BP神经网络模型的训练过程

5.3.3BP神经网络模型在个人信用风险评估中的应用

第六章结论

6.1本文主要结论

6.2创新及有待进一步研究的问题

参考文献：

附录1：MATLAB7.0 模拟个人信用风险评估BP神经网络代码

致谢

研究成果及发表的学术论文

作者和导师简介