黃夢(mèng)宇
(南海農(nóng)村商業(yè)銀行,廣東 南海 528200)
手機(jī)銀行在傳統(tǒng)銀行的基礎(chǔ)上發(fā)展而來(lái),其必然包含傳統(tǒng)銀行的部分風(fēng)險(xiǎn),但同時(shí)也面臨新的技術(shù)風(fēng)險(xiǎn)。而手機(jī)銀行作為一項(xiàng)較新的業(yè)務(wù),關(guān)于其風(fēng)險(xiǎn)預(yù)警的研究尚不多,只有一些學(xué)者提出了其對(duì)手機(jī)銀行風(fēng)險(xiǎn)的定性研究。因此,本文將在綜合分析以往研究成果的基礎(chǔ)上,從傳統(tǒng)銀行風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、業(yè)務(wù)風(fēng)險(xiǎn)三個(gè)角度,提出手機(jī)銀行風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)手機(jī)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)警。
構(gòu)建一個(gè)準(zhǔn)確的手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型,對(duì)于防范和化解風(fēng)險(xiǎn),具有重要的指導(dǎo)意義。傳統(tǒng)的預(yù)警模型主要采用線性數(shù)學(xué)的方法對(duì)風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè),這些方法存在難以處理非線性數(shù)據(jù)、自學(xué)習(xí)能力差、不具備動(dòng)態(tài)預(yù)測(cè)能力等缺陷,在解決手機(jī)銀行風(fēng)險(xiǎn)的預(yù)警問(wèn)題上有較大的局限性。隨著人工智能的發(fā)展,我們可以提出一種全新的思路,將BP神經(jīng)網(wǎng)絡(luò)引入以解決智能預(yù)警的問(wèn)題。
本文在參考學(xué)術(shù)界關(guān)于手機(jī)銀行風(fēng)險(xiǎn)研究成果的基礎(chǔ)上,對(duì)手機(jī)銀行風(fēng)險(xiǎn)進(jìn)一步識(shí)別,并采用德?tīng)柗品ǎ―elphi)來(lái)確定相關(guān)指標(biāo),采用定量分析的層次分析法(AHP)來(lái)確定各指標(biāo)的權(quán)重。
手機(jī)銀行風(fēng)險(xiǎn)識(shí)別就是綜合運(yùn)用各種方法,甄別手機(jī)銀行所面臨的風(fēng)險(xiǎn), 并分析風(fēng)險(xiǎn)的表現(xiàn)形式及對(duì)手機(jī)銀行造成的影響,為防范風(fēng)險(xiǎn)提供依據(jù)[1]。手機(jī)銀行既面臨著傳統(tǒng)銀行的風(fēng)險(xiǎn),也面臨著新的風(fēng)險(xiǎn),難以對(duì)手機(jī)銀行面臨的所有風(fēng)險(xiǎn)一一列舉,本文主要選取了對(duì)手機(jī)銀行影響較大的風(fēng)險(xiǎn)進(jìn)行研究,繪制出手機(jī)銀行風(fēng)險(xiǎn)全息圖。其中,某些風(fēng)險(xiǎn)同時(shí)隸屬于二級(jí)風(fēng)險(xiǎn)當(dāng)中的某兩類,但為了制作全息圖的方便,根據(jù)該風(fēng)險(xiǎn)的偏向性做出了模糊劃分,這種劃分無(wú)礙于對(duì)手機(jī)銀行風(fēng)險(xiǎn)的研究。
圖1 手機(jī)銀行風(fēng)險(xiǎn)全息圖
確定了這14個(gè)風(fēng)險(xiǎn)和對(duì)應(yīng)的一籃子指標(biāo)后,筆者向中國(guó)人民銀行廣州分行,工、農(nóng)、中、建四家國(guó)有銀行的廣東省分行的專業(yè)人士發(fā)放了50份問(wèn)卷。其中,回收問(wèn)卷47份,有效問(wèn)卷45份,有效率為90%。從問(wèn)卷中得到三方面重要信息,一方面經(jīng)過(guò)有關(guān)專業(yè)人士和有關(guān)學(xué)者的篩選,最終得到了表1所示的各項(xiàng)指標(biāo);第二個(gè)方面,問(wèn)卷設(shè)計(jì)了相關(guān)指標(biāo)重要性的參考分值,由專業(yè)人士和相關(guān)學(xué)者根據(jù)自身經(jīng)驗(yàn)和知識(shí)架構(gòu)進(jìn)行打分和排序,根據(jù)排序結(jié)果,利用AHP計(jì)算出各指標(biāo)的權(quán)重,各指標(biāo)權(quán)重如表1所示;第三個(gè)方面,要求受訪者根據(jù)自身實(shí)踐經(jīng)驗(yàn)以及理論基礎(chǔ)知識(shí),采用1~5表示三級(jí)指標(biāo)對(duì)手機(jī)銀行綜合風(fēng)險(xiǎn)的影響程度,這一部分獲取的數(shù)據(jù)為本文第三部分所用。
?
其中,三級(jí)指標(biāo)是在預(yù)先制定的一籃子指標(biāo)的基礎(chǔ)上,由專業(yè)人士和專家學(xué)者共同篩選所得。在制定一籃子指標(biāo)時(shí),主要參考了張紀(jì)(2006)提出的手機(jī)銀行風(fēng)險(xiǎn)[2]、何光輝等(2011)提出的手機(jī)銀行的新型風(fēng)險(xiǎn)[3]及劉以研等(2012)提出的手機(jī)銀行安全性的影響因素[4]等。
本文采用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型,其中將以預(yù)警三級(jí)指標(biāo)作為輸入,以手機(jī)銀行風(fēng)險(xiǎn)預(yù)警度(“安全”或“風(fēng)險(xiǎn)”)為輸出。但我國(guó)手機(jī)銀行發(fā)展歷史較短,并沒(méi)有足夠的評(píng)價(jià)手機(jī)銀行風(fēng)險(xiǎn)的基礎(chǔ)數(shù)據(jù),監(jiān)管部門(mén)也缺乏相關(guān)數(shù)據(jù)記錄。因此,必須采用一定的標(biāo)準(zhǔn)衡量手機(jī)銀行的風(fēng)險(xiǎn),本文通過(guò)調(diào)查問(wèn)卷獲取的數(shù)據(jù)確定樣本輸入,同時(shí)采用臨界值法對(duì)樣本銀行的風(fēng)險(xiǎn)預(yù)警度進(jìn)行劃分,確定BP神經(jīng)網(wǎng)絡(luò)的輸出值。
具體而言,本文根據(jù)各指標(biāo)閾值構(gòu)建了一個(gè)“虛擬預(yù)警銀行”;同時(shí),通過(guò)樣本銀行風(fēng)險(xiǎn)數(shù)值與權(quán)重做加權(quán)運(yùn)算得到樣本銀行綜合風(fēng)險(xiǎn)值。將“虛擬預(yù)警銀行”的風(fēng)險(xiǎn)值視為風(fēng)險(xiǎn)預(yù)警的分界線,高于這一分界線的樣本銀行視為風(fēng)險(xiǎn)銀行,否則為安全銀行。
根據(jù)表1合成權(quán)重以及指標(biāo)閾值的結(jié)果,采用加權(quán)求和的方法計(jì)算“虛擬預(yù)警銀行”的綜合風(fēng)險(xiǎn)值,結(jié)果為4.477。本文將4.477作為手機(jī)銀行風(fēng)險(xiǎn)的分界線,樣本銀行風(fēng)險(xiǎn)值高于4.477的為風(fēng)險(xiǎn)銀行,預(yù)警度取“1”;否則,樣本銀行為安全銀行,預(yù)警度取“0”。根據(jù)這一原則,45個(gè)樣本當(dāng)中有40個(gè)安全樣本和5個(gè)風(fēng)險(xiǎn)樣本。
1.數(shù)據(jù)的歸一化和隱層節(jié)點(diǎn)的選取。將收集到的數(shù)據(jù)運(yùn)用mapm inmax函數(shù)進(jìn)行歸一化處理,使得所有的樣本數(shù)據(jù)落入[0,1]范圍之內(nèi),并根據(jù)歸一化后的數(shù)據(jù)來(lái)確定隱層節(jié)點(diǎn)數(shù)。在隱層節(jié)點(diǎn)數(shù)的選擇方面,本文采用經(jīng)驗(yàn)公式與試湊法相結(jié)合的方式進(jìn)行。經(jīng)過(guò)對(duì)比分析,隱層節(jié)點(diǎn)數(shù)選10較好,因?yàn)槠溆?xùn)練誤差平方和以及訓(xùn)練步數(shù)都較小。
2.基于BP神經(jīng)網(wǎng)絡(luò)的手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型的訓(xùn)練。本文將經(jīng)過(guò)歸一化處理后的指標(biāo)值作為神經(jīng)網(wǎng)絡(luò)的輸入,與之相對(duì)應(yīng)的預(yù)警度(“0”或者“1”)作為期望輸出。本文一共45個(gè)訓(xùn)練樣本,并隨機(jī)選擇了10個(gè)樣本作為檢測(cè)樣本,導(dǎo)入MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱進(jìn)行訓(xùn)練。圖2顯示,當(dāng)訓(xùn)練到76步時(shí),網(wǎng)絡(luò)收斂,即達(dá)到訓(xùn)練目標(biāo),此神經(jīng)網(wǎng)絡(luò)的訓(xùn)練完成。
3.基于BP神經(jīng)網(wǎng)絡(luò)的手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型的預(yù)測(cè)。以隨機(jī)選取的10組歸一化后的指標(biāo)值作為輸入,對(duì)應(yīng)的預(yù)警結(jié)果作為期望輸出。通過(guò)將實(shí)際輸出與期望輸出進(jìn)行比較,可以看出,期望輸出與實(shí)際輸出的差值很小。因此,經(jīng)過(guò)訓(xùn)練的BP網(wǎng)絡(luò)是有效的,可以運(yùn)用該網(wǎng)絡(luò)對(duì)手機(jī)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)。
?
手機(jī)銀行是網(wǎng)絡(luò)銀行發(fā)展的重要階段,手機(jī)銀行的安全性研究是一個(gè)新興的領(lǐng)域。但目前的研究主要集中于定性介紹手機(jī)銀行面臨的風(fēng)險(xiǎn)類型,缺乏關(guān)于手機(jī)銀行風(fēng)險(xiǎn)的實(shí)證研究,還沒(méi)有系統(tǒng)性地提出風(fēng)險(xiǎn)預(yù)警模型,本文的研究可以為解決這個(gè)問(wèn)題提供一個(gè)新的視角。本文在分析現(xiàn)有研究成果的基礎(chǔ)上,構(gòu)建了手機(jī)銀行風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系,運(yùn)用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型。通過(guò)實(shí)驗(yàn)表明,運(yùn)用該模型對(duì)手機(jī)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)具有可行性,預(yù)測(cè)結(jié)果可以為風(fēng)險(xiǎn)評(píng)估提供一個(gè)有力的支撐。
[1]張龍濤.我國(guó)網(wǎng)絡(luò)銀行業(yè)務(wù)風(fēng)險(xiǎn)的分析[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2006,7:43-48.
[2]張紀(jì).國(guó)際手機(jī)銀行發(fā)展、風(fēng)險(xiǎn)分析與安全策略[J].國(guó)際金融研究,2006,3:68-72.
[3]何光輝,楊咸月.手機(jī)銀行模式與監(jiān)管:金融包容與中國(guó)的戰(zhàn)略轉(zhuǎn)移[J].財(cái)貿(mào)經(jīng)濟(jì),2011,4:46-54.
[4]劉以研,白璐.信息技術(shù)條件下的手機(jī)銀行安全問(wèn)題研究[J].情報(bào)科學(xué),2012,30(4):609-612.