商業銀行信用風險評估︰一種實證模型的探討

第一章 商業銀行信用風險評估國內外研究現狀
第一節 相關理論研究綜述
第二節 評估方法研究綜述
第三節 研究狀況的綜合評價
第四節 本書研究的主要內容
第二章 商業銀行信用風險評估要素分析
第一節 信用風險評估要素分析
第二節 信用風險評估的基本思路
第三節 信用風險評估要素間的作用機理分析
第四節 信用風險評估指標體系的確立
第三章 商業銀行信用風險衡量標準分析
第一節 商業銀行信用風險衡量標準的一般性考察
第二節 傳統信用風險衡量標準的波動性分析
第三節 信用風險衡量標準波動性的敏感度測算方法
第四節 信用風險衡量的一種新標準
第四章 基于補償模糊神經網絡的信用風險評估模型
第一節 商業銀行信用風險評估預測模型的提出
第二節 人工神經網絡概述
第三節 補償模糊神經網絡模型的基本原理
第四節 預測精度的檢驗方法
第五節 數據的預處理方法
第五章 商業銀行信用風險評估的實證研究
第一節 樣本數據的預處理
第二節 樣本數據的因子分析
第三節 補償模糊神經網絡模型的應用
第四節 樣本數據的逐步判別分析
第五節 基于Bayes模型的違約概率測算
第六節 基于LM算法的神經網絡評估模型
第七節 基于最優加權組合預測的信用風險評估模型
參考文獻
附錄

信用風險是商業銀行面臨的主要風險之一。隨著世界經濟一體化趨勢的加快以及我國加入WTO過渡期的結束，我國銀行業將面臨更加激烈的競爭。在這種背景下加強對信用風險評估的研究，並結合我國銀行業實際情況進行實證分析，就顯得非常重要了。因此，對商業銀行信用風險評估的研究具有很高的理論價值和現實意義。

于立勇博士理論功底扎實，思維敏捷，具有較強的科研能力。他在商業銀行信用風險評估與管理方面進行了較為深入的理論探討和調查研究，付出了很多努力。

于立勇博士在書中嘗試從新的角度測度信用風險，提出信用風險衡量標準應該具備的四項基本屬性，揭示了各風險評估要素間相互作用、相互影響的內部作用機理，構建了敏感度分析模型對傳統衡量標準的“波動性”進行定量測算，為深刻理解與使用傳統信用風險評估結果提供了一個新視角。同時，他還在提出以信用風險度作為系統輸出的基礎上，分別運用因子分析模型和逐步判別分析模型、Bayes判別分析模型構建了兩套較為科學的評估指標體系，進一步挖掘、提取了數據中的有價值信息。通過這些指標不僅可以突出反映企業的償債能力，而且可以較為全面地刻畫企業的資信狀況。在實證過程中，他分別應用補償模糊神經網絡和基于Levenberg-Marquardt算法的人工神經網絡對信用風險度進行了測算，並最終利用最優加權組合預測模型將兩套評估體系的評估結果有機結合，進一步提高了預測精度，完善了模型結構。

作為他的導師，我對于立勇博士提出殷切的期望，希望他在商業銀行風險管理領域繼續深入研究，為我國商業銀行的穩步健康發展獻計獻策，也希望他在今後的理論研究和實踐中繼續與讀者分享研究成果。