论文部分内容阅读
摘 要：良好的外部成长环境对于村镇银行增强自身核心竞争力和实现可持续发展具有重大的现实意义。本文综合了突变级数（CPM）和径向基函数神经网络（RBFNN）两种模型的优点，建立了评估村镇银行外部成长环境的CPM-RBFNN模型，并通过仿真实验验证了模型的有效性和准确性，得出了一套更加科学的外部成长环境评估仿真系统，以此来指导村镇银行科学选择落户地点。
关键词： 外部成长环境；突变级数；径向基函数神经网络；CPM-RBFNN模型；仿真系统
中图分类号：F832.35 文献标识码：A〓 文章编号：1003-9031（2014）11-0066-06 DOI：10.3969/j.issn.1003-9031.2014.11.14
一、引言
自2006年12月，银监会发布了《关于调整放宽农村地区银行业金融机构准入政策、更好地支持社会主义新农村建设的若干意见》并决定在四川、青海、甘肃、内蒙古、吉林、湖北等六省（区）进行村镇银行试点以来，我国迈入了村镇银行服务农村经济的新时代。2007年2月8日，四川仪陇惠民村镇银行作为首家村镇银行揭开了我国村镇银行历史的崭新序幕。银监会为响应国家扶持“三农”和新农村建设的政策号召，近年来又陆续出台了一系列规范、扶持农村金融机构尤其是村镇银行的文件，重点对村镇银行的持股比例、资本充足率水平、选址原则、具体工作内容、政策保障措施以及社会责任方面进行了重大部署，在这些政策的推动下，截至2013年末，我国经银监会批准设立的村镇银行达到了2420家（见图1），短短数年间，村镇银行实现了直线式的规模扩张。但是，农村经济金融环境较为复杂，使得村镇银行出现了“难以进村”的落户难问题，也与设立初衷有所偏离。本文重点对我国村镇银行的外部成长环境进行了实证分析，以期能够为村镇银行选择落户地点提供参考，使其能够按照“兼顾经济效益和社会责任”的原则充分发挥其扎根农村、服务农村的职能。
村镇银行物理网点的位置即决定了其成长的先天性外部环境，外部成长环境评估问题实质上包含了网点选址问题。目前国外很多学者都关注了银行选址问题的探讨，如Davis（1990）传统微观经济学供求理论对金融机构选址进行了研究，认为金融机构的选址首先必须要有供给和需求[1]。Miliotisl.P（2002）等借助于先进的GIS系统构建了金融机构选址模型[2]。Turkay Dereli（2010）通过对土耳其村镇银行网点布局的考察，认为一个地区的经济因素（如所在辖区的GDP、商业区繁华程度等）和人口因素（如人口密度、农业人口占比、人均收入等）对村镇银行选址会产生影响[3]。Beck T，Augusto de la Torre（2007）在Davis研究的基础上进一步提出了“获取可能性边界”的概念，分析了最优约束下金融服务的供求均衡，为金融机构选址提供了进一步的微观基础[4]。上述研究都是针对国外银行选址进行的，目前鲜有文献针对我国银行尤其是村镇银行选址问题进行研究。周国红、陆立军（2002）提出了分层递阶评价体系对中小企业的成长环境进行了评估[5]。陈学彬、叶磊（2005）使用模型探讨了银行选址问题[6]。周焱荣（2008）详细论述了商业银行正确选址的方法[7]。许圣道、田霖（2008）通过实证研究发现我国当前农村地区金融机构网点数量受社会经济因素和金融基础设施的显著影响[8]。梅强、吴亚东（2009）使用因子分析方法评价了中小民营企业的成长环境[9]。宋根节、娄燕强（2010）运用熵权法和灰色关联度分析的组合方法进行研究[10]。丁建新（2012）等使用灰色关联度分析法对建设银行衡水市分行的部分网点进行了评估[11]。
本文将在前人的研究基础上，从均衡经济效益和社会责任的角度出发，基于网点选址，构建CPM-RBFNN模型，综合评估村镇银行的外部成长环境。所使用的突变级数评价法的最大优点是只需考虑最底层指标间的相对重要性，无需确定各评价指标的准确权重值，这免了确定各评价指标权重值的主观性。同时，对于底层指标中定性指标在获取数据时采用拉依达法则和均值方法过滤并综合多位专家的意见。使用径向基神经函数网络模型对突变级数的评价结果进行仿真实验，进一步降低最底层指标专家打分产生人为主观性。
二、CPM和RBFNN模型简介
（一）CPM模型
突变理论是由法国数学家雷内·托姆（Rene·Thom）于20世纪70年代所创设的一门新兴数学分支学科。它解释了自然界内不连续、突变现象，被誉为“自牛顿和莱布尼茨以来数学界的又一次伟大的智力革命”。突变理论虽涉及拓扑学、微积分、结构稳定性、奇点等深奥的数学理论，但其应用模型较为简单，广泛应用于多目标评价和多目标决策问题。突变级数评价法的基本思想是：首先将最终评价目标进行多层次的矛盾分解，把突变理论与模糊数学相结合产生突变模糊隶属函数，由初等突变模型的分歧集方程推导出归一化公式，然后逐层次计算突变级数，最终归为系统总突变级数，从而进行多目标评价和多准则决策。其步骤如下：
1.构建突变级数评价指标系统。根据评价系统的目的，按评价系统的内在作用机理，将系统分解为由若干评价指标组成的多层系统，排列成倒立树状目标层次结构，由评价总指标到下层指标，逐渐分解到下层子指标。原始数据只需要知道最下层子指标的数据。因为一般突变系统某状态变量的控制变量不超过4个，所以，相应地一般各层指标（单指标的子指标）分解到不要超过4个。
2.确定指标系统中各层次的突变系统模型及归一方程。常用的初等突变系统模型为：尖点突变、燕尾突变和蝴蝶突变，其特点如表2所示。
f（x）表示突变系统的势函数，是状态变量，x是状态变量，a、b、c、d是控制变量，二者相互矛盾，共同决定系统所处的状态。在模型示意图中一般将主要控制变量写在前面，次要控制变量写在后面。如果一个指标仅分解为二个子指标，则该系统可视为尖点突变系统；如果一个指标仅分解为三个子指标，则该系统可视为燕尾突变系统；如果一个指标分解为四个子指标，则该系统可视为蝴蝶突变系统。归一公式是突变系统的分歧集，分歧集的求法如下： 假如突变系统有两个控制变量U、V和一个状态变量x，其势函数为F■（x），则分歧集是以下两个微分方程的解集合。
■？圯 ■
在归一公式中各变量均取值于（0，1），称为突变级数。初始突变级数的绝对值必须按照“越大越好”的原则投入准则模型方可用归一公式计算。对同一对象X各控制变量（如a、b、c、d），它们之间若不存在明显的相互关联作用，则称该对象各控制变量为非互补型，对应的按大中取小的原则取值；同一对象各控制变量之间若存在着明显的相互关联作用，则称该对象X各控制变量为互补型，对应的X按平均值法取得。
3.利用归一公式进行评价。根据多目标模糊决策理论，对于同一方案在多种目标情况下，如D■、D■…D■设为模糊目标，则理想的策略为C=D■■■D■■…■Dn，其隶属度函数为：U■（x）=U■（x）∧U■（x）∧…∧U■（x）。对于不同的方案C■C■…Cm，记方案C■的隶属度函数值为U■（x），由于初始突变级数均为“越大越好”型，因此总的隶属函数也越大越优。因此，对方案C■和方案C■，若U■（x）>U■（x），则表示方案C■优于方案C■。对各评价对象按其总评价指标的得分大小进行优劣排序。
（二）RBFNN模型简介
RBFNN即RBF神经网络，也称径向基函数神经网络（Radical Basis Function）。径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。同时，它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。
三、构建村镇银行外部成长环境评估的CPM-RBFNN模型
首先，从我国现有村镇银行中选取一定数量的样本，使用突变级数评价法获得样本点的外部成长环境评价值。然后，以样本点的特征数据作为输入变量，以突变级数评价值为输出变量，训练本文所构建的径向基函数神经网络模型，径向基函数神经网络的训练过程实际上是一种对输入值和输出值之间的非线性拟合，通过不断调整各层之间的连接权重值，使总体误差逐渐逼近直到达到所设定的误差目标的要求，训练成熟的网络就像是一个“黑匣子”，里面包含了数据之间所隐含的非线性关系，这种非线性关系既蕴藏了突变级数的复杂算法，又进一步降低了人为主观性，揭示了我国村镇银行选择落户地点的内在规律。训练成熟的神经网络可以直接用来评估村镇银行的外部成长环境。
（一）构建村镇银行外部成长环境评估CPM模型
1.村镇银行选址的基本原则
在银监会发布的一些列文件中，对我国村镇银行选址的原则做出了明确、清晰的规定 。总体来说，村镇银行作为一种新型银行机构，其经营目标也是利润最大化，其选址也必须围绕“三性” 平衡的原则来进行。具体来看，可以从以下几个方面归纳出村镇银行选址的基本原则和要求。
一是坚持以客户为中心兼顾普惠的原则。客户体现了需求，是村镇银行盈利的来源，必须坚持以“三农”金融服务需求为导向，坚持固定网点建设与简易便民服务相结合，尽力向贫困落后地区和中西部地区倾斜，着力提高广大农村地区金融服务的覆盖面和可得性，充分满足广大农民的基础金融服务需求。
二是坚持一切从实际出发原则。结合当地实际，充分考虑地情、民情、行（社）情等因素，为村镇银行今后的经营活动创造一个良好的环境。
三是坚持利润最大化原则。村镇银行还处于创设初期，在选址时必须高度重视其可持续性发展的问题，能够获得不断增长的利润是村镇银行成长壮大的基本条件。因此，必须坚持市场化运作与政策扶持引导相结合，实现成本核算和承担社会责任的科学平衡。
四是坚持风险分散原则。村镇银行如果能较好地分散风险，对于其实现利润最大化具有重要作用。在选址时，应充分当地金融基础设施的完善情况，以为日后建立健全风控机制打下良好基础。
2.指标选取
结合本文以上对村镇银行选址基本原则的论述，考虑经济效益和社会责任，将外部宏观和微观的成长环境分为人文经济、区位和竞争度三大维度，选取了所在辖区GDP（A1）、人口密度（A2）、人均收入水平（A3）、农业人口占比（A4）、地租成本（A5）、交通便利程度（A6）、商业区繁华程度（A7）、周边同业机构数量（A8）、区域政策因素（A9）等9个底层指标。根据上文关于指标选取以及突变级数评价法模型的说明，本文构建了如图2所示的村镇银行外部成长环境评估突变级数评价的指标框架。由于人文经济维度的子指标有4个所以其适用于蝴蝶突变，竞争维度有2个子指标，适用于尖点突变。同理，最高层指标C和区位维度适用于燕尾突变。
（二）构建村镇银行外部成长环境评估的CPM-RBFNN模型
根据CPM模型的特点，笔者构建了由输入层、隐层、输出层三层构成的RBFNN模型。其中，输入层有9个输入单元，对应于村镇银行选址指标系统中A1、A2、…、A9等9个底层指标，隐层节点的个数按照经验法则：a=（a■+a■）■+k确定。其中a■和a■分别为输入层、输出层节点的个数，常数k为取值于[1，10]之间的整数。输出层节点数为1，对应于基于CPM的村镇银行外部成长环境的评估结果。径向基函数采用高斯函数（见图3），即radbas函数，radbs（n）=e■。
四、实证分析
（一）数据来源及处理
考虑到中西部地区近年来村镇银行的快速发展，本文在中西部地区选取的样本数量稍微多于东部地区。其中，东部9家，中部20家，西南6家，东北8家。通过查阅各地统计年鉴，咨询专家，并借助百度地图以及实地调研获取了样本点的相关数据。
使用如下公式对底层指标的数值进行标准化处理以消除量纲。
y■=■
其中，i=1，2…9（对应底层指标），j=1，2…43（对应样本）。 定性指标的数值来源于经验数据，对于经验值本文首先采用拉依达准则进行处理以消除异常值，用剩下的合理值的均值作为指标的最终值。
拉依达准则：如果X～N（？滋，？啄■），对于P（|x-？滋|>3？啄≤0.0003的集合的补集称为异常点集。
X～N（？滋，？啄）？圯■～N（0，1），P（|x-？滋|>3？啄）=？椎（3）
P（|x-？滋|>3？啄）？荞0.003？圯？椎（■）？荞？椎（3）+0.0003=0.999
通过Matlab中的normcdf（）和norminv（）函数得到？椎（3）=0.9987和0.999对应的临界值为3.0902。
？椎（■）？荞0.999 ？圯 ■？荞3.0902 ？圯 |x-？滋|？荞3.0902？啄。
也即满足|x-？滋|>3.0902？啄的值均为异常值，应予以删除。
（二）使用CPM模型获得各样本点的评价值
由于各对象的控制变量之间存在明显的关联性，所以均按“互补性”原则把下层指标递归到上一层。使用MatlabR2013a编程实现对样本村镇银行外部成长环境突变级数评价（见表2）。
（三）基于CPM评价结果训练RBFNN模型
为了检验径向基函数神经网络对于突变级数评价结果的拟合效果，本文构建了BP神经网络模型进行对比分析，BP网络的拓扑结构为：输入层由9个神经元构成，隐层由14个神经元构成，输出层由1个神经元构成，目标误差也设为1e-6。运用MatlabR2013a软件进行编程，将样本的前38组作为训练组，用来训练网络。后5组作为测试组，用来检测网络的可行性。
通过对比图4与图5，可以看出径向基函数神经网络经过35步达到误差目标，BP神经网络经过56步达到误差目标；通过图6可以看出径向基函数神经网络的输出值曲线和突变级数评价值曲线比较接近，而BP神经网络的输出值曲线和突变级数评价值曲线的偏差明显大的多。因此，径向基函数神经网络相对于BP神经网络收敛速度更快、模拟精度更高，逼近能力更强。从表4可以发现，径向基函数仿真系统与突变级数评价值有很强的一致性，误差控制在了1.1%之内，说明了该仿真系统具有很好的泛化能力。利用本文中训练好的径向基函数网络仿真系统来评估村镇银行的外部成长环境是科学的有效的。
五、结论及政策建议
1.针对前人的研究人为主观性强的问题。本文构建了三道降低主观性的工序：首先，对于定性指标使用拉依达法则过滤掉经验数据中的极端值，并使用均值化结果作为终值；其次，使用更加科学的突变级数评价法获得样本点的评价值；最后，运用径向基函数神经网络模型进行仿真实验一方面进一步降低评价结果的人为主观性，使结果更加科学可信，另一方面得到了一套可以用于指导村镇银行进行外部成长环境评估的仿真系统。
2.村镇银行的外部成长环境是银行实现利润的基础。一个好的选址有利于增强银行的持续盈利能力，在选址的过程中应尽量避免人为主观性决策，应综合考虑各种因素，使用科学的模型。从本文的实证结果看，径向基函数神经网络模型拟合的精确度很高，预测值的相对误差控制在1.1%的范围之内，突变级数—径向基函数神经网络模型可以作为村镇银行选择落户地点的参考模型。
3.从径向基函数神经网络的输出值看。东部地区的村镇银行外部成长环境的评价值普遍高于其他地区，原因是东部地区经济实力较为雄厚、人流量较大、交通便利、人均收入水平较高等因素覆盖掉了农业人口占比不高对评价结果的影响，为村镇银行的成长提供了良好的基础。从村镇银行经营者的角度看，在追求经济效益的同时应加大对农业农民的扶持力度，将经营范围适当向农业发达地区倾斜，将经营网点向经济基础较好的村镇延伸。同时，广大的中西部农村地区应该加大基础设施建设，以农产品为依托发展农产品加工业以提高农业的经济效益，为村镇银行的落户创造积极条件。■
（责任编辑：张恩娟）
参考文献：
[1]Davis E.P. International financial Centers： An Industrial- Analysis[R]. Lodon，1990：51.
[2]Milioltisl.P， Dimopoulou.M， Giannikos. I. A Hierarchical Location Model for Locating Bank Branches in a Competitive Environment[J].Transactions in Operational Research，2002，9（5）：549-565.
[3] Turkay Dereli. An Empirical Model for Bank Branch Planning： the case of a Turkish Bank[Z].2010.
[4]Beck T，Augusto de la Torre. The Basic Analytics of Access to Financial Services[J].Financial Markets， Institutions and Intruments，2007，2（16）：79-117.
[5]周国红，陆立军. 科技型中小企业成长环境评价指标体系的构建[J]. 数量经济技术经济研究，2002（2）：32-35.
[6]叶磊.银行分支机构选址分析[J].农村金融研究，2005（10）：43-45.
[7]周焱荣.银行优化网点网络布局方法初探[J].河北金融，2008（6）：20-22.
[8]许圣道，田霖.我国农村四区金融排斥研究[J].金融研究，2008（7）：195-206.
[9]梅强，吴亚东. 基于因子分析的中小民营企业外部成长环境综合评价[J].中国管理信息化，2009（6）：78-79.
[10]宋根节，娄燕强.基于熵权法和灰色关联的商业银行网点选址分析[J].金融经济，2010（3）：106-108.
[11]丁建新，刑亚楠，金浩.基于灰色关联分析法的商业银行网点选址研究—以建设银行衡水分行为例[J].浙江金融，2012，1（1）：50-53.
关键词： 外部成长环境；突变级数；径向基函数神经网络；CPM-RBFNN模型；仿真系统
中图分类号：F832.35 文献标识码：A〓 文章编号：1003-9031（2014）11-0066-06 DOI：10.3969/j.issn.1003-9031.2014.11.14
一、引言
自2006年12月，银监会发布了《关于调整放宽农村地区银行业金融机构准入政策、更好地支持社会主义新农村建设的若干意见》并决定在四川、青海、甘肃、内蒙古、吉林、湖北等六省（区）进行村镇银行试点以来，我国迈入了村镇银行服务农村经济的新时代。2007年2月8日，四川仪陇惠民村镇银行作为首家村镇银行揭开了我国村镇银行历史的崭新序幕。银监会为响应国家扶持“三农”和新农村建设的政策号召，近年来又陆续出台了一系列规范、扶持农村金融机构尤其是村镇银行的文件，重点对村镇银行的持股比例、资本充足率水平、选址原则、具体工作内容、政策保障措施以及社会责任方面进行了重大部署，在这些政策的推动下，截至2013年末，我国经银监会批准设立的村镇银行达到了2420家（见图1），短短数年间，村镇银行实现了直线式的规模扩张。但是，农村经济金融环境较为复杂，使得村镇银行出现了“难以进村”的落户难问题，也与设立初衷有所偏离。本文重点对我国村镇银行的外部成长环境进行了实证分析，以期能够为村镇银行选择落户地点提供参考，使其能够按照“兼顾经济效益和社会责任”的原则充分发挥其扎根农村、服务农村的职能。
村镇银行物理网点的位置即决定了其成长的先天性外部环境，外部成长环境评估问题实质上包含了网点选址问题。目前国外很多学者都关注了银行选址问题的探讨，如Davis（1990）传统微观经济学供求理论对金融机构选址进行了研究，认为金融机构的选址首先必须要有供给和需求[1]。Miliotisl.P（2002）等借助于先进的GIS系统构建了金融机构选址模型[2]。Turkay Dereli（2010）通过对土耳其村镇银行网点布局的考察，认为一个地区的经济因素（如所在辖区的GDP、商业区繁华程度等）和人口因素（如人口密度、农业人口占比、人均收入等）对村镇银行选址会产生影响[3]。Beck T，Augusto de la Torre（2007）在Davis研究的基础上进一步提出了“获取可能性边界”的概念，分析了最优约束下金融服务的供求均衡，为金融机构选址提供了进一步的微观基础[4]。上述研究都是针对国外银行选址进行的，目前鲜有文献针对我国银行尤其是村镇银行选址问题进行研究。周国红、陆立军（2002）提出了分层递阶评价体系对中小企业的成长环境进行了评估[5]。陈学彬、叶磊（2005）使用模型探讨了银行选址问题[6]。周焱荣（2008）详细论述了商业银行正确选址的方法[7]。许圣道、田霖（2008）通过实证研究发现我国当前农村地区金融机构网点数量受社会经济因素和金融基础设施的显著影响[8]。梅强、吴亚东（2009）使用因子分析方法评价了中小民营企业的成长环境[9]。宋根节、娄燕强（2010）运用熵权法和灰色关联度分析的组合方法进行研究[10]。丁建新（2012）等使用灰色关联度分析法对建设银行衡水市分行的部分网点进行了评估[11]。
本文将在前人的研究基础上，从均衡经济效益和社会责任的角度出发，基于网点选址，构建CPM-RBFNN模型，综合评估村镇银行的外部成长环境。所使用的突变级数评价法的最大优点是只需考虑最底层指标间的相对重要性，无需确定各评价指标的准确权重值，这免了确定各评价指标权重值的主观性。同时，对于底层指标中定性指标在获取数据时采用拉依达法则和均值方法过滤并综合多位专家的意见。使用径向基神经函数网络模型对突变级数的评价结果进行仿真实验，进一步降低最底层指标专家打分产生人为主观性。
二、CPM和RBFNN模型简介
（一）CPM模型
突变理论是由法国数学家雷内·托姆（Rene·Thom）于20世纪70年代所创设的一门新兴数学分支学科。它解释了自然界内不连续、突变现象，被誉为“自牛顿和莱布尼茨以来数学界的又一次伟大的智力革命”。突变理论虽涉及拓扑学、微积分、结构稳定性、奇点等深奥的数学理论，但其应用模型较为简单，广泛应用于多目标评价和多目标决策问题。突变级数评价法的基本思想是：首先将最终评价目标进行多层次的矛盾分解，把突变理论与模糊数学相结合产生突变模糊隶属函数，由初等突变模型的分歧集方程推导出归一化公式，然后逐层次计算突变级数，最终归为系统总突变级数，从而进行多目标评价和多准则决策。其步骤如下：
1.构建突变级数评价指标系统。根据评价系统的目的，按评价系统的内在作用机理，将系统分解为由若干评价指标组成的多层系统，排列成倒立树状目标层次结构，由评价总指标到下层指标，逐渐分解到下层子指标。原始数据只需要知道最下层子指标的数据。因为一般突变系统某状态变量的控制变量不超过4个，所以，相应地一般各层指标（单指标的子指标）分解到不要超过4个。
2.确定指标系统中各层次的突变系统模型及归一方程。常用的初等突变系统模型为：尖点突变、燕尾突变和蝴蝶突变，其特点如表2所示。
f（x）表示突变系统的势函数，是状态变量，x是状态变量，a、b、c、d是控制变量，二者相互矛盾，共同决定系统所处的状态。在模型示意图中一般将主要控制变量写在前面，次要控制变量写在后面。如果一个指标仅分解为二个子指标，则该系统可视为尖点突变系统；如果一个指标仅分解为三个子指标，则该系统可视为燕尾突变系统；如果一个指标分解为四个子指标，则该系统可视为蝴蝶突变系统。归一公式是突变系统的分歧集，分歧集的求法如下： 假如突变系统有两个控制变量U、V和一个状态变量x，其势函数为F■（x），则分歧集是以下两个微分方程的解集合。
■？圯 ■
在归一公式中各变量均取值于（0，1），称为突变级数。初始突变级数的绝对值必须按照“越大越好”的原则投入准则模型方可用归一公式计算。对同一对象X各控制变量（如a、b、c、d），它们之间若不存在明显的相互关联作用，则称该对象各控制变量为非互补型，对应的按大中取小的原则取值；同一对象各控制变量之间若存在着明显的相互关联作用，则称该对象X各控制变量为互补型，对应的X按平均值法取得。
3.利用归一公式进行评价。根据多目标模糊决策理论，对于同一方案在多种目标情况下，如D■、D■…D■设为模糊目标，则理想的策略为C=D■■■D■■…■Dn，其隶属度函数为：U■（x）=U■（x）∧U■（x）∧…∧U■（x）。对于不同的方案C■C■…Cm，记方案C■的隶属度函数值为U■（x），由于初始突变级数均为“越大越好”型，因此总的隶属函数也越大越优。因此，对方案C■和方案C■，若U■（x）>U■（x），则表示方案C■优于方案C■。对各评价对象按其总评价指标的得分大小进行优劣排序。
（二）RBFNN模型简介
RBFNN即RBF神经网络，也称径向基函数神经网络（Radical Basis Function）。径向基函数神经网络是一种高效的前馈式神经网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。同时，它也是一种可以广泛应用于模式识别、非线性函数逼近等领域的神经网络模型。
三、构建村镇银行外部成长环境评估的CPM-RBFNN模型
首先，从我国现有村镇银行中选取一定数量的样本，使用突变级数评价法获得样本点的外部成长环境评价值。然后，以样本点的特征数据作为输入变量，以突变级数评价值为输出变量，训练本文所构建的径向基函数神经网络模型，径向基函数神经网络的训练过程实际上是一种对输入值和输出值之间的非线性拟合，通过不断调整各层之间的连接权重值，使总体误差逐渐逼近直到达到所设定的误差目标的要求，训练成熟的网络就像是一个“黑匣子”，里面包含了数据之间所隐含的非线性关系，这种非线性关系既蕴藏了突变级数的复杂算法，又进一步降低了人为主观性，揭示了我国村镇银行选择落户地点的内在规律。训练成熟的神经网络可以直接用来评估村镇银行的外部成长环境。
（一）构建村镇银行外部成长环境评估CPM模型
1.村镇银行选址的基本原则
在银监会发布的一些列文件中，对我国村镇银行选址的原则做出了明确、清晰的规定 。总体来说，村镇银行作为一种新型银行机构，其经营目标也是利润最大化，其选址也必须围绕“三性” 平衡的原则来进行。具体来看，可以从以下几个方面归纳出村镇银行选址的基本原则和要求。
一是坚持以客户为中心兼顾普惠的原则。客户体现了需求，是村镇银行盈利的来源，必须坚持以“三农”金融服务需求为导向，坚持固定网点建设与简易便民服务相结合，尽力向贫困落后地区和中西部地区倾斜，着力提高广大农村地区金融服务的覆盖面和可得性，充分满足广大农民的基础金融服务需求。
二是坚持一切从实际出发原则。结合当地实际，充分考虑地情、民情、行（社）情等因素，为村镇银行今后的经营活动创造一个良好的环境。
三是坚持利润最大化原则。村镇银行还处于创设初期，在选址时必须高度重视其可持续性发展的问题，能够获得不断增长的利润是村镇银行成长壮大的基本条件。因此，必须坚持市场化运作与政策扶持引导相结合，实现成本核算和承担社会责任的科学平衡。
四是坚持风险分散原则。村镇银行如果能较好地分散风险，对于其实现利润最大化具有重要作用。在选址时，应充分当地金融基础设施的完善情况，以为日后建立健全风控机制打下良好基础。
2.指标选取
结合本文以上对村镇银行选址基本原则的论述，考虑经济效益和社会责任，将外部宏观和微观的成长环境分为人文经济、区位和竞争度三大维度，选取了所在辖区GDP（A1）、人口密度（A2）、人均收入水平（A3）、农业人口占比（A4）、地租成本（A5）、交通便利程度（A6）、商业区繁华程度（A7）、周边同业机构数量（A8）、区域政策因素（A9）等9个底层指标。根据上文关于指标选取以及突变级数评价法模型的说明，本文构建了如图2所示的村镇银行外部成长环境评估突变级数评价的指标框架。由于人文经济维度的子指标有4个所以其适用于蝴蝶突变，竞争维度有2个子指标，适用于尖点突变。同理，最高层指标C和区位维度适用于燕尾突变。
（二）构建村镇银行外部成长环境评估的CPM-RBFNN模型
根据CPM模型的特点，笔者构建了由输入层、隐层、输出层三层构成的RBFNN模型。其中，输入层有9个输入单元，对应于村镇银行选址指标系统中A1、A2、…、A9等9个底层指标，隐层节点的个数按照经验法则：a=（a■+a■）■+k确定。其中a■和a■分别为输入层、输出层节点的个数，常数k为取值于[1，10]之间的整数。输出层节点数为1，对应于基于CPM的村镇银行外部成长环境的评估结果。径向基函数采用高斯函数（见图3），即radbas函数，radbs（n）=e■。
四、实证分析
（一）数据来源及处理
考虑到中西部地区近年来村镇银行的快速发展，本文在中西部地区选取的样本数量稍微多于东部地区。其中，东部9家，中部20家，西南6家，东北8家。通过查阅各地统计年鉴，咨询专家，并借助百度地图以及实地调研获取了样本点的相关数据。
使用如下公式对底层指标的数值进行标准化处理以消除量纲。
y■=■
其中，i=1，2…9（对应底层指标），j=1，2…43（对应样本）。 定性指标的数值来源于经验数据，对于经验值本文首先采用拉依达准则进行处理以消除异常值，用剩下的合理值的均值作为指标的最终值。
拉依达准则：如果X～N（？滋，？啄■），对于P（|x-？滋|>3？啄≤0.0003的集合的补集称为异常点集。
X～N（？滋，？啄）？圯■～N（0，1），P（|x-？滋|>3？啄）=？椎（3）
P（|x-？滋|>3？啄）？荞0.003？圯？椎（■）？荞？椎（3）+0.0003=0.999
通过Matlab中的normcdf（）和norminv（）函数得到？椎（3）=0.9987和0.999对应的临界值为3.0902。
？椎（■）？荞0.999 ？圯 ■？荞3.0902 ？圯 |x-？滋|？荞3.0902？啄。
也即满足|x-？滋|>3.0902？啄的值均为异常值，应予以删除。
（二）使用CPM模型获得各样本点的评价值
由于各对象的控制变量之间存在明显的关联性，所以均按“互补性”原则把下层指标递归到上一层。使用MatlabR2013a编程实现对样本村镇银行外部成长环境突变级数评价（见表2）。
（三）基于CPM评价结果训练RBFNN模型
为了检验径向基函数神经网络对于突变级数评价结果的拟合效果，本文构建了BP神经网络模型进行对比分析，BP网络的拓扑结构为：输入层由9个神经元构成，隐层由14个神经元构成，输出层由1个神经元构成，目标误差也设为1e-6。运用MatlabR2013a软件进行编程，将样本的前38组作为训练组，用来训练网络。后5组作为测试组，用来检测网络的可行性。
通过对比图4与图5，可以看出径向基函数神经网络经过35步达到误差目标，BP神经网络经过56步达到误差目标；通过图6可以看出径向基函数神经网络的输出值曲线和突变级数评价值曲线比较接近，而BP神经网络的输出值曲线和突变级数评价值曲线的偏差明显大的多。因此，径向基函数神经网络相对于BP神经网络收敛速度更快、模拟精度更高，逼近能力更强。从表4可以发现，径向基函数仿真系统与突变级数评价值有很强的一致性，误差控制在了1.1%之内，说明了该仿真系统具有很好的泛化能力。利用本文中训练好的径向基函数网络仿真系统来评估村镇银行的外部成长环境是科学的有效的。
五、结论及政策建议
1.针对前人的研究人为主观性强的问题。本文构建了三道降低主观性的工序：首先，对于定性指标使用拉依达法则过滤掉经验数据中的极端值，并使用均值化结果作为终值；其次，使用更加科学的突变级数评价法获得样本点的评价值；最后，运用径向基函数神经网络模型进行仿真实验一方面进一步降低评价结果的人为主观性，使结果更加科学可信，另一方面得到了一套可以用于指导村镇银行进行外部成长环境评估的仿真系统。
2.村镇银行的外部成长环境是银行实现利润的基础。一个好的选址有利于增强银行的持续盈利能力，在选址的过程中应尽量避免人为主观性决策，应综合考虑各种因素，使用科学的模型。从本文的实证结果看，径向基函数神经网络模型拟合的精确度很高，预测值的相对误差控制在1.1%的范围之内，突变级数—径向基函数神经网络模型可以作为村镇银行选择落户地点的参考模型。
3.从径向基函数神经网络的输出值看。东部地区的村镇银行外部成长环境的评价值普遍高于其他地区，原因是东部地区经济实力较为雄厚、人流量较大、交通便利、人均收入水平较高等因素覆盖掉了农业人口占比不高对评价结果的影响，为村镇银行的成长提供了良好的基础。从村镇银行经营者的角度看，在追求经济效益的同时应加大对农业农民的扶持力度，将经营范围适当向农业发达地区倾斜，将经营网点向经济基础较好的村镇延伸。同时，广大的中西部农村地区应该加大基础设施建设，以农产品为依托发展农产品加工业以提高农业的经济效益，为村镇银行的落户创造积极条件。■
（责任编辑：张恩娟）
参考文献：
[1]Davis E.P. International financial Centers： An Industrial- Analysis[R]. Lodon，1990：51.
[2]Milioltisl.P， Dimopoulou.M， Giannikos. I. A Hierarchical Location Model for Locating Bank Branches in a Competitive Environment[J].Transactions in Operational Research，2002，9（5）：549-565.
[3] Turkay Dereli. An Empirical Model for Bank Branch Planning： the case of a Turkish Bank[Z].2010.
[4]Beck T，Augusto de la Torre. The Basic Analytics of Access to Financial Services[J].Financial Markets， Institutions and Intruments，2007，2（16）：79-117.
[5]周国红，陆立军. 科技型中小企业成长环境评价指标体系的构建[J]. 数量经济技术经济研究，2002（2）：32-35.
[6]叶磊.银行分支机构选址分析[J].农村金融研究，2005（10）：43-45.
[7]周焱荣.银行优化网点网络布局方法初探[J].河北金融，2008（6）：20-22.
[8]许圣道，田霖.我国农村四区金融排斥研究[J].金融研究，2008（7）：195-206.
[9]梅强，吴亚东. 基于因子分析的中小民营企业外部成长环境综合评价[J].中国管理信息化，2009（6）：78-79.
[10]宋根节，娄燕强.基于熵权法和灰色关联的商业银行网点选址分析[J].金融经济，2010（3）：106-108.
[11]丁建新，刑亚楠，金浩.基于灰色关联分析法的商业银行网点选址研究—以建设银行衡水分行为例[J].浙江金融，2012，1（1）：50-53.