如今,在經(jīng)濟全球化、金融自由化這一發(fā)展趨勢下,我國商業(yè)銀行所處的經(jīng)營環(huán)境也在不斷變化,所面臨的挑戰(zhàn)越來越多,各商業(yè)銀行之間的競爭也在不斷增強。在此背景下,對商業(yè)銀行的績效進行評價分析具有極其重要的意義。對商業(yè)銀行自身而言,有助于其發(fā)現(xiàn)問題所在,找準原因,提高自身的競爭力;同時對商業(yè)銀行的各利益相關(guān)者也是有利的,比如對投資者而言,合理的績效評價結(jié)果對其更具參考價值。在現(xiàn)有的關(guān)于商業(yè)銀行績效評價的研究中,大多數(shù)學者采用的方法如平衡記分卡法等在各指標的權(quán)重賦值上大多都是根據(jù)以往經(jīng)驗或?qū)＜医ㄗh來進行賦值,具有一定的主觀隨意性,而在本文中,我們進行商業(yè)銀行績效評價所運用的方法是優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型,由于該模型的評價過程就是其不斷學習反復訓練的過程,這樣就在一定程度上避免了人為主觀因素的影響,客觀性較強,并且根據(jù)以往研究說明,傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型在用于企業(yè)績效評價時效果良好,因此運用該模型對商業(yè)銀行績效進行評價分析具有一定的理論和現(xiàn)實意義。本文在現(xiàn)有的關(guān)于商業(yè)銀行績效評價的研究基礎(chǔ)上,以我國16家上市商業(yè)銀行作為研究對象,結(jié)合商業(yè)銀行自身的特點,分別從貸款償還能力、盈利發(fā)展融資能力、營運能力和安全性四個方面共選取了12個財務(wù)指標建立了商業(yè)銀行績效評價指標體系。首先我們運用因子分析方法對原始數(shù)據(jù)進行了相應(yīng)處理,最終得到每個商業(yè)銀行2013-2017年每年的績效評分值;其次,我們建立了適用于商業(yè)銀行績效評價的傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型,以所選取的12個指標作為其輸入值,通過因子分析方法得到的績效評分值作為目標輸出值,隨機選取部分數(shù)據(jù)對模型進行訓練,并用此模型對剩余的樣本數(shù)據(jù)預測,最后得到測試樣本的目標輸出值與預測值之間的均方誤差;然后我們在傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,針對BP神經(jīng)網(wǎng)絡(luò)模型的誤差率收斂過程較震蕩以及在訓練過程中可能會出現(xiàn)過度擬合的情況,引入了動態(tài)的學習率和正則化函數(shù)中的L2范數(shù)對該模型進行優(yōu)化,同樣地,運用優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型對樣本數(shù)據(jù)進行實證研究;最后我們將這兩種模型的實驗結(jié)果進行對比分析,發(fā)現(xiàn)優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型在商業(yè)銀行績效評價中比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型的收斂過程更平穩(wěn),均方誤差率更小,驗證了該模型的優(yōu)越性和可行性。
【學位單位】：電子科技大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F832.33
【部分圖文】：

圖 3-1 BP 神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)BP 神經(jīng)網(wǎng)絡(luò)的學習過程一般可分為以下幾個步驟：①網(wǎng)絡(luò)參數(shù)的初始化：根據(jù)相關(guān)函數(shù)對網(wǎng)絡(luò)權(quán)值 Wji和 Vjk及閾值j 和r值進行賦值；②隨即選擇一模式對 1 2= , , ,k mA a a a， 1 2, , ,k pC c c c作為網(wǎng)絡(luò)的號提供網(wǎng)絡(luò)學習；③計算隱含層各神經(jīng)元的輸出公式：j ji i jU W I ； j jH f U其中， f 采用 Sigmoid 函數(shù)（以下同） ( )1/ 1uj jH f U e

電子科技大學碩士學位論文在本文所選取的 80 個研究樣本中，我們隨機選取了 70 個樣本數(shù)據(jù)作為 BP 神經(jīng)網(wǎng)絡(luò)模型的訓練集，剩余 10 個樣本數(shù)據(jù)作為該模型的測試集。在網(wǎng)絡(luò)的訓練過程中，其訓練樣本的均方誤差收斂圖如下圖 4-1 所示：4.3 基于 BP 神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行績效評價

圖 4-2 BP 神經(jīng)網(wǎng)絡(luò)模型的預測值與期望值擬合曲線圖由上圖 4-2 我們可以看出，運用傳統(tǒng)的 BP 神經(jīng)網(wǎng)絡(luò)模型對商業(yè)銀行績效進預測其預測值與運用因子分析法得到的期望值的擬合程度較好，說明運用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型對商業(yè)銀行績效進行預測是有效的。但是由表4-10可以計算得測試樣本的預測值與期望值之間的總均方誤差率為 0.043022，實際上誤差較大因此運用傳統(tǒng)的 BP 神經(jīng)網(wǎng)絡(luò)模型對商業(yè)銀行進行績效評價其準確度還有待改4.4 基于優(yōu)化的 BP 神經(jīng)網(wǎng)絡(luò)模型的商業(yè)銀行績效評價由表 4-10 我們發(fā)現(xiàn)，用傳統(tǒng)的 BP 神經(jīng)網(wǎng)絡(luò)對商業(yè)銀行績效進行預測時其測的總的誤差率較大，準確度還有待進一步提高。探究其原因，這可能是由于文樣本量較少，運用傳統(tǒng) BP 神經(jīng)網(wǎng)絡(luò)模型在訓練過程中可能存在過度擬合的情造成的。也就是說我們的訓練誤差會很小，但是訓練誤差小并不是我們的最終標，我們的目標是希望模型的測試誤差小，即能準確地預測新的樣本。因此在

【參考文獻】

相關(guān)期刊論文 前10條

1 方心童;高誠昊;;我國城市商業(yè)銀行價值創(chuàng)造能力研究——基于經(jīng)濟增加值(EVA)績效考核視角[J];財經(jīng)問題研究;2015年02期

2 徐晨陽;;我國上市商業(yè)銀行經(jīng)營績效評價——基于因子分析法的實證研究[J];商業(yè)會計;2014年14期

3 孫龍建;李祥茂;;我國商業(yè)銀行綜合績效的因子分析——基于2012年年報的數(shù)據(jù)[J];經(jīng)濟問題探索;2014年03期

4 張楊梅;朱映惠;;基于因子分析法對我國商業(yè)銀行績效評價的研究[J];銅陵學院學報;2013年03期

5 顧海峰;李丹;;基于因子分析的中國商業(yè)銀行經(jīng)營績效評價研究——來自2010—2011年上市銀行的經(jīng)驗證據(jù)[J];金融監(jiān)管研究;2013年01期

6 辛金國;關(guān)建清;;基于數(shù)據(jù)挖掘民營上市公司績效評價研究探索[J];中國管理科學;2012年S1期

7 譚華;陳燕華;;基于因子分析的上市商業(yè)銀行經(jīng)營績效實證研究[J];特區(qū)經(jīng)濟;2012年10期

8 姚潔;姜域;;改進的聚類算法在農(nóng)業(yè)經(jīng)濟類型劃分中的應(yīng)用——以吉林省為例[J];中國經(jīng)貿(mào)導刊;2012年23期

9 上官飛;舒長江;;基于因子分析的中國商業(yè)銀行績效評價[J];經(jīng)濟問題;2011年01期

10 郭成報;;基于因子分析的銀行績效實證研究[J];徐州工程學院學報(自然科學版);2010年04期

相關(guān)重要報紙文章 前1條

1 鄧為民;;平衡記分卡 信息時代的業(yè)績評價工具[N];中國企業(yè)報;2002年

相關(guān)碩士學位論文 前5條

1 吳銘;基于多視圖的霧霾數(shù)據(jù)分析方法[D];浙江大學;2017年

2 魏立新;基于數(shù)據(jù)挖掘的信息技術(shù)企業(yè)財務(wù)績效評價[D];長春理工大學;2014年

3 李小亮;J公司績效管理體系設(shè)計研究[D];北京化工大學;2013年

4 李丹;基于因子分析的我國商業(yè)銀行經(jīng)營績效評價研究[D];東華大學;2013年

5 顏丙香;基于因子分析的商業(yè)銀行績效比較研究[D];中國海洋大學;2007年

本文編號：2832631