基于BP神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行風(fēng)險(xiǎn)評(píng)估研究

楊君岐 任瑞 闞立娜 任昊悅

【摘 要】 隨著我國(guó)利率市場(chǎng)化的不斷推進(jìn)，商業(yè)銀行的競(jìng)爭(zhēng)環(huán)境發(fā)生變化，如何有效地對(duì)商業(yè)銀行進(jìn)行風(fēng)險(xiǎn)防控，實(shí)現(xiàn)商業(yè)銀行在大環(huán)境下的穩(wěn)定持續(xù)發(fā)展是非常重要的。文章以2016—2019年20家商業(yè)銀行為研究樣本，運(yùn)用因子分析法進(jìn)行降維，利用特征值計(jì)算指標(biāo)權(quán)重，通過加權(quán)因子值構(gòu)造風(fēng)險(xiǎn)指數(shù)，以8個(gè)評(píng)價(jià)要素為輸入，風(fēng)險(xiǎn)指數(shù)為輸出，建立了8×15×1的BP神經(jīng)網(wǎng)絡(luò)商業(yè)銀行風(fēng)險(xiǎn)評(píng)估與分析模型，通過對(duì)原始樣本和測(cè)試樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練和仿真測(cè)試，結(jié)果表明所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)能很好地進(jìn)行風(fēng)險(xiǎn)評(píng)估，更重要的是加入“彈性分析”可以進(jìn)行商業(yè)銀行風(fēng)險(xiǎn)的影響要素分析。實(shí)證分析結(jié)果表明：商業(yè)銀行的流動(dòng)性、資本充足和不良貸款性指標(biāo)對(duì)風(fēng)險(xiǎn)影響較大，且流動(dòng)性和資本充足等指標(biāo)的變動(dòng)與風(fēng)險(xiǎn)指數(shù)呈反向變化，不良貸款率等與風(fēng)險(xiǎn)指數(shù)呈正向變化。

【關(guān)鍵詞】 商業(yè)銀行; 風(fēng)險(xiǎn)評(píng)估; BP神經(jīng)網(wǎng)絡(luò); 因子分析法; 彈性分析

【中圖分類號(hào)】 F832.33? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2021）05-0113-07

一、引言

在利率市場(chǎng)化的不斷推進(jìn)下，商業(yè)銀行面臨的經(jīng)營(yíng)環(huán)境、業(yè)務(wù)種類以及競(jìng)爭(zhēng)環(huán)境等都發(fā)生了較大的改變。商業(yè)銀行之間的競(jìng)爭(zhēng)加劇，從宏觀和微觀層面均加大了商業(yè)銀行風(fēng)險(xiǎn)管理的難度，要使其在社會(huì)經(jīng)濟(jì)迅速發(fā)展的大環(huán)境下獲得穩(wěn)定持續(xù)發(fā)展，必須高度重視風(fēng)險(xiǎn)評(píng)估、防控和管理。商業(yè)銀行績(jī)效評(píng)價(jià)一直都是學(xué)界與業(yè)界比較重要的研究課題，風(fēng)險(xiǎn)防控作為績(jī)效管理的重要組成部分，關(guān)于風(fēng)險(xiǎn)的評(píng)估研究也成為了當(dāng)前研究的重要內(nèi)容。目前關(guān)于商業(yè)銀行績(jī)效評(píng)價(jià)經(jīng)常利用單一指標(biāo)測(cè)度商業(yè)銀行績(jī)效，如凈資產(chǎn)收益率（ROE）、總資產(chǎn)收益率（ROA）、經(jīng)濟(jì)增加值（EVA）以及不良貸款率等，還有少部分文獻(xiàn)利用平衡計(jì)分法以及模糊綜合評(píng)價(jià)法進(jìn)行指標(biāo)測(cè)度。因?yàn)?020年財(cái)政部公布的《商業(yè)銀行績(jī)效評(píng)價(jià)辦法》（財(cái)金〔2020〕124號(hào)）中的指標(biāo)數(shù)據(jù)獲取有限，各部分指標(biāo)之間很難互相代替，因此計(jì)劃從比較受市場(chǎng)關(guān)注、指標(biāo)較全的風(fēng)險(xiǎn)防控方面進(jìn)行分析研究，就商業(yè)銀行風(fēng)險(xiǎn)測(cè)度方法和評(píng)價(jià)要素進(jìn)行研究。在方法研究中利用BP神經(jīng)網(wǎng)絡(luò)具有仿真多個(gè)變量間非線性復(fù)雜影響關(guān)系的特點(diǎn)，在此基礎(chǔ)上加入“彈性分析”概念，用來(lái)分析原始評(píng)價(jià)要素變動(dòng)對(duì)商業(yè)銀行風(fēng)險(xiǎn)的影響。用因子分析法優(yōu)化評(píng)價(jià)要素、確定因子權(quán)重并計(jì)算網(wǎng)絡(luò)輸出層變量，用BP神經(jīng)網(wǎng)絡(luò)建立評(píng)價(jià)要素對(duì)風(fēng)險(xiǎn)影響分析的非線性系統(tǒng)，以便學(xué)界和業(yè)界應(yīng)用。

二、商業(yè)銀行風(fēng)險(xiǎn)測(cè)度相關(guān)研究

在商業(yè)銀行的風(fēng)險(xiǎn)研究中主要有兩種測(cè)度方法，一種是選用單一變量，如不良貸款率、資本充足率、資產(chǎn)收益率波動(dòng)以及預(yù)期違約概率等;另一種是構(gòu)建指數(shù)或評(píng)級(jí)體系的方法，如z-score指數(shù)。尹莉婭[1]和謝太峰等[2]在相關(guān)因素與商業(yè)銀行風(fēng)險(xiǎn)的關(guān)系時(shí)，選用不良貸款率和風(fēng)險(xiǎn)加權(quán)資產(chǎn)比重作為商業(yè)銀行風(fēng)險(xiǎn)的代理變量;韓雍等[3]在研究中利用資產(chǎn)收益率和權(quán)益資本對(duì)總資產(chǎn)的比率計(jì)算出Z-Score值衡量銀行風(fēng)險(xiǎn)承擔(dān);谷慎等[4]選用銀行破產(chǎn)風(fēng)險(xiǎn)（RISKZ）以及部分經(jīng)營(yíng)風(fēng)險(xiǎn)、杠桿風(fēng)險(xiǎn)、資本充足率和資產(chǎn)收益率波動(dòng)值來(lái)共同測(cè)度商業(yè)銀行風(fēng)險(xiǎn);張晉等[5]在測(cè)度商業(yè)銀行風(fēng)險(xiǎn)管理能力時(shí)，選用了基于駱駝評(píng)價(jià)體系（CAMELS）建立的指標(biāo)體系;程小慶等[6]利用分?jǐn)?shù)回歸的CoVaR方法計(jì)算商業(yè)銀行的系統(tǒng)風(fēng)險(xiǎn)，在計(jì)算中運(yùn)用了收益率、波動(dòng)率、期限利差以及流動(dòng)利差等指標(biāo);徐紅芬等[7]運(yùn)用熵值法和層次分析法對(duì)信用風(fēng)險(xiǎn)、流動(dòng)性風(fēng)險(xiǎn)、資本充足以及盈利能力等方面的指標(biāo)構(gòu)建風(fēng)險(xiǎn)評(píng)估體系。關(guān)于BP神經(jīng)網(wǎng)絡(luò)在績(jī)效評(píng)價(jià)體系的應(yīng)用，不少學(xué)者進(jìn)行了有益的探索，取得了不少成果。如吳苓[8]通過對(duì)BP網(wǎng)絡(luò)模型的改進(jìn)加快了傳統(tǒng)算法的運(yùn)算速度，收斂效果達(dá)到了要求，運(yùn)算結(jié)果符合實(shí)際情況;李曉峰等[9]在對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)問題進(jìn)行研究時(shí)，構(gòu)建了商業(yè)銀行信用評(píng)估體系，并利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)證分析，按照指定的判定標(biāo)準(zhǔn)給出了商業(yè)銀行信用評(píng)價(jià)等級(jí)。

關(guān)于商業(yè)銀行風(fēng)險(xiǎn)的測(cè)度，大多數(shù)學(xué)者會(huì)采用單一指標(biāo)測(cè)度的方法，一部分學(xué)者通過選取商業(yè)銀行多方面的指標(biāo)計(jì)算綜合風(fēng)險(xiǎn)值，在利用多指標(biāo)構(gòu)建評(píng)價(jià)體系時(shí)采用模糊綜合評(píng)價(jià)法和層次分析法的較多。本文計(jì)劃在建立商業(yè)銀行風(fēng)險(xiǎn)評(píng)估體系時(shí)，借鑒新的風(fēng)險(xiǎn)防控相關(guān)指標(biāo)，以便更權(quán)威或全面地進(jìn)行商業(yè)銀行風(fēng)險(xiǎn)評(píng)估。在分析中，首先通過因子分析法對(duì)原始評(píng)價(jià)指標(biāo)進(jìn)行優(yōu)化、提煉，利用加權(quán)公因子得分值構(gòu)建風(fēng)險(xiǎn)指數(shù)，然后以風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)為輸入，以風(fēng)險(xiǎn)指數(shù)為輸出，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)建立風(fēng)險(xiǎn)評(píng)估模型，最后在BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上設(shè)計(jì)“彈性分析”的輸入，分析各評(píng)價(jià)要素的變化對(duì)風(fēng)險(xiǎn)的影響方向與程度。

三、基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的商業(yè)銀行風(fēng)險(xiǎn)評(píng)估與分析模型構(gòu)建

（一）研究指標(biāo)的選擇

在風(fēng)險(xiǎn)評(píng)估的指標(biāo)選取過程中，為了避免評(píng)價(jià)系統(tǒng)的片面性與不規(guī)范性，盡量采用權(quán)威的、多角度的數(shù)據(jù)，以便得到更科學(xué)的評(píng)價(jià)指標(biāo)。在《商業(yè)銀行績(jī)效評(píng)價(jià)辦法》中給出的風(fēng)險(xiǎn)防控指標(biāo)，包括不良貸款率、資本充足率、不良貸款增速、撥備覆蓋率以及流動(dòng)性比例。由于數(shù)據(jù)獲取有限，因此本文在新標(biāo)準(zhǔn)給出的風(fēng)險(xiǎn)防控指標(biāo)的基礎(chǔ)上，除不良貸款增速外，補(bǔ)充了一級(jí)資本充足率、核心一級(jí)資本充足率、正常貸款遷徙率以及流動(dòng)覆蓋率等，以便更全面地進(jìn)行商業(yè)銀行風(fēng)險(xiǎn)評(píng)估。

（二）基于因子分析法的BP神經(jīng)網(wǎng)絡(luò)中輸出值（風(fēng)險(xiǎn)指數(shù)）的計(jì)算

在BP神經(jīng)網(wǎng)絡(luò)中，輸入、輸出值的獲取是很關(guān)鍵的，本研究的輸入變量為所選取的評(píng)價(jià)指標(biāo)，而輸出變量需要利用因子分析法構(gòu)造風(fēng)險(xiǎn)指數(shù)。借用SPSS軟件，通過因子分析法得到各公因子的特征值，本文利用旋轉(zhuǎn)后的各公因子歸一化后的特征值作為權(quán)重，利用公式1計(jì)算評(píng)價(jià)指標(biāo)權(quán)重，利用公式2加權(quán)計(jì)算風(fēng)險(xiǎn)指數(shù)。

其中，λi為旋轉(zhuǎn)后第i個(gè)因子的特征值，wi為第i個(gè)評(píng)價(jià)因子的權(quán)重，i=1，2，..，k。

其中，fi為評(píng)價(jià)指標(biāo)的因子值，i=1，2，...，n。

（三）商業(yè)銀行風(fēng)險(xiǎn)評(píng)估BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

本文研究目標(biāo)是建立一個(gè)以評(píng)價(jià)要素為輸入，以風(fēng)險(xiǎn)指數(shù)為輸出的BP神經(jīng)網(wǎng)絡(luò)模型，以便用它進(jìn)行商業(yè)銀行風(fēng)險(xiǎn)評(píng)價(jià)與影響要素分析，這里的核心是訓(xùn)練網(wǎng)絡(luò)中輸入、輸出變量的設(shè)計(jì)以及網(wǎng)絡(luò)訓(xùn)練、仿真和誤差計(jì)算等。

1.網(wǎng)絡(luò)輸入

網(wǎng)絡(luò)的輸入變量為各評(píng)價(jià)體系或辦法中給出的原始評(píng)價(jià)指標(biāo)，本文的網(wǎng)絡(luò)輸入變量為一級(jí)資本充足率、核心一級(jí)資本充足率、正常貸款遷徙率、流動(dòng)覆蓋率、不良貸款率、資本充足率、撥備覆蓋水平和流動(dòng)性比例8個(gè)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)。在研究過程中，為了避免指標(biāo)量級(jí)不同帶來(lái)的影響，訓(xùn)練網(wǎng)絡(luò)的輸入變量值為歸一化后的值。

2.網(wǎng)絡(luò)輸出

本文的網(wǎng)絡(luò)輸出變量為上文中利用公式2計(jì)算得出的商業(yè)銀行風(fēng)險(xiǎn)指數(shù)。

3.網(wǎng)絡(luò)模型選擇與設(shè)計(jì)

建立BP神經(jīng)網(wǎng)絡(luò)的函數(shù)為newff（），調(diào)用格式如下：

Net=newff（minmax（P），[k，m]，{‘tansig，‘logsig}，‘traingdx，‘learngdm）[10]，其中‘tansig和‘logsig為隱含層和輸出層的傳遞函數(shù)。訓(xùn)練網(wǎng)絡(luò)的函數(shù)為train（），調(diào)用格式為：net=train（net，p，t）;仿真網(wǎng)絡(luò)函數(shù)為sim（），調(diào)用格式為：y=sim（net，testp）。

此外，在訓(xùn)練網(wǎng)絡(luò)時(shí)，需要確定相對(duì)誤差和極限迭代次數(shù)，當(dāng)訓(xùn)練次數(shù)和相對(duì)誤差達(dá)到條件時(shí)才能結(jié)束網(wǎng)絡(luò)訓(xùn)練，否則需要不斷調(diào)整權(quán)重向量計(jì)算新的網(wǎng)絡(luò)輸出變量值才能進(jìn)行仿真訓(xùn)練。梯度算法中的權(quán)重向量的計(jì)算公式[10]如下：

其中{vij}為權(quán)向量，wi為權(quán)系數(shù)，E為誤差向量，y為網(wǎng)絡(luò)輸出變量，為仿真輸出值，？濁為學(xué)習(xí)修正率，α（x）為網(wǎng)絡(luò)的轉(zhuǎn)換函數(shù)。

在網(wǎng)絡(luò)訓(xùn)練中，輸入層節(jié)點(diǎn)數(shù)即為原始評(píng)價(jià)指標(biāo)的個(gè)數(shù)，隱含層節(jié)點(diǎn)數(shù)根據(jù)（2n-1）進(jìn)行確定，n為輸入層節(jié)點(diǎn)數(shù);本文以商業(yè)銀行風(fēng)險(xiǎn)指數(shù)（Erisk）作為輸出變量，因此輸出層節(jié)點(diǎn)數(shù)為1。具體網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

（四）基于BP神經(jīng)網(wǎng)絡(luò)模型風(fēng)險(xiǎn)評(píng)價(jià)因素的“彈性分析”網(wǎng)絡(luò)輸入設(shè)計(jì)

在建立好商業(yè)銀行風(fēng)險(xiǎn)評(píng)價(jià)網(wǎng)絡(luò)與分析系統(tǒng)后，為了進(jìn)一步分析各個(gè)二級(jí)評(píng)價(jià)指標(biāo)對(duì)風(fēng)險(xiǎn)指數(shù)的影響，在訓(xùn)練好的網(wǎng)絡(luò)中，輸入新構(gòu)造的“輸入層數(shù)據(jù)”進(jìn)行“彈性分析”，考察網(wǎng)絡(luò)輸出層的風(fēng)險(xiǎn)指數(shù)的變化。在構(gòu)建好的BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練網(wǎng)絡(luò)時(shí)以二級(jí)評(píng)價(jià)指標(biāo)的平均值為基礎(chǔ)，采取單項(xiàng)逐步變化的方法構(gòu)造新的BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。這里以考察輸入變量Xi的變化對(duì)輸出變量分析為例進(jìn)行說明，不妨假設(shè)讓Xi在其訓(xùn)練數(shù)據(jù)平均值向量基礎(chǔ)上有k種百分比的變動(dòng)γi1%，γi2%，…，γij%，...，γik%帶入訓(xùn)練好的網(wǎng)絡(luò)可得到對(duì)應(yīng)輸出。具體輸入層構(gòu)建見表1。

按第i個(gè)輸入變量有K種變化，每種情況j（j=1，2，…，K），得出一組新輸出yij'，將其與平均值對(duì)比計(jì)算出彈性系數(shù)k，具體參照計(jì)算公式6：

其中j=1，2，…，K，i=1，2，…，m;k為Xi變化的第j種幅度對(duì)風(fēng)險(xiǎn)評(píng)估值的影響“彈性系數(shù)”。當(dāng)k值為正時(shí)，表明輸出變量隨著Xi的變化增加;當(dāng)k值為負(fù)時(shí)，表明輸出變量隨Xi的變化減少。具體增加或減少的幅度由k值大小來(lái)決定。

四、實(shí)證分析

（一）樣本選取與數(shù)據(jù)處理

1.樣本選取

本模型所用方法適用于不同的原始評(píng)價(jià)指標(biāo)，在《商業(yè)銀行績(jī)效評(píng)價(jià)辦法》給出的風(fēng)險(xiǎn)防控評(píng)價(jià)指標(biāo)的基礎(chǔ)上，補(bǔ)充了部分指標(biāo)數(shù)據(jù)，最終選取了8個(gè)原始評(píng)價(jià)指標(biāo)。以我國(guó)20家商業(yè)銀行2016—2019年的數(shù)據(jù)為訓(xùn)練樣本，建立一個(gè)以8個(gè)評(píng)價(jià)要素為輸入，以風(fēng)險(xiǎn)指數(shù)為輸出的BP神經(jīng)網(wǎng)絡(luò)模型，以便用于商業(yè)銀行風(fēng)險(xiǎn)評(píng)估以及要素影響分析，數(shù)據(jù)的處理和模型的構(gòu)建過程均在Matlab軟件中實(shí)現(xiàn)，實(shí)證的部分?jǐn)?shù)據(jù)見表2。

2.指標(biāo)歸一化處理

因?yàn)楦髦笜?biāo)之間的經(jīng)濟(jì)意義和單位的不統(tǒng)一，為了避免各指標(biāo)之間數(shù)值差異產(chǎn)生較大的缺陷，對(duì)二級(jí)評(píng)價(jià)指標(biāo)運(yùn)用下文給出的歸一化公式進(jìn)行數(shù)據(jù)處理。

上式中Xi表示第i個(gè)對(duì)象的指標(biāo)值，Xmin表示最小指標(biāo)值，Xmax表示最大指標(biāo)值，Xe表示理想指標(biāo)值，Evi表示歸一化值。

（二）網(wǎng)絡(luò)輸出值（風(fēng)險(xiǎn)指數(shù)）的計(jì)算

通過指標(biāo)優(yōu)化得到三個(gè)評(píng)價(jià)公因子及得分值，根據(jù)三個(gè)評(píng)價(jià)公因子旋轉(zhuǎn)后的特征值在具體計(jì)算公式中可以計(jì)算出權(quán)重。根據(jù)旋轉(zhuǎn)成分矩陣結(jié)果知道，第一個(gè)公因子（FAC1）在資本充足率、一級(jí)資本充足率和核心資本充足率等指標(biāo)上荷載較高，因此可以命名為資本充足性指標(biāo);第二個(gè)公因子（FAC2）在流動(dòng)性覆蓋率和流動(dòng)性比例上的荷載較高，因此命名為流動(dòng)性指標(biāo);第三個(gè)公因子（FAC3）在不良貸款率、正常貸款遷徙率和撥備覆蓋率等指標(biāo)上的荷載較高，因此命名為不良貸款指標(biāo);根據(jù)旋轉(zhuǎn)后的特征值計(jì)算出第一個(gè)公因子（FAC1）權(quán)重為42.67%，第二個(gè)公因子（FAC2）的權(quán)重為38.62%，第三個(gè)公因子（FAC3）的權(quán)重為18.71%。在得出權(quán)重和因子得分后，綜合加權(quán)計(jì)算出商業(yè)銀行的風(fēng)險(xiǎn)指數(shù)，其中資本充足和流動(dòng)性指標(biāo)越大，說明風(fēng)險(xiǎn)性越低;該指數(shù)值越大，表示其風(fēng)險(xiǎn)性越小。表2為2019年20家商業(yè)銀行風(fēng)險(xiǎn)指數(shù)及排名，其中Erisk即為下一步訓(xùn)練BP網(wǎng)絡(luò)時(shí)所需的輸出值。這里以排名靠前的3家和排名靠后的2家商業(yè)銀行為例進(jìn)行分析，根據(jù)風(fēng)險(xiǎn)指數(shù)來(lái)看，中國(guó)建設(shè)銀行排名第一，主要是因?yàn)橘Y本充足指標(biāo)得分較大，且其權(quán)重較大，雖然不良貸款指標(biāo)比流動(dòng)性指標(biāo)的得分值大，但是其所占比重較小，因此其綜合排名靠前;交通銀行與其相比，資本充足指標(biāo)得分值較小，流動(dòng)性指標(biāo)較大，但因不良貸款率較大，資本充足指標(biāo)所占權(quán)重較大，且不良貸款指標(biāo)越大表明風(fēng)險(xiǎn)性越強(qiáng)，因此綜合排名為第二;中國(guó)工商銀行的資本充足指標(biāo)得分值較大，但流動(dòng)性和不良貸款的得分值均較小，因?yàn)闄?quán)重大小關(guān)系，因此其排名第三;西安銀行的資本充足和流動(dòng)性指標(biāo)得分值均較小，而不良貸款率得分值較大，因此其排名靠后，風(fēng)險(xiǎn)性較強(qiáng);南京銀行的資本充足和流動(dòng)性指標(biāo)的得分值均比寧波銀行小，而不良貸款指標(biāo)差不多大，因此其排名最后，風(fēng)險(xiǎn)性相對(duì)較高。

至此，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)所需數(shù)據(jù)準(zhǔn)備完畢，下面以風(fēng)險(xiǎn)評(píng)價(jià)要素作為輸入，以風(fēng)險(xiǎn)指數(shù)作為訓(xùn)練網(wǎng)絡(luò)的輸出數(shù)據(jù)（具體數(shù)據(jù)見表3），設(shè)計(jì)三層結(jié)構(gòu)反映原始評(píng)價(jià)指標(biāo)與風(fēng)險(xiǎn)指數(shù)之間復(fù)雜“映射”關(guān)系的BP網(wǎng)絡(luò)，為后續(xù)分析商業(yè)銀行風(fēng)險(xiǎn)指數(shù)的影響因素提供新的研究方法。

（三）BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與檢驗(yàn)

1.網(wǎng)絡(luò)模型訓(xùn)練

選取2016—2019年20家商業(yè)銀行作為訓(xùn)練樣本，記為Ai，i=1，2，...，20，輸入數(shù)據(jù)（部分）見表3。以所選取的8個(gè)二級(jí)評(píng)價(jià)指標(biāo)值和計(jì)算出的商業(yè)銀行風(fēng)險(xiǎn)指數(shù)為基礎(chǔ)進(jìn)行網(wǎng)絡(luò)訓(xùn)練;然后選擇2019年的5家商業(yè)銀行作為測(cè)試樣本，進(jìn)行網(wǎng)絡(luò)仿真分析。

在此網(wǎng)絡(luò)結(jié)構(gòu)中，輸入層節(jié)點(diǎn)為8，中間層節(jié)點(diǎn)為15，輸出層為1。設(shè)置訓(xùn)練步數(shù)為5 000，目標(biāo)誤差為0.0001，在步數(shù)達(dá)到3 737次時(shí)，達(dá)到設(shè)置的目標(biāo)誤差，表明本文所選的指標(biāo)在網(wǎng)絡(luò)中收斂很快，除個(gè)別點(diǎn)外，相對(duì)誤差控制在0.01%范圍內(nèi)，說明該模型能有效地仿真商業(yè)銀行風(fēng)險(xiǎn)評(píng)估。BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程見圖2，訓(xùn)練誤差與訓(xùn)練結(jié)果參考圖3。

2.檢驗(yàn)結(jié)果分析

根據(jù)上文中原始值和輸出結(jié)果的比較，可以看出所構(gòu)建的評(píng)價(jià)體系仿真效果很好。為了進(jìn)一步檢驗(yàn)其網(wǎng)絡(luò)穩(wěn)定性，本文選擇2018年的5家上市商業(yè)銀行作為測(cè)試樣本進(jìn)行分析，在訓(xùn)練好的網(wǎng)絡(luò)中，讀入測(cè)試樣本數(shù)據(jù)，測(cè)試樣本的誤差控制在0.1%以內(nèi)，表明所建風(fēng)險(xiǎn)評(píng)價(jià)網(wǎng)絡(luò)仿真效果較好，具有非常好的穩(wěn)定性與實(shí)用性，可以廣泛應(yīng)用于商業(yè)銀行風(fēng)險(xiǎn)評(píng)價(jià)。

（四）基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行風(fēng)險(xiǎn)指數(shù)影響要素“彈性分析”

上文結(jié)果表明，所建立的BP神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行風(fēng)險(xiǎn)評(píng)價(jià)體系具有很好的仿真效果和廣泛應(yīng)用性。為了具體分析各個(gè)評(píng)價(jià)指標(biāo)的變化對(duì)風(fēng)險(xiǎn)指數(shù)的影響，以8個(gè)二級(jí)評(píng)價(jià)指標(biāo)的平均值為基礎(chǔ)，分別讓8個(gè)二級(jí)評(píng)價(jià)指標(biāo)的發(fā)生額單獨(dú)增加和減少其平均值的5%，考察輸出值的變化，并計(jì)算出彈性系數(shù)。具體輸出結(jié)果見表4。

從“彈性分析”結(jié)果來(lái)看，所選取評(píng)價(jià)要素的彈性系數(shù)的絕對(duì)值均大于等于5%，當(dāng)彈性系數(shù)絕對(duì)值大于6%時(shí)，說明該評(píng)價(jià)要素引起風(fēng)險(xiǎn)指數(shù)變動(dòng)的敏感性較強(qiáng)。表中流動(dòng)性覆蓋率、流動(dòng)性比例、資本充足、不良貸款率、正常貸款遷徙率等指標(biāo)的彈性系數(shù)絕對(duì)值均大于10%，說明這些指標(biāo)的變動(dòng)對(duì)風(fēng)險(xiǎn)變動(dòng)的敏感性較強(qiáng)，即這些指標(biāo)的變動(dòng)對(duì)商業(yè)銀行的風(fēng)險(xiǎn)性影響較大;從彈性系數(shù)的方向來(lái)看，當(dāng)其為正時(shí)，表明商業(yè)風(fēng)險(xiǎn)會(huì)隨評(píng)價(jià)因素的變動(dòng)而增加，當(dāng)其為負(fù)時(shí)表明商業(yè)銀行風(fēng)險(xiǎn)會(huì)隨評(píng)價(jià)因素變動(dòng)減小。其中，流動(dòng)性覆蓋率、流動(dòng)性比例、資本充足以及撥備覆蓋率等評(píng)價(jià)指標(biāo)增加時(shí)，彈性系數(shù)均為負(fù)，表明這些指標(biāo)的增加會(huì)使得商業(yè)銀行風(fēng)險(xiǎn)性降低，評(píng)價(jià)指標(biāo)與商業(yè)銀行風(fēng)險(xiǎn)負(fù)相關(guān);而不良貸款率和正常貸款遷徙率增加時(shí)，彈性系數(shù)均為正，表明不良貸款指標(biāo)會(huì)引起商業(yè)銀行的風(fēng)險(xiǎn)性增加。由此表明所選取的8個(gè)二級(jí)評(píng)價(jià)指標(biāo)的變化均能引起商業(yè)銀行風(fēng)險(xiǎn)指數(shù)的變動(dòng)，流動(dòng)性、資本充足以及不良貸款等相關(guān)指標(biāo)對(duì)商業(yè)銀行風(fēng)險(xiǎn)性的影響較大。

五、結(jié)論與建議

基于BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建商業(yè)銀行風(fēng)險(xiǎn)評(píng)估和要素分析體系，以2013—2019年20家商業(yè)銀行數(shù)據(jù)為樣本，驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)模型在商業(yè)銀行風(fēng)險(xiǎn)評(píng)價(jià)中的科學(xué)性，得出如下結(jié)論：

1.所構(gòu)建的基于BP神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行風(fēng)險(xiǎn)評(píng)估體系能夠較好地進(jìn)行風(fēng)險(xiǎn)評(píng)估。根據(jù)仿真結(jié)果來(lái)看，訓(xùn)練速度較快，相對(duì)誤差值控制在0.1%范圍內(nèi)。因此，在進(jìn)行商業(yè)銀行風(fēng)險(xiǎn)評(píng)估時(shí)，可以利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建評(píng)估體系，與傳統(tǒng)的線性回歸分析相比，BP神經(jīng)網(wǎng)絡(luò)能夠分析多個(gè)要素的變化對(duì)風(fēng)險(xiǎn)指數(shù)的影響，可以更全面地反映各評(píng)價(jià)要素對(duì)指數(shù)的非線性影響。在相關(guān)金融機(jī)構(gòu)的績(jī)效和風(fēng)險(xiǎn)評(píng)估以及影響因素分析中，可以應(yīng)用基于BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型。

2.基于BP神經(jīng)網(wǎng)絡(luò)模型的“彈性分析”可以很好地分析評(píng)價(jià)要素變化對(duì)風(fēng)險(xiǎn)指數(shù)的影響。根據(jù)“彈性分析”的結(jié)果可以知道，商業(yè)銀行的流動(dòng)性對(duì)風(fēng)險(xiǎn)影響最大，資本充足率次之，所以在實(shí)際管理中，應(yīng)該重點(diǎn)關(guān)注相關(guān)指標(biāo)的變化。此外，流動(dòng)性和資本充足等指標(biāo)與風(fēng)險(xiǎn)變動(dòng)呈反比，其增加會(huì)使得商業(yè)銀行風(fēng)險(xiǎn)減小，而不良貸款率和正常貸款遷徙率等指標(biāo)與風(fēng)險(xiǎn)變動(dòng)呈正比，其增加會(huì)引起商業(yè)銀行風(fēng)險(xiǎn)的增加。

3.利用因子分析法可以優(yōu)化原始候選評(píng)價(jià)指標(biāo)、客觀計(jì)算權(quán)重，并加權(quán)計(jì)算風(fēng)險(xiǎn)指數(shù)。利用因子分析法“降維”的特點(diǎn)，得出了3個(gè)反映原始數(shù)據(jù)大量信息的獨(dú)立評(píng)價(jià)的公因子，3個(gè)公因子分別代表了8個(gè)評(píng)價(jià)指標(biāo)的信息，利用旋轉(zhuǎn)后的特征值計(jì)算出權(quán)重，進(jìn)而構(gòu)建出商業(yè)銀行風(fēng)險(xiǎn)指數(shù)。在構(gòu)建績(jī)效指數(shù)或風(fēng)險(xiǎn)指數(shù)時(shí)，可以利用因子分析法中的特征值計(jì)算權(quán)重，這樣更客觀和科學(xué)。

根據(jù)實(shí)證分析結(jié)論，本文針對(duì)商業(yè)銀行的風(fēng)險(xiǎn)防控和管理提出以下建議：

1.加強(qiáng)流動(dòng)性風(fēng)險(xiǎn)管理。商業(yè)銀行應(yīng)該促進(jìn)業(yè)務(wù)創(chuàng)新和多元化經(jīng)營(yíng)管理，創(chuàng)造流動(dòng)性來(lái)源，通過增加客戶存款和貸款需求，提高資金的供給和需求流動(dòng)。利用大數(shù)據(jù)建立風(fēng)險(xiǎn)數(shù)據(jù)監(jiān)控系統(tǒng)，通過風(fēng)險(xiǎn)預(yù)警機(jī)制的設(shè)立對(duì)商業(yè)銀行風(fēng)險(xiǎn)狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)管理。

2.優(yōu)化資產(chǎn)和負(fù)債管理系統(tǒng)。商業(yè)銀行應(yīng)該提高資產(chǎn)的變現(xiàn)能力，增加低成本負(fù)債的比重，降低杠桿。通過優(yōu)化資產(chǎn)結(jié)構(gòu)，提高資本充足，減少不良資產(chǎn)。

3.加強(qiáng)風(fēng)險(xiǎn)指標(biāo)監(jiān)控管理。商業(yè)銀行應(yīng)該及時(shí)根據(jù)市場(chǎng)環(huán)境的變動(dòng)，對(duì)影響因素做出科學(xué)分析與預(yù)測(cè)。實(shí)時(shí)監(jiān)管風(fēng)險(xiǎn)指標(biāo)的變化情況，并構(gòu)建完善的管理體系應(yīng)對(duì)指標(biāo)變動(dòng)對(duì)所帶來(lái)的風(fēng)險(xiǎn)問題。

【參考文獻(xiàn)】

[1] 尹莉婭.股權(quán)集中度、戰(zhàn)略引資與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)[J].會(huì)計(jì)之友，2018（18）：88-92.

[2] 謝太峰，肖薇.公司治理對(duì)上市商業(yè)銀行風(fēng)險(xiǎn)行為影響的實(shí)證研究[J].征信，2019（8）：94-98.

[3] 韓雍，劉生福.市場(chǎng)競(jìng)爭(zhēng)與商業(yè)銀行風(fēng)險(xiǎn)承擔(dān)——理論推導(dǎo)與來(lái)自中國(guó)銀行業(yè)的經(jīng)驗(yàn)證據(jù)[J].投資研究，2018（37）：36-49.

[4] 谷慎，吳國(guó)平.業(yè)務(wù)自由化與商業(yè)銀行的風(fēng)險(xiǎn)承擔(dān)——來(lái)自中國(guó)銀行業(yè)的經(jīng)驗(yàn)證據(jù)[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2018（7）：37-49.

[5] 張晉，許達(dá).商業(yè)銀行內(nèi)部控制與風(fēng)險(xiǎn)管理能力——基于我國(guó)上市商業(yè)銀行的實(shí)證分析[J].武漢金融，2019（6）：68-72.

[6] 程小慶，葛璐瀾.銀行系統(tǒng)性風(fēng)險(xiǎn)與宏觀審慎評(píng)估體系有效性分析[J].統(tǒng)計(jì)與決策，2020（19）：148-153.

[7] 徐紅芬，劉小輝，鄭宵鵬.我國(guó)中小商業(yè)銀行風(fēng)險(xiǎn)狀況評(píng)估研究——以上市城商行為例[J].金融理論與實(shí)踐，2019（8）：66-74.

[8] 吳苓.基于改進(jìn)BP網(wǎng)絡(luò)的企業(yè)績(jī)效評(píng)價(jià)研究[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2008（2）：91-94.

[9] 李曉峰，徐玖平.商業(yè)銀行客戶信用綜合評(píng)估的BP神經(jīng)網(wǎng)絡(luò)模型的建立[J].軟科學(xué)，2010（2）：110-113.

[10] 楊君岐，鄒松慶.基于作業(yè)成本法與神經(jīng)網(wǎng)絡(luò)的企業(yè)成本分析——以煙草物流為例[J].財(cái)會(huì)通訊，2014（4）：93-95.