基于BP网络的小微企业信贷风险评估模型的研究与实现

工程硕士学位论文

摘要 (Ⅰ)

Abstract (Ⅱ)

插图索引 (Ⅰ)

附表索引 (Ⅱ)

第1章绪论 (1)

1.1研究背景及意义 (1)

1.2国内外研究现状 (2)

1.2.1国外研究现状 (2)

1.2.2国内研究现状 (3)

1.3主要研究内容 (6)

1.4论文组织结构 (6)

第2章相关理论概述 (8)

2.1银行信贷风险概述 (8)

2.1.1信贷风险的定义 (8)

2.1.2信贷风险的特征 (8)

2.1.3信贷风险的成因分析 (9)

2.2信用风险评估方法 (10)

2.2.1专家打分法 (10)

2.2.2 KMV模型 (11)

2.2.3 5C要素分析法 (12)

2.2.4财务比率综合分析法 (13)

2.2.5 BP神经网络法 (13)

2.3本章小结 (14)

第3章小微企业信贷风险指标体系设计 (15)

3.1小微企业的界定与特点 (15)

3.2小微企业信用现状 (17)

3.3评价指标的选取原则 (19)

3.4评价指标体系构建 (19)

3.4.1评价指标来源 (20)

3.4.2财务指标 (20)

3.4.3非财务指标 (23)

3.5本章小结 (24)

第4章小微企业信贷风险评估模型实现 (25)

4.1人工神经网络概述 (25)

4.1.1神经网络的基本概念 (25)

4.1.2 BP神经网络 (27)

4.2信贷风险神经网络模型构造 (29)

4.2.1 BP网络结构 (29)

4.2.2评估指标的筛选 (30)

4.2.3权值初始化及训练参数设置 (32)

4.2.4数据归一化处理 (34)

4.3 BP算法实现 (35)

基于BP网络的小微企业信贷风险评估模型的研究与实现

4.3.1 BP算法执行流程 (35)

4.3.2编程实现 (37)

4.4 Logistic回归分析 (38)

4.5本章小结 (41)

第5章实证研究 (42)

5.1智慧软件公司简介 (42)

5.2信贷业务背景分析 (42)

5.2.1公司经营状况 (42)

5.2.2融资要求 (43)

5.2.3还款来源 (44)

5.3信贷风险评估 (44)

5.4对案例的思考 (47)

5.5本章小结 (48)

总结与展望 (49)

参考文献 (51)

致谢 (55)

附录A 攻读学位期间所发表的学术论文目录 (56)

附录B 小微企业信贷风险评价指标构建调查问卷 (57)

摘要

随着经济发展和金融市场的开放，小微企业的信贷需求在逐年增多，然而受企业规模小，经营风险高等影响，小微企业的信贷风险比较高。商业银行针对小微企业信贷风险评价的方法还不成熟，导致小微企业贷款不良率居高不下。论文利用BP神经网络方法建立小微企业信贷风险评估模型，探索新的评估方法，提高商业银行控制小微企业信贷风险的能力。

本文首先回顾了银行信贷风险管理的国内外发展现状，重点探讨小微企业的信用情况以及信贷风险评估的发展现状。其次，根据兰州地区小微企业的发展特点和信用现状，选取23个财务指标和6个非财务指标构建小微企业风险评估指标体系；接着，建立小微企业信贷风险评估的BP神经网络模型，并运用Logistic 模型进行回归分析，选取样本数据进行检验。最后，通过实例验证BP神经网络模型的有效性。

研究结果表明，运用BP神经网络技术可以提高小微企业信贷风险评估的准确性，克服信贷管理过程中不确定性因素的干扰，评估结果科学、客观，为商业银行管理小微企业的信贷风险提供科学依据。

关键词：信贷风险；小微企业；BP神经网络；Logistic回归分析