授信風(fēng)險(xiǎn)限額的人工神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)

1、1載《數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究》，2007年第3期授信風(fēng)險(xiǎn)限額的人工神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)沈利生1王恒2（1.華僑大學(xué)數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所、中國(guó)社會(huì)科學(xué)院數(shù)量經(jīng)濟(jì)與技術(shù)經(jīng)濟(jì)研究所，2.華僑大學(xué)商學(xué)院；）2006年8月【摘要摘要】本文利用人工神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)銀行的授信風(fēng)險(xiǎn)限額，藉以總結(jié)既有授信限額數(shù)據(jù)中的內(nèi)含規(guī)律，以便銀行提高授信工作水平，降低經(jīng)營(yíng)風(fēng)險(xiǎn)。文中同時(shí)給出了線性經(jīng)濟(jì)計(jì)量模型的檢驗(yàn)結(jié)果。通過(guò)兩種模型檢驗(yàn)結(jié)果的比較，得出了若干意味深長(zhǎng)、富

2、有啟發(fā)性的結(jié)論。關(guān)鍵詞關(guān)鍵詞授信風(fēng)險(xiǎn)限額人工神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)中圖分類號(hào)中圖分類號(hào)文獻(xiàn)標(biāo)識(shí)碼文獻(xiàn)標(biāo)識(shí)碼TestCreditCommittingLimitationUsingArtificialNeuralwkModelAbstract：Thispapermakesuseofartificialneuralwkmodeltotestbanks’creditcommittinglimitationsothatsummarizingunderl

3、yingrulesincurrentcreditcommittingdatahelpingtoimprovebanks’creditcommittingbusinessreducebusinessrisk.Thispaperalsopresentsthetestresultmadebylineareconometricmodel.Bycomparingdifferenttestresultsmadebytwokindsofmodelst

4、hispaperpresentssomesignificantconclusions.KeyWds:CreditCommittingLimitation；ArtificialNeuralwk；ModelTest一、引言一、引言長(zhǎng)期以來(lái)，無(wú)論是在理論研究中還是在實(shí)際應(yīng)用中，有關(guān)商業(yè)銀行的信用風(fēng)險(xiǎn)管理大多集中在企業(yè)信用風(fēng)險(xiǎn)評(píng)估以及風(fēng)險(xiǎn)控制方面，而對(duì)于授信風(fēng)險(xiǎn)限額的確定，主要依賴于管理者的經(jīng)驗(yàn)積累，以定性分析為主，定量研究則在現(xiàn)有的文獻(xiàn)當(dāng)中至

5、為罕見(jiàn)。有鑒于此，本文嘗試?yán)萌斯ど窠?jīng)網(wǎng)絡(luò)模型，檢驗(yàn)銀行的授信風(fēng)險(xiǎn)限額，以便為銀行制定正確的授信風(fēng)險(xiǎn)限額或修正既有的風(fēng)險(xiǎn)限額提供參考意見(jiàn)，以提高銀行的授信工作水平，降低經(jīng)營(yíng)風(fēng)3?nxinw圖1人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元的輸入和輸出人工神經(jīng)網(wǎng)絡(luò)神經(jīng)元的輸入輸出關(guān)系可用以下函數(shù)描述：，????njjijixwI1?)(iIfY?式中，是神經(jīng)元的計(jì)算過(guò)程，其中是神經(jīng)元的第j(j=1…n)個(gè)輸入，是連接iIjxiIijw到的其他神經(jīng)元與之間的權(quán)重值，是

6、該神經(jīng)元的閾值，也稱激活值。閾值為非常數(shù)，iIiI?隨神經(jīng)元的興奮程度而變。是激活函數(shù)，常用激活函數(shù)有三種形式：閾值型、)(?fS（sigmoid）型、線性型。Y是神經(jīng)元的輸出。神經(jīng)元是一種多輸入、單輸出元件，具iI有非線性的輸入、輸出特性，且具有可塑性，其塑性變化主要取決于連接權(quán)值的變化，神經(jīng)元的輸出是各個(gè)輸入值綜合作用的結(jié)果，輸入值為正值時(shí)為興奮型，輸入值為負(fù)值時(shí)為抑制型。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，由輸入層、隱含層、輸出層組成。每

7、層有多個(gè)節(jié)點(diǎn)（即神經(jīng)元），下層的每個(gè)神經(jīng)元與上層的每個(gè)神經(jīng)元都實(shí)現(xiàn)全連接，用箭頭表示，每個(gè)箭頭帶有一定的連接權(quán)值，層內(nèi)各神經(jīng)元間無(wú)連接。輸入層隱含層輸出層X(jué)1〇〇〇Y1X2〇〇〇Y2……Xn〇〇〇Ym輸入X權(quán)值wij權(quán)值wij輸出Y圖2人工神經(jīng)網(wǎng)絡(luò)示意圖人工神經(jīng)網(wǎng)絡(luò)需要經(jīng)過(guò)“訓(xùn)練”才能使用。訓(xùn)練過(guò)程就是學(xué)習(xí)、記憶、不斷修正神經(jīng)元之間連接權(quán)值的過(guò)程。人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)由四個(gè)過(guò)程組成：（1）輸入由輸入層經(jīng)中間隱含層向輸出層的“模式順傳播”過(guò)