摘 要：商业银行转型已成为社会热点。本文聚焦于商业银行转型中的评价指标，运用人工网络方法，确定其指标给银行带来的收益，为银行转型的进一步发展奠定基础，平衡银行资源分配，实现银行收益最大化。
　　关键词：银行转型；BP网络模型；评价指标
　　一、研究背景
　　2015年，中国上市银行资产规模稳步增长， 但不良贷款持续上升，经营压力较大。 2016年，中国上市银行将面临更大的挑战，信用风险的扩散上升、业务风险特征的复杂化。同时，利率市场化改革基本完成、互联网金融异军突起、金融监管改革提速，在新的市场环境下，客户消费习惯发生重大变化，倒逼银行加快转型步伐。
　　目前关于商业银行转型的评价体系的研究数量较少，具有指导性的文献尚不够成熟，而基于现实情况，各商行又亟需在转型的过程中规避风险，提高竞争力，最大化收益。因此对商业银行的转型势在必行，本文基于已有研究，应用人工神经网路，对其转型的业务进行综合评价。
　　（一）BP神经网络结构
　　人工神经网络由输入层、隐层和输出层节点组成，一个节点表示一个神经元。隐层可以是一层也可以是多层，隐节点一般采用Sigmoid型函数，输入和输出节点可以采用Sigmoid型函数或者线性函数，前层到后层的节点通过权联结。由于采用的是BP算法，所以常称神经网络为BP神经网络。
　　（二）BP算法
　　第一步，选取初始权值、阈值。
　　第二步，重复下述过程直至满足性能要求为止。
　　对于学习样本到P=1到N，计算每个节点的正反向过程的输入和输出
　　第三步，修正权值
　　二、实证分析
　　（一）神经网络模型设计
　　在商业银行转型评价模型中，网络输入为全面描述商业银行转型的指标，网络输出则是收益等级。商业银行转型升级的评价指标分为发展指标、监管指标、结构指标、盈利指标四个方面。
　　（二）BP神经网络商业银行转型模型的确定
　　1.BP神经网络模型的结构
　　BP神经网路理论已证明，一层隐含层时，既不影响网络精度也可提高网络速度。为此，笔者选用了41组数据用于训练神经网络，得出，当隐含层单元数为25个时网络收敛速度最快，由此可得到商业银行指标评价模型的结构：即网络由12个单元的输入层，25个单元的隐含层和1个输出层三层组成。
　　2.神经网络模型初始权重的确定
　　BP算法中，节点间的传递函数为f（x） =。通过分析输出的一系列累积误差变化得出，当随机权值产生区间在[- 1，1]之间时，该模型的收敛速度最快。
　　（三）结果分析
　　分析研究数据，得出银行在业务转型、营销转型、战略转型取得显著建树的单位，业绩良好，不良负债率小，营业增幅大。B银行营销转型、业务转型均取得重大突破，利润率增幅高，不良资产稳低，A银行战略营销转型，利润率增幅高，但不良资产率也高、C银行保持传统模式，利润不良资产均保持稳定。本研究得出，经济转型的大背景下，银行产业的转型势在必行。
　　三、结束语
　　银行未来面临的竞争压力将十分沉重，竞争对手不仅限于同业之间，更有来自证券、保险、基金以及互联网平台的挑战。新形式下的金融脱媒现象日益凸显：凭借良好支付体验和突出创新能力，第三方支付企业将对商业银行支付结算主渠道地位发起有力挑战，造成渠道脱媒；互联网金融为客户提供了多元化的金融服务选择，更多金融交易是通过第三方平台实现的，客户不直接与银行发生接触，银行客户忠诚度下降，形成客户关系脱媒。
　　參考文献：
　　[1]科学数据共享工程专题研究组.科学数据共享工程[Z].国家科技基础条件平台工作简报，2003，（01）.
　　[2]科技部、财政部.关于国家科研计划项目研究成果知识产权管理的若干规定[Z].http：∥ www.most.gov.cn/zcfg/kjzc/ t20031210_8294.htm.
　　作者简介：
　　杨瑶盼，西安工程大学管理学。