朱 虹 何澤恒

(哈爾濱商業(yè)大學(xué) 計(jì)算機(jī)與信息工程學(xué)院，黑龍江 哈爾濱150028)

一、引言

商業(yè)銀行向多元化發(fā)展的同時(shí)面臨著各種金融風(fēng)險(xiǎn)，其中，信用風(fēng)險(xiǎn)是當(dāng)前主要的金融風(fēng)險(xiǎn)之一，且發(fā)生頻率高。我國(guó)對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估的研究起步較晚，各商業(yè)銀行信用風(fēng)險(xiǎn)的分析與評(píng)估一般都存在以下幾方面問(wèn)題。1. 信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系不全面。2. 企業(yè)提供的財(cái)務(wù)數(shù)據(jù)不準(zhǔn)確、不充分。商業(yè)銀行往往不能從中了解到企業(yè)的真實(shí)經(jīng)營(yíng)狀況。3. 信用風(fēng)險(xiǎn)評(píng)估的方法單一。目前，國(guó)內(nèi)大多數(shù)商業(yè)銀行采用信用評(píng)分法，即選取一些相關(guān)的財(cái)務(wù)指標(biāo)根據(jù)事先確定的分值表打分加總，這種方法主觀性較強(qiáng)。

本文針對(duì)當(dāng)前我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)分析與評(píng)估存在的問(wèn)題并努力克服傳統(tǒng)的純管理模式或純數(shù)學(xué)方法研究的不足，以計(jì)算機(jī)技術(shù)及管理理論為基礎(chǔ)，采用定性分析和定量分析相結(jié)合的研究方法，提出了基于BP 神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估體系的構(gòu)建思路，使其能對(duì)客戶信用風(fēng)險(xiǎn)作出快速、準(zhǔn)確的反應(yīng)。

二、相關(guān)理論

(一) 模糊綜合評(píng)價(jià)法

模糊綜合評(píng)價(jià)法［1］(Fuzzy Comprehensive Evaluation，記為FCE)建立在模糊理論的基礎(chǔ)上，它以隸屬度為橋梁，通過(guò)對(duì)影響評(píng)價(jià)對(duì)象因素的綜合分析，借助經(jīng)驗(yàn)和隸屬函數(shù)將非確定性的問(wèn)題加以量化。具體步驟如下:

1. 建立集合

ⅰ. 評(píng)價(jià)因素集。指影響模糊問(wèn)題因素的集合，用U表示，U={u1，u2，…，un}，其中ui(i =1，2，…，n)表示影響評(píng)價(jià)對(duì)象的因素，也稱為評(píng)價(jià)指標(biāo)，n 為因素的個(gè)數(shù)。

ⅱ. 評(píng)語(yǔ)等級(jí)集合。指評(píng)價(jià)指標(biāo)可能得出的所有評(píng)價(jià)結(jié)果的集合，用V 表示，V ={v1，v2，…，vm}，其中vi(i=1，2，…，m)表示可能得到的一種評(píng)價(jià)結(jié)果，m 為評(píng)價(jià)結(jié)果的個(gè)數(shù)。

2. 建立模糊評(píng)判矩陣(隸屬度矩陣)

模糊評(píng)判矩陣是由單因素模糊向量組成的。單因素模糊向量Ri=(ri1，ri2，…，rij，…，rim)表示針對(duì)單個(gè)因素ui評(píng)價(jià)所得到的v 的模糊向量，也就是說(shuō)，Ri表示評(píng)價(jià)因素ui對(duì)評(píng)語(yǔ)集中各個(gè)評(píng)語(yǔ)vj的隸屬程度。其中rij表示評(píng)價(jià)因素ui對(duì)評(píng)語(yǔ)vj的隸屬度。這里采用專家打分法來(lái)獲取隸屬度，即rij=對(duì)評(píng)價(jià)指標(biāo)ui作出評(píng)語(yǔ)vj的專家人數(shù)/參加評(píng)價(jià)的專家人數(shù)。

3. 計(jì)算各評(píng)價(jià)因素的評(píng)價(jià)值

將評(píng)語(yǔ)等級(jí)集合中的元素?cái)?shù)量化后可看作一個(gè)向量V1×m，則可得到第i 個(gè)評(píng)價(jià)因素的數(shù)值化評(píng)價(jià)值xi=［Ri］1×m·［VT］m×1。

(二) BP 神經(jīng)網(wǎng)絡(luò)算法

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)［2－3］是一種按照誤差逆向傳播的多層前饋式神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)過(guò)程由信號(hào)的正向傳播與誤差的反向傳播組成。

設(shè)BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為n×q×m，網(wǎng)絡(luò)包括輸入層第i 個(gè)神經(jīng)元到隱含層第j 個(gè)單元的權(quán)重wIij(i = 1，2，…，n;j = 1，2，…，q)，隱含層第j 個(gè)神經(jīng)元到輸出層第k 個(gè)神經(jīng)元的權(quán)重wHjk(j = 1，2，…，q;k = 1，2，…，m)，隱含層第j 個(gè)神經(jīng)元的閾值θHj ，以及輸出層第k 個(gè)神經(jīng)元的閾值θOk。非線性激活函數(shù)即sigmoid 函數(shù)為:f(u)=1/(1 +e－u)。算法步驟:

1. 初始化。將網(wǎng)絡(luò)的權(quán)值和閾值的初始值設(shè)置為［0，1］區(qū)間內(nèi)的數(shù)值;

2. 網(wǎng)絡(luò)的正向傳播。設(shè)第p 組數(shù)據(jù)樣本的輸入為xp=(x1p，x2p，…，xnp)，期望輸出為tp= (t1p，t2p，…，tmp)，p = 1，2，…，L，L 表示樣本總數(shù)，則隱含層第j 個(gè)神經(jīng)元的輸出信 息 為:，j = 1，2，…，q;p= 1，2，…，L。

隱含層將輸出信息傳遞到輸出層，得到的最終輸出結(jié)果如下:ykp= f()，k = 1，2，…，m;p =1，2，…，L。

3. 計(jì)算出BP 神經(jīng)網(wǎng)絡(luò)的誤差平方和E。設(shè)第p 組樣本的實(shí)際輸出為:yp= (y1p，y2p，…，ymp)，則網(wǎng)絡(luò)誤差平方和E 可表示為

判斷誤差平方和E 是否收斂于所給的學(xué)習(xí)精度ε，如果E≤ε，則算法結(jié)束，網(wǎng)絡(luò)停止訓(xùn)練，否則繼續(xù)后面的步驟。

4. 誤差反向傳播。從輸出層開始，逐層反向傳播，采用非線性規(guī)劃中的最速下降法。

式中，η 表示步長(zhǎng)值或網(wǎng)絡(luò)學(xué)習(xí)速率，引入η 是為了加快網(wǎng)絡(luò)的收斂速率，通常在權(quán)值修正公式中還增加一個(gè)動(dòng)量參數(shù)a，則第n 次學(xué)習(xí)權(quán)值的修改公式為:

5. 重復(fù)步驟(2)～(4)，直到樣本的輸出誤差滿足預(yù)定的條件，結(jié)束網(wǎng)絡(luò)訓(xùn)練。

三、商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的構(gòu)建

(一) 指標(biāo)體系建立的原則

1. 全面性和重要性相結(jié)合［4］。由于商業(yè)銀行信用風(fēng)險(xiǎn)來(lái)源廣泛，受到多種因素的影響，所以評(píng)價(jià)指標(biāo)的選取應(yīng)全面而充分并且有針對(duì)性地反映度量對(duì)象的運(yùn)營(yíng)狀況。指標(biāo)體系建立的全面性原則主要體現(xiàn)在對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)來(lái)源進(jìn)行劃分與歸類時(shí)，要保證內(nèi)容的充分性，即不應(yīng)遺漏重要的風(fēng)險(xiǎn)來(lái)源因素。重要性原則主要體現(xiàn)在指標(biāo)的選擇要有代表性，應(yīng)選取影響因素中占據(jù)較大比重的那些指標(biāo)。

2. 統(tǒng)計(jì)上的可行性和可操作性?？尚行允侵钢笜?biāo)體系的設(shè)計(jì)應(yīng)從研究實(shí)際條件出發(fā)，要有足夠的信息資料，可以利用必要的人力、物力和切實(shí)可行的量化方法進(jìn)行采集。可操作性要求指標(biāo)體系的設(shè)置避免過(guò)于繁瑣，數(shù)據(jù)容易采集，來(lái)源可靠，適于量化和操作。

3. 定量指標(biāo)與定性指標(biāo)相結(jié)合。定量指標(biāo)較為具體、直觀，可以計(jì)算實(shí)際數(shù)值，而且可以制定明確的評(píng)價(jià)標(biāo)準(zhǔn)，通過(guò)量化表述，達(dá)到令評(píng)估結(jié)果直接、清晰的目的。然而，商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估是一個(gè)多維復(fù)雜系統(tǒng)，不是所有反映商業(yè)銀行信用風(fēng)險(xiǎn)的因素都能夠量化，這就需要設(shè)計(jì)定性指標(biāo)予以反映。

4. 可預(yù)見性。指標(biāo)體系的建立應(yīng)能夠深入挖掘貸款企業(yè)和銀行本身潛在的風(fēng)險(xiǎn)信息，因此評(píng)價(jià)指標(biāo)應(yīng)該能夠體現(xiàn)未來(lái)的發(fā)展趨勢(shì)。

(二) 信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的建立

本文在借鑒國(guó)內(nèi)外有關(guān)文獻(xiàn)相關(guān)指標(biāo)的基礎(chǔ)上，根據(jù)巴塞爾新資本協(xié)議，并遵循以上基本原則，考慮我國(guó)信用風(fēng)險(xiǎn)的特殊性和數(shù)據(jù)的可獲得性，最終選擇了19 個(gè)最具有解釋力的指標(biāo)，建立商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，如圖1 所示。

圖1 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系

四、實(shí)施方案

BP 神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)和獲取知識(shí)的能力，可以很好地處理不確定性問(wèn)題，是一種非線性方法，不帶有明顯的主觀成分和人為因素，使評(píng)價(jià)結(jié)果更客觀、有效。但是，對(duì)于定性指標(biāo)的分析缺乏相應(yīng)的處理能力，而信用風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)具有很大的不易確定性，所以采用模糊綜合評(píng)價(jià)法對(duì)信用風(fēng)險(xiǎn)的定性指標(biāo)進(jìn)行量化。具體實(shí)施方案如下:

1. 進(jìn)行模糊預(yù)處理，運(yùn)用模糊綜合評(píng)價(jià)法把評(píng)價(jià)指標(biāo)體系中的定性指標(biāo)量化。

2. 構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)模型，把經(jīng)模糊處理的輸出和評(píng)價(jià)指標(biāo)體系中原有的定量指標(biāo)值一起作為神經(jīng)網(wǎng)絡(luò)的輸入，學(xué)習(xí)、訓(xùn)練神經(jīng)網(wǎng)絡(luò)。

3. 運(yùn)用測(cè)試樣本對(duì)已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢測(cè)，如果符合要求，則可以投入使用。完成后的系統(tǒng)可以根據(jù)輸出數(shù)據(jù)給出風(fēng)險(xiǎn)建議。

五、結(jié)語(yǔ)

本文圍繞商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估存在的主要問(wèn)題，根據(jù)巴塞爾新資本協(xié)議，以及需要遵循的基本原則，確立了商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型的指標(biāo)體系，并針對(duì)信用風(fēng)險(xiǎn)度量方法存在的不足，采用定性和定量相結(jié)合的方法，即模糊綜合評(píng)價(jià)法和BP 神經(jīng)網(wǎng)絡(luò)算法，對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估進(jìn)行研究，所構(gòu)建的信用風(fēng)險(xiǎn)評(píng)估模型可以幫助銀行決策者根據(jù)客戶所處的不同信用風(fēng)險(xiǎn)等級(jí)，及時(shí)、有效地制定解決措施。希望本文的研究思想、實(shí)現(xiàn)方法能對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究提出有益的參考和借鑒。

［1］李士勇. 工程模糊數(shù)學(xué)及應(yīng)用［M］. 哈爾濱:哈爾濱工業(yè)大學(xué)出版社，2004:96 －108.

［2］魏海坤. 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法［M］.北京:國(guó)防工業(yè)出版社，2005:25 －27.

［3］沈軍彩，徐繼紅. 神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險(xiǎn)評(píng)估應(yīng)用研究［J］.計(jì)算機(jī)仿真，2012，29(3) :255 －256.

［4］王曉晶. 基于AHP 和ANFIS 的商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型研究［D］.華南理工大學(xué)，2011.