基于粒子群神經(jīng)網(wǎng)絡(luò)的我國股份制商業(yè)銀行流動性風險預(yù)測研究.pdf

1、在全球經(jīng)濟一體化的背景之下，我國商業(yè)銀行面臨的經(jīng)營環(huán)境越來越復(fù)雜。作為商業(yè)銀行所面臨的主要金融風險之一，流動性風險決定并體現(xiàn)銀行經(jīng)營的安全性和盈利性。本文以我國股份制商業(yè)銀行為研究對象，分別從靜態(tài)和動態(tài)的角度對流動性風險進行度量和預(yù)測，并基于國內(nèi)四家股份制商業(yè)銀行的流動性現(xiàn)狀水平展開實證性研究，試圖探尋商業(yè)銀行流動性風險的變化規(guī)律，進而對我國商業(yè)銀行流動性風險的有效防范和監(jiān)管提出合理化建議。
　　 本文在分析現(xiàn)有研究文獻的基礎(chǔ)上

2、，確定度量商業(yè)銀行流動性風險的基本方法，討論流動性風險產(chǎn)生的根本原因及其主要影響因素，并總結(jié)國內(nèi)外商業(yè)銀行流動性風險管理的基本策略。隨后，介紹商業(yè)銀行流動性風險的基本定義及主要分類，描述我國股份制商業(yè)銀行的流動性現(xiàn)狀，并分析我國商業(yè)銀行產(chǎn)生流動性風險的主要原因。然后，引入基于粒子群優(yōu)化算法(Particle Swarm Optimization，PSO)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合(Back Propagation Artificial Neu

3、ral Networks，ANN)的商業(yè)銀行流動性風險預(yù)測模型，從靜態(tài)的度量角度出發(fā)，選取8種主要的風險度量指標，針對我國商業(yè)銀行的流動性實際狀況，建立一個合理的流動性風險度量指標體系。并對網(wǎng)絡(luò)模型進行訓(xùn)練和測試，測試結(jié)果顯示，粒子群神經(jīng)網(wǎng)絡(luò)算法較BP神經(jīng)網(wǎng)絡(luò)算法在預(yù)測結(jié)果上更具精確性，并且充分逼近實際的流動性水平，表明該方法是一種較為理想的流動性風險預(yù)測工具。最后，將國內(nèi)上市較早的四家股份制商業(yè)銀行作為實證研究的對象，選取四家銀行近1

4、5年的季度統(tǒng)計數(shù)據(jù)作為研究樣本，采用訓(xùn)練好的網(wǎng)絡(luò)模型對各指標的變化趨勢進行分析和預(yù)測，實證結(jié)果表明我國商業(yè)銀行流動性總體水平較好，但存在著短期和局部的流動性短缺壓力。
　　 本文對我國商業(yè)銀行流動性風險預(yù)測嘗試性地進行了方法層面上的創(chuàng)新，運用粒子群與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的優(yōu)化算法對銀行未來流動性水平進行短期預(yù)測，不僅提高了流動性風險預(yù)測結(jié)果的精確性，而且有利于風險管理機構(gòu)對風險進行實時跟蹤和監(jiān)控，對提高我國商業(yè)銀行的流動性風險管理