以人工神经网络、数据包络分析、模糊数学与层次分析法等理论作为基础,针对中国商业银行的风险管理现状,在商业银行风险管理模型方面进行了一些理论和应用方面的研究。主要研究成果如下: 1.金融是现代经济的核心,商业银行的效率和安全很大程度上决定了我国金融系统的效率和安全。建立商业银行风险监测预警系统,有助于使金融监管从事后的发现和化解风险,转向事前预警和预防风险。本文对商业银行风险监测预警的模型和方法进行简要了综述,阐述了该研究领域的最新进展和发展趋势。 2.根据我国企业的实际情况,运用人工神经网络技术,充分利用神经网络的学习能力强、容错性好、有很强的鲁棒性等特点,建立一个适合中国企业会计数据的信用风险模型;模型能够抽取企业财务比率的共同特征、克服财务比率相关性的干扰,成功地对企业信贷风险进行定性判断;对某国有银行提供的数据进行了实证研究,结果表明该模型具有很高的预测精度。 3.提出了一种基于拒绝案例集的数据包络分析模型和边界为分段线性分离超平面的分类方法,探讨了在只掌握单方面信息(信用差的单位)的情况下,如何对新单位进行信用评估的问题,并给出了评价决策单元信用状况的具体方法;这一分类方法将所有单位分成信用接受集和拒绝集两类,它不但能够区分信用接受集和拒绝集,而且可以判断新案例相对于已确定边界的位置,具体应用实例说明所提出的模型和方法是可行的。 4.根据中国商业银行实际,设计了适合中国商业银行风险管理的指标体系,构造了指标的隶属函数,将模糊层次分析法运用到商业银行的风险评估中,对专家人为评估权重的不确定性、模糊性及决策者的评估观念加以考虑,克服了专家法和传统层次分析法的缺点,较为客观地确定了各指标的权重,并利用模糊综合评判方法对银行风险作综合评价,弥补了根据单一指标评价风险只能获得零散信息的缺陷,从全面风险管理的角度对银行风险监测预警的建模进行了探讨,实际案例说明所提出的模型是可行的。