论文部分内容阅读
随着全球经济循环体系的运行,作为人口大国,中国已经成为国际金融经济体系中日益活跃的成员之一。近年来,中国的经济实力、综合国力在国际市场上开始崭露头角,中国的金融市场吸引了越来越多外资银行的关注。外资银行逐渐进入中国金融市场,不仅加剧了国内银行业的竞争形势,也加大了中国银行业的信用风险的复杂化。商业银行经营业务的性质决定了中国商业银行信用风险的重要地位。商业银行信用风险不仅决定了商业银行本身资产质量的上升或下降,流动性危机爆发的频率高低,而且是威胁整个金融行业乃至全球经济运行体制的一个重要炸弹,中国商业银行要想实现长久稳定的发展,必须建立比较科学完善的风险防范体制,由此可见建立适合我国商业银行的信用风险评价模型具有重要的现实意义。本文为了深入探讨中国商业银行信用风险评价模型的构建问题,为中国商业银行业建立完善有效的信用风险管理体系提供行之有效的理论依据,在参考商业银行信用风险管理的有关理论和中国商业银行发展现状的基础上,将企业信贷作为研究的突破口,构建了合理有效的商业银行信用风险评价指标体系,最终建立了中国商业银行信用风险评价的二项Logistic回归和BP-神经网络模型。本文选取2014年在上交所上市的非ST公司和被特别处理的ST公司的中报财务数据包括盈利能力、运营能力、偿债能力、发展能力、资本结构、企业规模性等6个方面,运用K-S正态性检验、配对样本的T检验、非参数检验、多重共线性等统计分析方法对变量进行筛选,最终建立了二项Logistic回归模型和BP神经网络模型,通过对两种模型的预测准确度进行对比,最终选出适用于中国商业银行业发展现状的信用风险评价模型。