导 师: 姜云卢
授予学位: 硕士
作 者: ();
机构地区: 暨南大学
摘 要: 在2008年金融危机以后,我国影子银行迅猛发展,影子银行业务风险也呈波动上升态势。因此,建立影子银行业务风险的预测模型不仅有利于商业银行进行风险管理,还能维护整个金融体系的稳定性。 本文在国内外学者研究的基础上,选择了114家商业银行的11项指标预测我国商业银行从事影子银行业务的风险。先对该数据平稳性检验得出序列是平稳的。因为回归分析拟合优度非常低,本文用逐步回归模型剔除五个不显著的自变量,剩下五个自变量进行逐步回归,但是逐步回归的预测误差为20.58%,误差较大该方法不适用,所以用BP神经网络做预测,训练14次得拟合程度是76.97%,预测误差为10.86%,预测效果一般。这可能是因为受到权值和阈值随机性的影响,所以使用遗传算法对BP神经网络进行优化。 运用遗传算法进行参数寻优时,最大遗传代数大小和个体数目对算法的寻优性能有显著影响,通过不断尝试得出遗传代数选择62,个体数选择45的预测效果最好,训练网络得出测试集拟合程度是96.07%,预测误差为0.84%,比优化前好很多。当预测风险值大于风险值平均数0.39时,该银行要提高警惕,加强风险防范。文章的最后对本文的结论与当前部分法律是否吻合做了说明并提出一些建议。总之,通过遗传算法优化的BP神经网络可以用来预测风险值。
关 键 词: 商业银行 影子银行业务 风险预测 神经网络 遗传算法
领 域: []