基于數(shù)據(jù)倉(cāng)庫的銀行信用評(píng)級(jí)模型的構(gòu)建.doc

基于數(shù)據(jù)倉(cāng)庫的銀行信用評(píng)級(jí)模型的構(gòu)建 ，該論文關(guān)于教育,經(jīng)融,證券,理工,建筑,道路,橋梁,公路,機(jī)械。
經(jīng)人工挑選。
適合畢業(yè)生論文寫作。
。
歡迎下載！
基于數(shù)據(jù)倉(cāng)庫的銀行信用 評(píng)級(jí)模型的構(gòu)建 摘要基于數(shù)據(jù)倉(cāng)庫,利用RBF神經(jīng)網(wǎng)絡(luò),建立了銀行信用 內(nèi)部評(píng)級(jí)系統(tǒng),提出了企業(yè)信用主題數(shù)據(jù)模型和風(fēng)險(xiǎn)評(píng)估模 型的訓(xùn)練過程實(shí)證結(jié)果表明,該模型對(duì)銀行信用評(píng)估可取得 較好的效果 關(guān)鍵詞數(shù)據(jù)倉(cāng)庫;神經(jīng)網(wǎng)絡(luò);商業(yè)銀行;信用評(píng)級(jí)
一、引言 近年來,商業(yè)銀行的風(fēng)險(xiǎn)管理成為國(guó)際國(guó)內(nèi)金融界關(guān)注 的焦點(diǎn)商業(yè)銀行在運(yùn)營(yíng)過程中面臨的金融風(fēng)險(xiǎn)主要有信用風(fēng) 險(xiǎn)、利率風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)和操作風(fēng)險(xiǎn)等,其中 信用風(fēng)險(xiǎn)占有特殊的地位信用風(fēng)險(xiǎn)指的是借款人由于種種原 因,不愿或無力償還銀行貸款本息,使銀行貸款無法收回,形 成呆賬損失的可能性在現(xiàn)代商業(yè)銀行經(jīng)營(yíng)中,信用風(fēng)險(xiǎn)是影 響其安全高效運(yùn)營(yíng)的主要原因 1風(fēng)險(xiǎn)管理是一種主動(dòng)的事前行為,而不是事后的補(bǔ)救應(yīng) 通過分析現(xiàn)有的數(shù)據(jù),大量運(yùn)用數(shù)理統(tǒng)計(jì)模型識(shí)別、衡量和 檢測(cè)風(fēng)險(xiǎn),利用大量歷史數(shù)據(jù)建立數(shù)據(jù)倉(cāng)庫,依靠數(shù)據(jù)挖掘手 段了對(duì)數(shù)據(jù)倉(cāng)庫中數(shù)據(jù)信息進(jìn)行深度加工和利用,挖掘出數(shù) 據(jù)模型來預(yù)測(cè)和防范未來的風(fēng)險(xiǎn),進(jìn)行風(fēng)險(xiǎn)量化管理數(shù)據(jù)挖 掘是通過自動(dòng)或半自動(dòng)的工具對(duì)大量的歷史數(shù)據(jù)進(jìn)行探索和 分析的過程,其目的是發(fā)現(xiàn)其中有意義的模式和規(guī)律數(shù)據(jù)挖 掘不是一種現(xiàn)成的產(chǎn)品,而是一門技能數(shù)據(jù)挖掘的建模方法 分為線形回歸、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、遺傳算法和分類樹等 由于我國(guó)商業(yè)銀行目前在處在轉(zhuǎn)軌階段,一方面由于信 息殘缺不全,另一方面由于傳統(tǒng)的統(tǒng)計(jì)方法假定條件的局限 性,使我國(guó)信用風(fēng)險(xiǎn)評(píng)估難以達(dá)到滿意的效果 人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,簡(jiǎn)稱ANN)是2 0世紀(jì)50- 60年代產(chǎn)生,80年代以來發(fā)展起來的一種處理復(fù)雜非線性問 題十分有效的手段,目前已在模式識(shí)別等領(lǐng)域得到廣泛的應(yīng) 用 2現(xiàn)有數(shù)十種神經(jīng)網(wǎng)絡(luò)方法,實(shí)際工作中大都采用BP(Back Propagation)網(wǎng)絡(luò),一些文獻(xiàn)將其應(yīng)用于銀行信用風(fēng)險(xiǎn)評(píng)估 取得了較好的效果但同