论文部分内容阅读
在经济“新常态”的大背景下,众多的中小企业将是中国经济大转型的引擎,必将成为银行目前与将来利润新的增长点。但是,当前中小企业财务信息的不完善,企业经营的不透明依然严重困扰着银行等金融机构对其开展贷款业务。A银行长沙分行作为湖南市场的进入者,需要不断地开发中小企业作为客户,以提高在湖南市场上的竞争力。首先,本文整理了中小企业信用评估的相关理论。特别是从信息不对称理论和交易成本理论细致分析了中小企业融资问题的机理,以及从技术角度分析了中小企业信用评估方法,为本文展开研究提供了理论基础与技术基础。其次,本文从指标体系和神经网络模型两个维度入手构建A银行长沙分行中小企业信用评估系统。首先,中小企业信用评估指标体系依据A银行长沙分行搜集的中小企业相关信息的基础上,应该遵循四个原则:重要性与全面性平衡、稳定性与动态性平衡、可行性与有效性结合和定量指标与定性指标相结合,在四个原则下构建适合中小企业信用风险的指标体系。其次,构建BP神经网络模型,本文在详细回顾了构建神经网络(特别是BP神经网络模型)的关键技术与方法,提出了契合中小企业信用状况与A银行收集的数据特点,利用Mathlab7.0编写了BP神经网络模型。第三,本文利用A银行长沙分行收集的1021个中小企业样本作为基础,构建了中小企业信用指标体系,并且进行了详细的赋值。然后,对程序运行过程中BP神经网络模型的层次、结构等问题进行了检验与说明。接着,将中小企业信用状况的样本数据划分为80%训练样本和20%测试数据,对BP神经网络进行训练和测试,获得较好的结果:输出结果为信用评分指标的情况下,训练样本的精确度为90.352%,测试样本的精确度在90.009%,并且测试样本的标准差在5.098,平均误差为0.052;输出结果为贷款与否指标的情况下,训练样本的精确度为83.958%,测试样本的精确度为82.534%,标准差和平均误差分别为0.546和0.004。最后,本文变更训练样本与测试样本的划分方法以检验BP神经网络精确度的稳健性,通过两种方案皆说明了BP神经网络在预测中小企业信用状况方面具有较好的稳健性。最后,依据构建A银行长沙分行中小企业信用评估系统过程中面临到的困难,本文提出四点相关建议:丰富中小企业样本数据库、强化对指标体系的动态管理、平衡第三方信用评级与内部评级的作用和构建银行内部多重信用评级模型群。