基于神经网络模型的商业银行信贷风险研究

通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较。研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高。此外,随着验证期限的延长,两种模型的预测精度均下降。BP神经网络预测2015年第四季度不良率仍将小幅上升。