基于BP神經(jīng)網(wǎng)絡的商業(yè)銀行流動性風險預警研究.pdf

1、分析商業(yè)銀行流動性風險的預警管理對于銀行發(fā)展是十分重要。大量學者用不同的方法、從不同角度研究了商業(yè)銀行的流動性風險管理問題，但是并沒有形成完全的共識。值得注意的是前人的研究大多是定性的分析商業(yè)銀行的流動性問題，定量分析的還比較少。本文將BP神經(jīng)網(wǎng)絡、GM(1，1)模型及主成分分析方法相結合來研究商業(yè)銀行流動性風險的預警問題，對比分析了BP神經(jīng)網(wǎng)絡在商業(yè)銀行流動性風險預警的優(yōu)勢。
　　 本文第1章本章主要介紹本文選題的背景和意義、

2、國內(nèi)外文獻綜述及論文的結構安排和研究方法。第2章為技術設計部分，本章主要闡述了神經(jīng)網(wǎng)絡、BP神經(jīng)網(wǎng)絡，綜述了神經(jīng)網(wǎng)絡相關理論，并重點介紹了BP神經(jīng)網(wǎng)絡的相關特性及應用。本章最后介紹了主成分分析的相關理論知識。第3章本章簡單分析了商業(yè)銀行流動性風險產(chǎn)生的原因及風險的度量，并進而闡述了預警模型的構建。第4章為本文的核心部分，根據(jù)第2章的技術設計及第3章的指標體系，選取樣本商業(yè)銀行的相應數(shù)據(jù)并進行了實證分析，主成分分析結果顯示眾多指標之間存在

3、某種相關性，可以通過提取公因子來代替同類指標，根據(jù)主成分分析的結果對樣本銀行的風險級別經(jīng)行了界定;根據(jù)主成分分析的結果，運用BP神經(jīng)網(wǎng)絡及GM(1，1)模型對樣本數(shù)據(jù)進行了仿真模擬，結果顯示BP神經(jīng)網(wǎng)絡模擬預測效果更好，正確率為82％，進而對比說明了BP神經(jīng)網(wǎng)絡模型應用于商業(yè)銀行流動性風險預警的可行性和合理性。第5章根據(jù)前文的分析，針對建立商業(yè)銀行流動性風險預警提出了相應的對策建議。結論部分為全文的總結部分。
　　 本文采用的B