基于BP神經(jīng)網(wǎng)絡(luò)的手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型研究

黃夢宇

（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，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)評價(jià)指標(biāo)體系，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對手機(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)的方法對風(fēng)險(xiǎn)進(jìn)行預(yù)測，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、不具備動態(tài)預(yù)測能力等缺陷，在解決手機(jī)銀行風(fēng)險(xiǎn)的預(yù)警問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)警的問題。

一、手機(jī)銀行風(fēng)險(xiǎn)預(yù)警指標(biāo)的設(shè)置

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，對手機(jī)銀行風(fēng)險(xiǎn)進(jìn)一步識別，并采用德爾菲法（Delphi）來確定相關(guān)指標(biāo)，采用定量分析的層次分析法（AHP）來確定各指標(biāo)的權(quán)重。

（一）風(fēng)險(xiǎn)識別

手機(jī)銀行風(fēng)險(xiǎn)識別就是綜合運(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，這種劃分無礙于對手機(jī)銀行風(fēng)險(xiǎn)的研究。

圖1 手機(jī)銀行風(fēng)險(xiǎn)全息圖

（二）確定相關(guān)指標(biāo)及權(quán)重

確定了這14個(gè)風(fēng)險(xiǎn)和對應(yīng)的一籃子指標(biāo)后，筆者向中國人民銀行廣州分行，工、農(nóng)、中、建四家國有銀行的廣東省分行的專業(yè)人士發(fā)放了50份問卷。其中，回收問卷47份，有效問卷45份，有效率為90%。從問卷中得到三方面重要信息，一方面經(jīng)過有關(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，采用1～5表示三級指標(biāo)對手機(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。

二、手機(jī)銀行風(fēng)險(xiǎn)預(yù)警指標(biāo)閾值的確定

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。但我國手機(jī)銀行發(fā)展歷史較短，并沒有足夠的評價(jià)手機(jī)銀行風(fēng)險(xiǎn)的基礎(chǔ)數(shù)據(jù)，監(jiān)管部門也缺乏相關(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)，本文通過調(diào)查問卷獲取的數(shù)據(jù)確定樣本輸入，同時(shí)采用臨界值法對樣本銀行的風(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。

三、手機(jī)銀行風(fēng)險(xiǎn)預(yù)警模型的實(shí)驗(yàn)檢驗(yàn)

（一）數(shù)據(jù)綜合風(fēng)險(xiǎn)值的獲取

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。

（二）BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練與檢驗(yàn)結(jié)果

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)過對比分析，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。以隨機(jī)選取的10組歸一化后的指標(biāo)值作為輸入，對應(yīng)的預(yù)警結(jié)果作為期望輸出。通過將實(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)過訓(xùn)練的BP網(wǎng)絡(luò)是有效的，可以運(yùn)用該網(wǎng)絡(luò)對手機(jī)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)測。

?

四、結(jié)論

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。通過實(shí)驗(yàn)表明，運(yùn)用該模型對手機(jī)銀行風(fēng)險(xiǎn)進(jìn)行預(yù)測具有可行性，預(yù)測結(jié)果可以為風(fēng)險(xiǎn)評估提供一個(gè)有力的支撐。

[1]張龍濤.我國網(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).國際手機(jī)銀行發(fā)展、風(fēng)險(xiǎn)分析與安全策略[J].國際金融研究，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)銀行安全問題研究[J].情報(bào)科學(xué)，2012，30(4):609-612.