伴随着经济全球化的步伐不断加快,各国商业银行国际化进程越来越明显,其国际业务伴随而来的风险也越来越多样化,其中亟待关注的一种风险就是国别风险。本文根据对国别风险概念的研究以及对国别风险定性、定量评估方法的比较分析,针对国别风险的相关影响因素建立了全面的国别风险评估指标体系,并从定量评估的角度基于混合神经网络模型对国别风险进行实证研究。本文实证部分主要从两个方面入手,一方面采用传统统计方法对指标进行筛选与处理,另一方面通过构建神经网络模型对国别风险的类别进行判定,并进一步分析网络模型的预测能力。在指标体系的构建和定量筛选方面,本文以国别风险的概念为依据,在国内外权威研究的高频指标基础上,从经济、政治、社会文化三个方面选取指标,并通过相关性分析和逻辑回归对指标进行了简化处理。在实证模型的构建方面,本文首先以二元分类因变量为网络输出形式训练网络,以多层感知器神经网络原理为基础构建了网络模型,最终将样本国家分为两个级别：投资级和投机级,其中保持样本的验证结果显示该网络的分类正确百分比为100%；在此基础上,本文又以多类别(三类)分类因变量为网络目标向量训练网络,以概率神经网络原理为基础构建了网络模型,最终将样本国家分为三个级别,其中训练样本的预测误差百分比为0,测试样本的预测误差百分比为9.52%。综合上述理论以及实证研究结果,运用混合神经网络对国别风险进行预测评估时,在指标的选取方面,本文的评估结果显示商业自由度(EBI)、失业率(UL)两个指标在模型中的拟合效果最好；在网络构建方面,以多层感知器神经网络为基础的二元分类模型预测效果比以概率神经网络为基础的多分类模型预测准确度更高。总体而言,运用混合神经网络对国别风险进行评估时,由于模型具备了神经网络函数逼近的特点,相对于传统的统计模型,神经网络的模型准确度更高。但由于本文模型未考虑小概率突发国别事件的影响,并且未能与具体的国际业务相结合,因此模型还存在一定的局限性,有待进一步改进。