刘翔鹏 中国人民银行永州市中心支行

一、引言

金融是现代经济的核心，银行市现代金融的核心，现代商业银行在经营和发展过程中，因为筹集融通资金，中间环节会积累大量不良资产。由于历史上和现实上的原因，我国农信系统的地方法人金融机构累积了大量的不良资产，虽然经过央行票据置换和农商行改革已经置换、清收了大量的不良资产，但是由于地方法人银行机构信用风险管理能力较差，人才队伍培养滞后，故对不良资产的事前识别能力极弱。

目前国内银行业对不良资产信用风险评估方法主要是采用古典分析法和多元统计法。古典分析法是指银行经营者依赖一批训练有素的专家主观判断，对信贷项目进行判断打分，审贷会以此决策。多元统计分析的基本思路是根据历史积累的样本建立统计模型，对新样本发生的某种事件的可能性进行预测的方法，包括线性概率和判别分析法等。

以上所述方法虽然被广泛应用，但是他们只是针对某一方面如财务进行分析和统计，不能充分利用银行搜集的全面信息，尤其是一些边缘信息。大量的数据挖掘研究结果表明，很多边缘信息和侧面指标可以很好地补充单一财务指标的缺陷，使借款项目的特征更加鲜明，故本文引入人工神经网络模型，试图用新办法解决信用风险识别、评估的旧问题。

二、模型设计

类似于人脑结构，人工神经网络ANN由一组相互连接的结点和有向信息链组成。……