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

《基于數(shù)據(jù)倉庫的銀行信用評(píng)級(jí)模型的構(gòu)建》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于數(shù)據(jù)倉庫的銀行信用評(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)管理成為國際國內(nèi)金融界關(guān)注的焦點(diǎn)商業(yè)銀行在運(yùn)營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)營中,信用風(fēng)險(xiǎn)是影響其安全高效運(yùn)

2、營的主要原因12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、衡量和檢測風(fēng)險(xiǎn),利用大量歷史數(shù)據(jù)建立數(shù)據(jù)倉庫,依靠數(shù)據(jù)挖掘手段了對(duì)數(shù)據(jù)倉庫中數(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

3、局限性,使我國信用風(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,簡稱ANN)是20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12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(BackPropagation)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時(shí)BP網(wǎng)絡(luò)也存在局限性:由于BP網(wǎng)絡(luò)用于函數(shù)逼近時(shí),權(quán)值的調(diào)整是用梯度下降法,存在局部極小和收斂速度慢的問題;已學(xué)習(xí)好的網(wǎng)絡(luò)的推廣(泛化)問題;網(wǎng)絡(luò)的隱含節(jié)點(diǎn)個(gè)數(shù)的選取尚缺少統(tǒng)一而完整的理論

4、指導(dǎo)等而RBF(RadialBasisFunction)網(wǎng)絡(luò)在逼近能力、分類能力和學(xué)習(xí)速度等方面均優(yōu)于BP網(wǎng)絡(luò)利用RBF網(wǎng)絡(luò)來完成函數(shù)逼近任務(wù),并且將結(jié)果與BP網(wǎng)絡(luò)以及采用改進(jìn)BP算法的前向網(wǎng)絡(luò)的訓(xùn)練結(jié)果作比較,發(fā)現(xiàn)RBF網(wǎng)絡(luò)所用的時(shí)間最短本文將結(jié)合數(shù)據(jù)倉庫與RBF神經(jīng)網(wǎng)絡(luò)構(gòu)建銀行信用內(nèi)部評(píng)級(jí)系統(tǒng)二、數(shù)據(jù)倉庫12數(shù)據(jù)倉庫并非是一個(gè)僅僅存儲(chǔ)數(shù)據(jù)的簡單信息庫,因?yàn)檫@實(shí)際上與傳統(tǒng)數(shù)據(jù)庫沒有兩樣數(shù)據(jù)倉庫實(shí)際上是一個(gè)“以大型數(shù)據(jù)管理信息系統(tǒng)為基礎(chǔ)的,附加在這個(gè)數(shù)據(jù)庫系統(tǒng)之上的,存儲(chǔ)了從企業(yè)所有業(yè)務(wù)數(shù)據(jù)庫中獲取的綜合數(shù)據(jù),并能利用這些綜合數(shù)據(jù)為用戶提供經(jīng)過處理后的有用信息的應(yīng)用系統(tǒng)”

5、如果說傳統(tǒng)數(shù)據(jù)庫系統(tǒng)的重點(diǎn)與要求是快速、準(zhǔn)確、安全、可靠地將數(shù)據(jù)存進(jìn)數(shù)據(jù)庫中的話,那么數(shù)據(jù)倉庫的重點(diǎn)與要求就是能夠準(zhǔn)確、安全、可靠地從數(shù)據(jù)庫中取出數(shù)據(jù),經(jīng)過加工轉(zhuǎn)換成為有規(guī)律的信息之后,再供管理人員進(jìn)行分析使用數(shù)據(jù)倉庫必須隨時(shí)間變化而不斷增加新的內(nèi)容,進(jìn)行新的分析和綜合一方面,數(shù)據(jù)倉庫中需要不斷捕捉信息系統(tǒng)中變化的數(shù)據(jù),將它們追加到數(shù)據(jù)倉庫中;另一方面,數(shù)據(jù)倉庫中包含大量的綜合數(shù)據(jù),這些綜合數(shù)據(jù)中很多是和時(shí)間有關(guān)的需要隨時(shí)間變化不斷進(jìn)行綜合就信用評(píng)級(jí)而言,委員會(huì)規(guī)定商業(yè)銀行要隨時(shí)跟蹤客戶財(cái)務(wù)狀況的變化,至少每年對(duì)客戶進(jìn)行一次評(píng)級(jí)因此,數(shù)據(jù)倉庫也要隨時(shí)變化利用上1年的企業(yè)評(píng)

6、級(jí)數(shù)據(jù)及專家對(duì)評(píng)級(jí)的調(diào)整,建立和調(diào)節(jié)評(píng)級(jí)模型,來預(yù)測分析客戶今年的評(píng)級(jí)情況數(shù)據(jù)模型的訓(xùn)練過程見圖1540)this.width=540"space="0"12三、RBF神經(jīng)網(wǎng)絡(luò)徑向基函數(shù)網(wǎng)絡(luò)是單隱層的3層前向網(wǎng)絡(luò),輸入層節(jié)點(diǎn)傳遞輸入信號(hào)到隱層,隱層節(jié)點(diǎn)的基函數(shù)對(duì)輸入信號(hào)在局部產(chǎn)生響應(yīng),當(dāng)輸入信號(hào)逼近基函數(shù)的中央范圍時(shí),隱層節(jié)點(diǎn)將產(chǎn)生較大的輸出由此可見,RBF網(wǎng)絡(luò)具有局部逼近能力其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示作為基函數(shù)的形式,有下列幾種:540)this.width=540"space="0"540)this.width=5

7、40"space="0"四、數(shù)據(jù)模型12數(shù)據(jù)倉庫中數(shù)據(jù)的采集需要從各種業(yè)務(wù)應(yīng)用系統(tǒng)和管理信息系統(tǒng)中獲取,如交易系統(tǒng)、信貸管理信息系統(tǒng)、客戶關(guān)系管理信息系統(tǒng)(CRM)等系統(tǒng)抽取數(shù)據(jù),然后按照統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn),經(jīng)過ETL(抽取、轉(zhuǎn)換和加載)放入數(shù)據(jù)倉庫的企業(yè)信用主題系統(tǒng)中存儲(chǔ)、展示在數(shù)據(jù)倉庫中可以根據(jù)需要,建立多個(gè)應(yīng)用主題,其中根據(jù)信用評(píng)級(jí)的需要建立的企業(yè)信用主題中的數(shù)據(jù)模型如下:在銀行信用評(píng)估中,多采用指標(biāo)打分法,影響客戶信用評(píng)級(jí)的指標(biāo)有很多在本文中采用反映客戶財(cái)務(wù)狀況、經(jīng)營狀況最客觀、最主要的6個(gè)指