我国商业银行信用风险混合识别模型及实证分析——以山东省24家上市公司为例
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，使用主成分分析法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识别模型。实证结果表明，该种混合模型的识别误差很小且效率较高，为商业银行进行信用风险评估和识别提供了一种可行的方法。
商业银行 信用风险 主成分分析 神经网络 混合识别模型 实证分析 上市公司
焦继文 郭春媛
山东大学管理学院,山东济南,250100
国内会议
杭州
中文
2006-05-12（万方平台首次上网日期，不代表论文的发表时间）