摘要
识别和度量企业的违约风险是银行风险管理中很重要的一项工作。目前企业违约判别模型离实际应用还具有一定差距,表现在:1)模型所使用的样本基本都是配对模式,不能代表整体样本;2)很少直接引入影响违约的定性指标,如行业,地区和规模;3)没有考虑到误判损失的非对称性。针对上述问题,本文应用前向BP网络针对某国有商业银行的2003年全部有效的短期贷款企业的财务数据,引入了定性指标,采用全样本进行训练,最后确定使误判损失最小的切割点,这样就得到优化的神经网络模型。
To date, using models to predict whetther firm＇s default is still a problem. It shows as follows： a. most models using pair wise pattern; b. lack of qualitative indexes that affect firm＇s default; c. asymmetric misclassification loss between normal firm and default firm. So, introducing qualitative indexes, using all samples and considering misclassification loss, this paper builds a neural network model on short-term-loan data. Though training, and testing, its performance is good.
出处
《中国管理科学》
CSSCI
2006年第5期104-108,共5页
Chinese Journal of Management Science
基金
国家自然科学基金项目(70171005)
国家十五攻关项目(2001BA102A06-07-01)
关键词
神经网络
定性指标
误判损失
neural network
qualitative indexes
misclassification loss
