人工神經網絡在商業銀行轉型中評價體系的應用

摘 要：商業銀行轉型已成為社會熱點。本文聚焦于商業銀行轉型中的評價指標，運用人工網絡方法，確定其指標給銀行帶來的收益，為銀行轉型的進一步發展奠定基礎，平衡銀行資源分配，實現銀行收益最大化。

關鍵詞：銀行轉型；BP網絡模型；評價指標

一、研究背景

2015年，中國上市銀行資產規模穩步增長， 但不良貸款持續上升，經營壓力較大。 2016年，中國上市銀行將面臨更大的挑戰，信用風險的擴散上升、業務風險特征的復雜化。同時，利率市場化改革基本完成、互聯網金融異軍突起、金融監管改革提速，在新的市場環境下，客戶消費習慣發生重大變化，倒逼銀行加快轉型步伐。

目前關于商業銀行轉型的評價體系的研究數量較少，具有指導性的文獻尚不夠成熟，而基于現實情況，各商行又亟需在轉型的過程中規避風險，提高競爭力，最大化收益。因此對商業銀行的轉型勢在必行，本文基于已有研究，應用人工神經網路，對其轉型的業務進行綜合評價。

（一）BP神經網絡結構

人工神經網絡由輸入層、隱層和輸出層節點組成，一個節點表示一個神經元。隱層可以是一層也可以是多層，隱節點一般采用Sigmoid型函數，輸入和輸出節點可以采用Sigmoid型函數或者線性函數，前層到后層的節點通過權聯結。由于采用的是BP算法，所以常稱神經網絡為BP神經網絡。

（二）BP算法

第一步，選取初始權值、閾值。

第二步，重復下述過程直至滿足性能要求為止。

對于學習樣本到P=1到N，計算每個節點的正反向過程的輸入和輸出

第三步，修正權值

二、實證分析

（一）神經網絡模型設計

在商業銀行轉型評價模型中，網絡輸入為全面描述商業銀行轉型的指標，網絡輸出則是收益等級。商業銀行轉型升級的評價指標分為發展指標、監管指標、結構指標、盈利指標四個方面。

（二）BP神經網絡商業銀行轉型模型的確定

1.BP神經網絡模型的結構

BP神經網路理論已證明，一層隱含層時，既不影響網絡精度也可提高網絡速度。為此，筆者選用了41組數據用于訓練神經網絡，得出，當隱含層單元數為25個時網絡收斂速度最快，由此可得到商業銀行指標評價模型的結構：即網絡由12個單元的輸入層，25個單元的隱含層和1個輸出層三層組成。

2.神經網絡模型初始權重的確定

BP算法中，節點間的傳遞函數為f（x） =。通過分析輸出的一系列累積誤差變化得出，當隨機權值產生區間在[- 1，1]之間時，該模型的收斂速度最快。

（三）結果分析

分析研究數據，得出銀行在業務轉型、營銷轉型、戰略轉型取得顯著建樹的單位，業績良好，不良負債率小，營業增幅大。B銀行營銷轉型、業務轉型均取得重大突破，利潤率增幅高，不良資產穩低，A銀行戰略營銷轉型，利潤率增幅高，但不良資產率也高、C銀行保持傳統模式，利潤不良資產均保持穩定。本研究得出，經濟轉型的大背景下，銀行產業的轉型勢在必行。

三、結束語

銀行未來面臨的競爭壓力將十分沉重，競爭對手不僅限于同業之間，更有來自證券、保險、基金以及互聯網平臺的挑戰。新形式下的金融脫媒現象日益凸顯：憑借良好支付體驗和突出創新能力，第三方支付企業將對商業銀行支付結算主渠道地位發起有力挑戰，造成渠道脫媒；互聯網金融為客戶提供了多元化的金融服務選擇，更多金融交易是通過第三方平臺實現的，客戶不直接與銀行發生接觸，銀行客戶忠誠度下降，形成客戶關系脫媒。

參考文獻：

[1]科學數據共享工程專題研究組.科學數據共享工程[Z].國家科技基礎條件平臺工作簡報，2003，（01）.

[2]科技部、財政部.關于國家科研計劃項目研究成果知識產權管理的若干規定[Z].http：∥ www.most.gov.cn/zcfg/kjzc/ t20031210_8294.htm.

作者簡介：

楊瑤盼，西安工程大學管理學。