基于BP-DS模型的銀行物流金融信用風(fēng)險研究

1、.基于BP-DS模型的銀行物流金融信用風(fēng)險研究-金融銀行論文基于BP-DS模型的銀行物流金融信用風(fēng)險研究 潘永明 PAN Yong-ming；劉輝輝 LIU Hui-hui；朱茂東 ZHU Mao-dong（天津理工大學(xué)管理學(xué)院，天津 300384）（School of Management，Tianjin University of Technology，Tianjin 300384，China）摘要： 本文采用了一種將證據(jù)理論與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的信息融合算法，該方法集中了兩種算法的優(yōu)勢使得計算結(jié)果更加準確，為眾多商業(yè)銀行帶來切實的利益。Abstract: This paper uses

2、the information fusion algorithm by the combination of evidence theory and BP neural network, this approach focuses the advantages of the two algorithms to make the results more accurate and bring tangible benefits for many commercial banks.關(guān)鍵詞： 物流金融；信用風(fēng)險；BP網(wǎng)絡(luò)；證據(jù)理論Key words: logistic finance；credit

3、risk；BP network；evidence theory 中圖分類號：F252 文獻標(biāo)識碼：A 文章編號：1006-4311（2015）06-0016-020 引言中小企業(yè)作為中國經(jīng)濟快速發(fā)展的生力軍，貸款難一直是制約其快速進步的最主要的因素。近年來物流業(yè)大發(fā)展也使得以運輸、倉儲為主的傳統(tǒng)經(jīng)營不再能滿足其對利益的追逐。另外，物流金融作為商業(yè)銀行的重要創(chuàng)新，成為其在激烈的同行業(yè)競爭中取勝的必然選擇。綜上，物流金融勢必成為中小企業(yè)、物流企業(yè)、商業(yè)銀行多方關(guān)注，謀求共贏的一種發(fā)展趨勢。最早的物流金融概念是由浙江大學(xué)的鄒小芃和唐元琦于2004年提出。他們認為物流金融就是面向物流運營的全過程，應(yīng)用

4、各種金融產(chǎn)品，實施物流、資金流、信息流的有效整合，有效地組織和調(diào)劑供應(yīng)鏈運作過程中的貨幣資金的運動1。作為一種委托代理關(guān)系，信用是其健康運作的基礎(chǔ)，信用風(fēng)險則成為商業(yè)銀行所面臨的首要風(fēng)險。由于物流金融業(yè)務(wù)的特殊性，其表現(xiàn)出與傳統(tǒng)信貸相比更為復(fù)雜的信用風(fēng)險，傳統(tǒng)意義的信用風(fēng)險評價指標(biāo)體系和評價模型將會失靈，建立一整套科學(xué)進步、基于物流金融融資模式的信用風(fēng)險評價體系就顯得尤為重要。本文通過將信用風(fēng)險的輸入數(shù)據(jù)按物流金融業(yè)務(wù)特征進行重新開發(fā)分類，建立BP網(wǎng)絡(luò)組。根據(jù)網(wǎng)絡(luò)組的輸出，得出對于各類信用度的基本概率分配函數(shù)，最后利用DS證據(jù)理論融合。將其應(yīng)用于商業(yè)銀行對物流金融的信用評估中，從而實現(xiàn)風(fēng)險的最

5、終決策，提高了風(fēng)險度量的準確度，使得商業(yè)銀行在新興的物流金融業(yè)務(wù)下的操作風(fēng)險有效監(jiān)控得到提升。1 商業(yè)銀行物流金融信用風(fēng)險體系指標(biāo)根據(jù)物流金融的運作特點，可將其風(fēng)險來源歸納為來自融資企業(yè)、抵押物以及第三方物流企業(yè)三大方面。借鑒Altman，Haldeman和Narayanan（1977）提出的第二代”ZETA計分模型”中企業(yè)信用評價指標(biāo)體系3，將來自融資企業(yè)的風(fēng)險細化為中小企業(yè)營運能力w1、盈利能力w2、償債能力w3、及信用記錄w4四大方面的十個具體指標(biāo)，分別為w11持續(xù)經(jīng)營、w12資產(chǎn)回報率、w13存貨周轉(zhuǎn)率、w21連續(xù)盈利、w22稅后利潤率、w23銷售利潤率、w31穩(wěn)定存貨、w32資產(chǎn)負債

6、率、w33速凍比率、w41履約率。我國現(xiàn)階段的物流金融業(yè)務(wù)主要集中于基于權(quán)利質(zhì)押以及基于存貨質(zhì)押兩種，因此質(zhì)押物本身的質(zhì)量也直接關(guān)系其風(fēng)險大小。指標(biāo)包括：所有權(quán)w51、市場性質(zhì)w61、保險率w71三方面。作為重要參與方的物流企業(yè)為實現(xiàn)其對質(zhì)押物的有效監(jiān)管，企業(yè)規(guī)模w81及企業(yè)信譽w91也即成為影響物流金融風(fēng)險的重要指標(biāo)。2 基于BP神經(jīng)網(wǎng)絡(luò)和證據(jù)理論的評價方法2.1 BP 神經(jīng)網(wǎng)絡(luò)的基本原理BP神經(jīng)網(wǎng)絡(luò)，是由Rumelhart 和 McCelland 等人（1986）提出的。其基本思想是，學(xué)習(xí)過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層通過隱含層傳向輸出層。若

7、輸出層的實際輸出與期望輸出不符，則轉(zhuǎn)入誤差的反向傳播階段，并將誤差分攤給各層的所有單元。正向傳播與誤差反向傳播周而復(fù)始，一直到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或預(yù)先設(shè)定的次數(shù)為止。2.2 證據(jù)理論的基本原理 2.3 信用風(fēng)險評估算法為了保證神經(jīng)網(wǎng)絡(luò)的收斂和穩(wěn)定性，本論文中將15個指標(biāo)分為四組，建立4個神經(jīng)網(wǎng)絡(luò)NN1，NN2，NN3和NN4。神經(jīng)網(wǎng)絡(luò)的輸出設(shè)計為（0.1，0.1，0.9）T、（0.1，0.9，0.1）T、（0.9，0.1，0.1）T，表示的信用風(fēng)險級別分別為高風(fēng)險、中度風(fēng)險、低風(fēng)險，記為A1，A2，A3。將輸出歸一化，得到向量（ai1，ai2，ai3）T，記作Vi。令mi（Ai

8、）=ail，i1，2，3，4，l1，2，3，表示由NNi 得到的對信用風(fēng)險級別Ai的基本信任度，即針對事件Ai的證據(jù)。之后，再將4個證據(jù)利用DS證據(jù)理論融合。就可以對信用風(fēng)險進行評估，最初最終決策。3 應(yīng)用實例本次數(shù)據(jù)采集共發(fā)出問卷200份，收回135份，有效問卷92份。將前91組數(shù)據(jù)分別訓(xùn)練神經(jīng)網(wǎng)絡(luò)。再將余下1個樣本輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，歸一化處理輸出結(jié)果即得該證據(jù)對該命題的基本概率分配，而后利用DS證據(jù)理論將其融合得到最終優(yōu)化結(jié)果。由表2可知，中度風(fēng)險類型O2的概率隨著融合次數(shù)增多逐漸趨向于1，而其余兩種風(fēng)險類型則趨近于0，與表1中結(jié)果相比大大地提高了結(jié)果的準確性。 4 結(jié)論本文所提出的基于神經(jīng)網(wǎng)絡(luò)和DS證據(jù)理論的物流金融信用風(fēng)險評價模型，其優(yōu)勢表現(xiàn)為：此兩種算法的結(jié)合，不僅克服了單一神經(jīng)網(wǎng)絡(luò)達到高精度需要迭代次數(shù)過多而造成實時性差的缺點，而且通過大量標(biāo)準樣本對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，使得DS證據(jù)理論對系統(tǒng)的決策更加準確。參考文獻：1鄒小芃，唐元琦.物流金融淺析J.浙江金融，2004（5）：80-83.2唐少藝.物流金融一中小企業(yè)發(fā)展的助推器J.現(xiàn)代物流，2005（12）：60-65. 3A