商业银行信用风险混合判别模型及实证分析——以山东省24家上市公司为例  

作　　者：焦继文[1] 王福重[2] 郭春媛[3] 

机构地区：[1]中国矿业大学管理学院,江苏221008 [2]北京航空航天大学管理学院,北京100083 [3]山东大学管理学院,济南250100

出　　处：《经济科学》2006年第4期70-82,共13页Economic Science

摘　　要：随着世界金融一体化趋势和金融市场波动性的加剧,商业银行信用风险管理已成为国内外政府、金融机构乃至企业关注的焦点问题。因此,对商业银行信用风险进行有效监管就显得非常迫切。本文以上海证券交易所上市的山东板块的24家公司作为样本,通过选取相对合理的指标体系,使用主成分分析对指标数据信息进行有效的压缩,进而构建了主成分分析与神经网络技术相结合的混合评估判别模型。实证结果表明,该种混合模型的识别误差很小且效率较高,为商业银行有效地评估和识别信用风险提供了一种可行的方法。

关 键 词：商业银行 信用风险 主成分分析 人工神经网络 混合评估判别模型 

分 类 号：F832.33[经济管理—金融学]