導(dǎo)語(yǔ)：神經(jīng)網(wǎng)絡(luò)信貸規(guī)劃策略一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要：本文主要針對(duì)企業(yè)信貸業(yè)務(wù)帶來(lái)的風(fēng)險(xiǎn)進(jìn)行相關(guān)研究，利用貝葉斯神經(jīng)網(wǎng)絡(luò)與雙規(guī)劃目標(biāo)模型，運(yùn)用模擬退火算法制定出信貸策略，結(jié)合層次分析法制定出企業(yè)在受到突發(fā)因素影響下的信貸調(diào)整策略。首先通過(guò)Spearman相關(guān)性分析，篩選出衡量信貸風(fēng)險(xiǎn)的五項(xiàng)指標(biāo)，因此選取該算法對(duì)123家企業(yè)建立風(fēng)險(xiǎn)評(píng)估模型。其次擬合得出客戶流失率關(guān)于企業(yè)信貸利率的二次函數(shù)，計(jì)算銀行信貸收益函數(shù)，建立雙規(guī)劃目標(biāo)模型，運(yùn)用Matlab模擬退火算法求最優(yōu)解，探究如何針對(duì)不同風(fēng)險(xiǎn)下企業(yè)信貸策略，既保證銀行營(yíng)利最大化，同時(shí)風(fēng)險(xiǎn)又在可控范圍內(nèi)。最后通過(guò)對(duì)302家企業(yè)的指標(biāo)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)評(píng)估，預(yù)測(cè)其對(duì)應(yīng)的信譽(yù)等級(jí)，運(yùn)用模擬退火算法，探究在總貸款1億元的限制條件下的信貸策略。

關(guān)鍵詞：貝葉斯神經(jīng)網(wǎng)絡(luò)擬合；模擬退火算法；信貸風(fēng)險(xiǎn)；信貸業(yè)務(wù)；商業(yè)銀行

商業(yè)銀行在金融體系中扮演著重要角色，銀行最基本的業(yè)務(wù)是信貸，它也被用來(lái)作為企業(yè)融資的一種途徑，然而信用風(fēng)險(xiǎn)是在信貸活動(dòng)中最需要注意的。如何調(diào)整信貸策略需要根據(jù)每個(gè)行業(yè)所受影響程度的不同，而影響程度又涉及很多方面，因此采用層次分析法來(lái)構(gòu)建信貸策略調(diào)整機(jī)制，并計(jì)算出各個(gè)行業(yè)所受影響的指標(biāo)權(quán)重，進(jìn)而調(diào)整信貸策略。我國(guó)經(jīng)濟(jì)發(fā)展需要中小微企業(yè)的推動(dòng)，它們可以提高社會(huì)生產(chǎn)力，為推動(dòng)消費(fèi)貢獻(xiàn)經(jīng)濟(jì)力量，同時(shí)也可以為人們提供更多的就業(yè)崗位。商業(yè)銀行通常是依據(jù)信貸政策，以及企業(yè)自身能力，并對(duì)企業(yè)信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估，根據(jù)其風(fēng)險(xiǎn)等級(jí)來(lái)判斷是否可以對(duì)企業(yè)進(jìn)行放貸，如果可以進(jìn)行放貸，則要進(jìn)一步衡量貸款額度、利率和貸款的期限等具體的信貸策略，如何利用數(shù)學(xué)模型建立一個(gè)公平、合理、科學(xué)的信貸決策機(jī)制是我們需要解決的問(wèn)題。

1問(wèn)題分析

本文利用相關(guān)數(shù)據(jù)對(duì)123家企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估，并給出該銀行在一定的年度信貸總額情況下，對(duì)這些企業(yè)所采用的信貸策略。信貸策略包括是否對(duì)企業(yè)放貸及貸款額度、利率和期限等，題目已給出期限為一年，需要考慮的是貸款額度及利率優(yōu)惠的決策機(jī)制，而是否提供貸款由企業(yè)實(shí)力和供求關(guān)系穩(wěn)定程度來(lái)決定，利率優(yōu)惠由企業(yè)信譽(yù)高低和信貸風(fēng)險(xiǎn)大小決定，首先對(duì)數(shù)據(jù)做了預(yù)處理，剔除掉作廢發(fā)票等無(wú)效數(shù)據(jù)，利用Excel軟件對(duì)數(shù)據(jù)進(jìn)行篩選、提取，將衡量是否放貸和利率優(yōu)惠的指標(biāo)整理成數(shù)據(jù)集。其次運(yùn)用Spearman相關(guān)系數(shù)對(duì)篩選的14個(gè)指標(biāo)進(jìn)行相關(guān)性分析，最終確定出顯著性較高的5項(xiàng)指標(biāo)作為衡量信貸風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)，為了保證信貸策略結(jié)果的精確性，我們先建立了PSO優(yōu)化的SVM模型，由于其訓(xùn)練數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)的精確性較低，因此構(gòu)建了貝葉斯神經(jīng)網(wǎng)絡(luò)擬合模型，對(duì)123家企業(yè)的信貸風(fēng)險(xiǎn)做出了評(píng)級(jí)，其擬合效果較好。商業(yè)銀行在進(jìn)行信貸活動(dòng)時(shí)，不僅要評(píng)估企業(yè)風(fēng)險(xiǎn)，還要考慮到自身的收益最大化，為此建立了信貸風(fēng)險(xiǎn)評(píng)估模型及收益最大化的雙規(guī)化目標(biāo)模型，同時(shí)建立銀行收益函數(shù)。在算法方面，我們采用模擬退火算法并結(jié)合線性規(guī)劃原理，計(jì)算出銀行對(duì)于123家企業(yè)的具體信貸策略，即企業(yè)對(duì)應(yīng)的貸款額度比列以及相應(yīng)利率。

2模型的建立與求解

題目要求制定對(duì)于302家無(wú)信貸記錄的公司在銀行信貸總額為1億元時(shí)的相應(yīng)信貸政策，這建立在已經(jīng)構(gòu)建的信貸風(fēng)險(xiǎn)評(píng)估模型、制定對(duì)應(yīng)企業(yè)的信貸策略的基礎(chǔ)上。比例的年度信貸總額，只需要求出比例即可?？傤~為1億元，其還要加上約束條件：確定要放貸企業(yè)的貸款額度為10萬(wàn)~100萬(wàn)元。本文主要基于對(duì)企業(yè)歷史信貸數(shù)據(jù)信息的挖掘、處理及分析，建立基于貝葉斯神經(jīng)網(wǎng)絡(luò)擬合算法的企業(yè)風(fēng)險(xiǎn)評(píng)估模型和雙規(guī)劃目標(biāo)模型，運(yùn)用模擬退火算法制定出信貸策略；利用層次分析法來(lái)分析企業(yè)在受到突發(fā)因素影響時(shí)各行業(yè)的狀況，將每個(gè)層次中的每個(gè)因素對(duì)結(jié)果的影響程度進(jìn)行量化，非常清晰、明確。對(duì)于銀行信貸政策而言既要滿足其利潤(rùn)的最大化，同時(shí)也要保證風(fēng)險(xiǎn)的可控性，針對(duì)此建立的雙目標(biāo)規(guī)劃模型，可以使得規(guī)劃者和決策者各司其職，在自己的角色中充分發(fā)揮各自的作用。但是，對(duì)于多目標(biāo)問(wèn)題，各個(gè)目標(biāo)是不可公度的，因此采用層次分析法來(lái)構(gòu)建信貸策略調(diào)整機(jī)制，并計(jì)算出各個(gè)行業(yè)所受影響的指標(biāo)權(quán)重，進(jìn)而調(diào)整信貸策略。但是選擇備選方案層時(shí)依據(jù)企業(yè)名稱劃分行業(yè)具有較大的人為主觀性，其分析結(jié)果不夠準(zhǔn)確。最后結(jié)合層次分析法制定出企業(yè)在受到突發(fā)因素影響下的信貸調(diào)整策略。通過(guò)篩選可以看到是否違約與信譽(yù)評(píng)級(jí)為ABCD有直接關(guān)系，將每個(gè)企業(yè)根據(jù)ABCD進(jìn)行分類，只投資信譽(yù)評(píng)級(jí)為ABC的企業(yè)即可，如表1所示。(1)其中，n為樣本容量，d為樣本的秩次差。在使用SVM算法進(jìn)行評(píng)估和預(yù)測(cè)時(shí)，需要事先確定參數(shù)C和σ值，它們分別是用來(lái)控制懲罰正則化的參數(shù)和核函數(shù)標(biāo)準(zhǔn)化參數(shù)。那么如何進(jìn)行參數(shù)選擇呢？問(wèn)題可轉(zhuǎn)化為利用PSO算法在給定空間的全局搜索，具體步驟如下。(1)首先要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，對(duì)PSO參數(shù)進(jìn)行初始化。(2)利用PSO優(yōu)化的SVM模型。(3)根據(jù)式（2）更新各個(gè)粒子的速度和位置，產(chǎn)生新種群。其中，V代表迭代函數(shù)，X代表新物種，P代表粒子最優(yōu)速度，g代表粒子運(yùn)動(dòng)過(guò)程中的最優(yōu)位置，C1和C2為加速常，W為慣性權(quán)重；m為種群規(guī)模。(4)計(jì)算新種群的適應(yīng)值，并計(jì)算新粒子的速度和位置，如果存在更優(yōu)的則替換，否則將維持原狀。(5)判斷是否收斂，若收斂則結(jié)束，輸出最優(yōu)的參數(shù)C和σ；若沒(méi)有收斂則繼續(xù)迭代，令n=n+1，轉(zhuǎn)到步驟2)。利用PSO方法對(duì)5個(gè)參數(shù)共同優(yōu)化選取，建立SVM風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型。對(duì)123組數(shù)據(jù)進(jìn)行訓(xùn)練研究。即求解如下表達(dá)式：其中有5個(gè)變量：x1-x5，為了方便網(wǎng)絡(luò)訓(xùn)練，可以將因變量的值從ABCD，對(duì)應(yīng)為1，0.75，0.5，0?？梢钥吹缴窠?jīng)網(wǎng)絡(luò)結(jié)構(gòu)一般分為輸入層、隱藏層、中間層，如圖1所示。神經(jīng)網(wǎng)絡(luò)能夠?qū)BCD有較高的預(yù)測(cè)準(zhǔn)確率，每個(gè)范圍有不同的等級(jí)，我們劃分ABCD四個(gè)不同范圍，可以得到表2可以觀察到每一個(gè)等級(jí)的預(yù)測(cè)準(zhǔn)確率都比較高，D的預(yù)測(cè)準(zhǔn)確率可以達(dá)到87.50%。由于在信貸活動(dòng)中商業(yè)銀行的貸款年利率會(huì)影響到潛在客戶的流失，所以需要對(duì)客戶流失率與貸款年利率數(shù)據(jù)的關(guān)系進(jìn)行一個(gè)擬合，選擇的是2次擬合函數(shù)，運(yùn)用Excel軟件對(duì)信譽(yù)評(píng)級(jí)為A、B、C的企業(yè)分別擬合，擬合效果較好。銀行在經(jīng)營(yíng)各項(xiàng)業(yè)務(wù)的第一要義就是盈利，與此同時(shí)，資金的流動(dòng)性和安全性也要有所保障。但是當(dāng)銀行的信貸業(yè)務(wù)出現(xiàn)問(wèn)題時(shí)，資金的流動(dòng)性以及安全性就會(huì)面臨威脅，那么就會(huì)對(duì)銀行造成不可估量的損失，銀行的生存和未來(lái)的發(fā)展就會(huì)變得岌岌可危。為了避免此類狀況的發(fā)生，信貸風(fēng)險(xiǎn)評(píng)估分析就變得尤為重要，評(píng)估過(guò)程包括分析信貸客戶相關(guān)的財(cái)務(wù)和非財(cái)務(wù)數(shù)據(jù)，衡量借款人的還款能力并估計(jì)違約的可能性，將這一系列的數(shù)據(jù)輔助銀行進(jìn)行借貸決策，所以建立了以信貸風(fēng)險(xiǎn)測(cè)量和銀行利益最大化的雙目標(biāo)規(guī)劃模型。首先各企業(yè)的信貸風(fēng)險(xiǎn)P值已根據(jù)模型一的算法求出，考慮到銀行的收益最大化，我們建立如下的銀行收益函數(shù)：1-p：達(dá)到不會(huì)違規(guī)的概率，p則是違規(guī)概率，x1是對(duì)每一個(gè)企業(yè)投資的金額，x2是對(duì)每一個(gè)企業(yè)投資的利率，fn(x2)表示我們上述求出的客戶流失率關(guān)于貸款年利率的擬合函數(shù)，1-fn(x2)表示挽留的客戶比例，失去的那一部分表示不賺錢?？梢园褁1提出表達(dá)式外，這時(shí)上述式子可以分為兩個(gè)部分來(lái)解決：因?yàn)閇(1-p)*(1＋x2)-1]*(1-fn(x2))是關(guān)于x2的函數(shù)，因?yàn)樽宰兞渴莤2，于是可以在固定x1值的情況下，只要使這個(gè)表達(dá)式最大，就能使下列條件滿足最大值：其具體原理：改進(jìn)爬山算法，仍以求一元函數(shù)的最大值為例，具體的算法原理如下：i=0，在解空間中隨機(jī)生成一個(gè)初始解w0，作為搜索起始點(diǎn)S(S=ω0)，計(jì)算搜索點(diǎn)S對(duì)應(yīng)的目標(biāo)函數(shù)值f(S)=f(ω0)；令i＋＋，在S附近隨機(jī)生成一個(gè)新解ωi，計(jì)算ωi對(duì)應(yīng)的目標(biāo)函數(shù)值f(ωi)；若f(ωi)≥f(S)，則將搜索點(diǎn)S移動(dòng)到解ωi的位置，然后將上述步驟進(jìn)行重復(fù)；若f(ωi)≤f(S)，不同于爬山算法，搜索點(diǎn)此時(shí)并沒(méi)有完全拒絕解ωi，而有一定的概率p接收新解。用程序生成一個(gè)(0，1)之間的隨機(jī)數(shù)r，如果r<p，說(shuō)明這個(gè)概率為p的把握成立，則搜索點(diǎn)S移動(dòng)到ωi的位置，反之S不移動(dòng)，然后重復(fù)步驟。根據(jù)以上過(guò)程可求出x2即貸款年利率的相應(yīng)值，上述表達(dá)式變?yōu)閙ax∑cx1，其中c已在上一步求解，且滿足條件∑x1=M。通過(guò)對(duì)數(shù)據(jù)的篩選整合后，建立滿足要求的衡量信貸風(fēng)險(xiǎn)指標(biāo)體系，由于由PSO優(yōu)化的SVM模型模擬效果較差，改用貝葉斯神經(jīng)網(wǎng)絡(luò)擬合模型，針對(duì)四組不同級(jí)別的信譽(yù)評(píng)級(jí)，擬合出其對(duì)應(yīng)信貸風(fēng)險(xiǎn)區(qū)間范圍。后通過(guò)對(duì)企業(yè)貸款利率與流失率的擬合分析，建立雙規(guī)劃模型，采用模擬退火算法，針對(duì)不同實(shí)力、不同信譽(yù)等級(jí)企業(yè)不同的信貸風(fēng)險(xiǎn)，制定其信貸策略，既滿足銀行低風(fēng)險(xiǎn)策略，也能達(dá)到銀行營(yíng)利的目的。肺炎疫情的爆發(fā)對(duì)各行業(yè)、各類別企業(yè)的生產(chǎn)經(jīng)營(yíng)和經(jīng)濟(jì)效益造成了不同程度的影響。根據(jù)企業(yè)的信譽(yù)不受突發(fā)因素影響，貝葉斯神經(jīng)網(wǎng)絡(luò)模型具有一定的容錯(cuò)能力，其不僅僅可以運(yùn)用于信貸風(fēng)險(xiǎn)的評(píng)估，還可以在商品銷售的預(yù)測(cè)、水文預(yù)測(cè)、地質(zhì)分析、生物工程方面也有廣泛的應(yīng)用。層次分析法是一種成熟的分析評(píng)價(jià)方法，可以廣泛運(yùn)用到社會(huì)經(jīng)濟(jì)管理領(lǐng)域中許多的不確定性問(wèn)題，可以起到很好的分析效果。因此在各企業(yè)原來(lái)的信貸風(fēng)險(xiǎn)基礎(chǔ)上，銀行需要綜合考慮企業(yè)生產(chǎn)經(jīng)營(yíng)和經(jīng)濟(jì)效益幾方面的因素對(duì)其信貸風(fēng)險(xiǎn)造成的影響，重新調(diào)整年度信貸總額為1億元時(shí)的信貸策略。因此利用專家打分的層次分析法(AHP)對(duì)各行業(yè)、各類別企業(yè)的信貸風(fēng)險(xiǎn)影響程度進(jìn)行綜合評(píng)價(jià)，對(duì)銀行信貸收益函數(shù)模型進(jìn)行改進(jìn)，從而調(diào)整銀行信貸策略。AHP方法評(píng)價(jià)行業(yè)影響程度采用SPSS25.0對(duì)上述指標(biāo)體系進(jìn)行層次分析法，當(dāng)然它是在問(wèn)題層次模型的基礎(chǔ)上建立起來(lái)的，判斷層次結(jié)構(gòu)中各指標(biāo)的相對(duì)重要性，利用專家打分法構(gòu)造其判別矩陣，共需構(gòu)造5個(gè)判別矩陣Ak(k=1，2，3，4，5)。將所有因素進(jìn)行兩兩分組，逐一比較，為了將不同性質(zhì)的因素相互比較的困難降到最低，我們利用相對(duì)尺度以提高準(zhǔn)確度，判斷矩陣Ak的標(biāo)度方法。max表示判斷矩陣最大特征根的特征向量，經(jīng)過(guò)歸一化記為A。層次單排序即為A的元素為同一層次元素相對(duì)于上一層元素來(lái)評(píng)判某因素相對(duì)重要性的排序權(quán)值的一個(gè)過(guò)程。在分析評(píng)價(jià)時(shí)，按照構(gòu)建的綜合評(píng)價(jià)模型來(lái)計(jì)算各方案的綜合評(píng)價(jià)值，通過(guò)綜合評(píng)價(jià)值推出最優(yōu)最好的方案或?qū)@些方案按順序排列，但是有時(shí)候“屬性值”并不是完全精確的，也可能隨時(shí)間變化，而且受主觀影響較大，這樣，方案排序的結(jié)果就顯得不可靠。因此對(duì)于評(píng)價(jià)結(jié)果進(jìn)行靈敏度分析，也就是需要知道決策信息的變化對(duì)方案排序結(jié)果的影響程度。層次分析法從根本上來(lái)看屬于一種簡(jiǎn)單的線性加權(quán)法，只是將問(wèn)題分而治之，切分成多個(gè)層次來(lái)逐一解決。

3結(jié)語(yǔ)

本文選擇貝葉斯神經(jīng)網(wǎng)絡(luò)擬合算法，建立商業(yè)銀行企業(yè)客戶信貸風(fēng)險(xiǎn)評(píng)價(jià)模型，快速、易于訓(xùn)練，給出了它們所需的資源能帶來(lái)良好的表現(xiàn)。其中BP算法收斂速度慢，易于陷入局部極小值，從而找不到整體最優(yōu)點(diǎn)，SVM模型訓(xùn)練有一定難度，擬合效果較差。利用完成學(xué)習(xí)過(guò)程的網(wǎng)絡(luò)測(cè)試樣本數(shù)據(jù)，發(fā)現(xiàn)測(cè)試精度較高。但其輸入變量不能是相關(guān)的，其成為模型缺點(diǎn)所在，也是后續(xù)值得思考優(yōu)化的問(wèn)題。由于信貸風(fēng)險(xiǎn)是受多種因素共同影響的結(jié)果，很難給出其各種因素共同作用的公式，而神經(jīng)網(wǎng)絡(luò)模型很好解決了這個(gè)問(wèn)題，它具有較強(qiáng)的自組織、自適應(yīng)與學(xué)習(xí)能力，能夠在未完全了解所有風(fēng)險(xiǎn)因素的變化趨勢(shì)下，完成各種評(píng)價(jià)指標(biāo)變量之間的相關(guān)性映射。對(duì)于銀行信貸政策而言既要滿足利潤(rùn)的最大化，同時(shí)也要保證風(fēng)險(xiǎn)的可控性，針對(duì)于此建立的雙目標(biāo)規(guī)劃模型，可以使得規(guī)劃者和決策者各司其職。但是在多目標(biāo)問(wèn)題中各個(gè)目標(biāo)是不可公度的。層次分析法把研究對(duì)象看成一個(gè)整體，進(jìn)行一系列的拆分和分解，從而進(jìn)行比較和判斷，完成決策。利用層次分析法來(lái)分析企業(yè)在受到突發(fā)因素影響時(shí)各行業(yè)的狀況，將每個(gè)層次中的每個(gè)因素對(duì)結(jié)果的影響程度進(jìn)行量化，非常清晰明確。但是選擇備選方案層時(shí)依據(jù)企業(yè)名稱劃分行業(yè)具有較大的人為主觀性，其分析結(jié)果不夠準(zhǔn)確。

參考文獻(xiàn)

[1]李帥鵬.基于貝葉斯決策規(guī)則的商業(yè)銀行信貸風(fēng)險(xiǎn)研究[D].武漢:淮北師范大學(xué),2020.

[2]許士春,張婧男.肺炎疫情對(duì)企業(yè)影響調(diào)查與一季度經(jīng)濟(jì)預(yù)測(cè)[J].淮海文匯,2020(01):8-14.

[3]呂文.我國(guó)商業(yè)銀行中小企業(yè)客戶信用風(fēng)險(xiǎn)評(píng)級(jí)方法的研究[D].蘇州:蘇州大學(xué),2019.

[4]龍澤棟.基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信貸風(fēng)險(xiǎn)評(píng)估研究[D].武漢:湖北工業(yè)大學(xué),2018.

[5]張虹婧.C商業(yè)銀行成都分行中小企業(yè)信用風(fēng)險(xiǎn)管理研究[D].成都:電子科技大學(xué),2018.

作者：楊惟伊 單位：西安外國(guó)語(yǔ)大學(xué)商學(xué)院