一、关于BP神经网络

早在1992年度，Kiang和Tam就开始利用三层的BP神经网络开始进行网络训练。他们训练的主要方法是把先前输入到网络中的一些样本作为基础，然后提供一套权重，在通过BP神经网络对网络进行训练之后，就可以根据系统把任何新输入的公司自动划分为非破产公司和破产公司。通过诸多实验表明，神经网络这一方法在预测和评估银行的风险状态时，是非常科学、合理和有效的，在预测的适应性、精确度和稳健度来讲，它都远远超过其他形式的银行风险预警方法。

2005年，王秀珍和张美恋研究了在商业银行的安全系统中运用了径向基神经网络的预警模式。通过对现今商业银行在安全评价系统上的基本特点的研究，他们从中选择了12个具有代表性的指标进行研究。对这12个指标，他们对每一个指标可能存在的风险程度都进行了非常准确的推断和评估，然后在此基础之上，对每一个指标所存在的具体风险进行了准确的风险等级的评分。通过这些方式，建立了RBF系统，该系统是一个安全评价系统，可以对相关系统进行精确的安全风险评估。王秀珍和张美恋在基于他们所构建的RBF系统上再进行了示范性的仿真实验，通过这些实验也证明了该系统在安全评估系统上的合理性和有效性。

2007年，牛源对商业银行安全状况的评估进行了改进。在评估商业银行的安全状态时，牛源采用了把专家系统和神经网络相结合的方式。在他的研究过程中，首先，他选择的研究对象为中国大陆的一家商业银行，然后整理该银行在过去10年间的数据。在这十组数据当中，对前八组数据进行再一次的整理，然后将这些数据作为今后学习的样本，对其分别输入向量组P，剩下的两组数据主要用于预测。对这两组数据的预测结果发现，运用神经网络的方法来建立相应系统然后对商业银行的安全状况进行评估的准确性非常高。在对商业银行的风险等非常复杂的非线性问题上，神经网络系统建立起来的系统有着非常强的逼近和预测能力。

同年，MchmedOzkan等人使用了人工神经网络的方法对商务银行的风险进行了预测。在整个实验过程当中，他们选取了一家土耳其的破产银行为样本，进行实验。经过了他们的实验，他们巧妙地发现，在财务数据的模式分类上，人工神经网络起到了非常重要的作用。人工神经网络对其进行分类，这种分类方法可以运用在预测商务银行的危机上，除此用途之外，人工神经网络还可以检测出商业银行各种潜在的危机。根据这些危机，银行就可以采取一定的措施保障其安全。通过众多专家对BP神经网络的一系列研究不难发现，BP神经网络在处理经济数据时与其他的处理方式相比有诸多的优势。BP神经网络可以通过自身的学习，可以从各种数据中发现其潜在的规律，因此它能够处理各种数据。神经网络是一种非线性的自然的建模过程，因此它并没有复杂的传统过程的分析，也就不存在辨别何种非线性关系。在实际操作中，对于一些传统的方法，要分清属于何种非线性关系会给后续的分析和建模带来非常大的不便和困难。

二、设置商业银行风险预警体系和确定阀值

对于一个完善而又健全的商业银行风险预警指标体系来讲，其一方面要满足机构内部各个层次之间相互配合的基本要求，另一方面又要是对宏观经济基本走势的综合反映。从宏观的方向来看，宏观预警要考虑到诸如货币流通风险、房地产泡沫等方面的风险因素，主要是考虑外部条件对整个银行业的影响。从微观上来讲，主要是考虑包括资本性风险、盈利能力等方面的风险，微观方面的因素主要考虑是考虑银行机构的风险。

1.宏观上的预警指标体系对于整个银行业风险来说它会受到整体宏观经济的影响。宏观经济中存在的问题都会对银行业产生不同程度的影响。经济增长率也就是俗称的GDP增长率，它是对一个国家在经济上的发展状况的具体体现。反映的是相较于前一年，GDP的增长。对一个国家在经济上发展的基础条件的主要反映在固定资产投资额的增长率上。在泡沫经济当中，房地产占据了相当重要的席位。在经济环节中所爆发的各种银行清偿力危机、信用危机等都是由房地产行业危机产生的。国房景气指数是衡量房地产行业的一个重要指标，它可以反映整个房地产行业的变化程度和发展趋势，通常用百分制的方式来表示。

2.微观上的预警指标体系对于一个银行来讲，它本身的资产是获取资金的重要保障，当然除此之外，银行业可以通过负债的方式来经营。要衡量银行在风险抵御和经营方面的稳定性可以从银行的核心资本充足率和资本充足率来进行衡量，这两个因素可以比较综合地反映一个银行的资产方面的信息。对于商业性银行来讲，流动性风险也是其不得不面对的一个风险因素。它是所有风险因素当中最直接的风险因素，也是在各种风险都发生了之后，最终表现出来的风险因素。存贷款比例和资产流动性比例是在基于中国的现实条件之下而建立起来的针对各个银行的流动性风险预警的两个指标。商业银行在资产流动性方面的强弱可以通过资产流动性比例反映出来。流动性资产与流动性负债之间比例就是资产流动性比例。

3.确定商业银行的阀值在确定了指标体系的前提下，对于一定范围内预警指标的数据是否会引发危机的产生可以通过阀值来确定。在阀值问题的确定上，本文主要是通过对相关的国际通用标准来进行最终的确定，对于有的阀值由于其并没有非常明确的国际通用指标值，因此，在对这些阀值的确立工作上，主要参考了相关的专家在这一领域的研究成果和若干历史数据。

三、对于商业银行在操作风险预警方面的应用和建议

大多数商业银行通过matlab神经网络工具箱进行编程工作，以此对银行在操作风险预警系统方面的数据进行处理。在分析了各种银行操作风险的特点之后，尽量选择时间序列的数据，在这些数据的选择上，尽可能选择时间跨度较小，或者以月或者日为基准的数据，通过对这些数据的研究可以使得预警的在时间上的间隔尽可能地小。与一般的风险评估系统相比，BP神经网络对于商业银行在操作风险预警系统上的分析并不是出于主观的因素，整个网络系统具有高度的客观性，同时它还具有高度的预测精准度和非常优秀的非线性处理能力。BP神经网络所具备的种种特点都使得它与其他的系统相比，最大化地避免了人为因素引起的失误，可以想象，BP网络系统会在未来商业银行风险的管理和预测上有非常大的用途和现实意义。

在实际对银行的预警系统的控制工作中，由于很多因素都可以直接或者间接地影响到操作风险，并且有一部分的影响因素从一些人力资源系统和商业银行业务系统中都很难获取，因此，对于这一部分的统计计算就需要用手工的方法在事后进行统计计算。通过这种方式，才能够使得操作系统在判断上能够有效、准确。除却相关的风险预警系统，商业银行自身还应该完善其银行业务的各类信息系统。银行在完善这类信息系统的同时，要考虑多方的因素，不应该仅仅停留在对关键风险指标等因素的计算上，对于其他能够影响操作风险的所有因素都要进行考虑，并且归纳到信息管理系统当中。各种科学风险预警系统的有效运用，能够使得商业银行在风险预警方面居于有利地位，为各银行在操作风险上提供有效的措施和帮助。

风险管理在商业银行的操作风险管理中的重要地位是无需置疑的。随着各类商业银行操作风险在社会上的不断发生，各个商业银行都迫切地想采取有效而又科学的风险控制方式和相关措施。国内各个商业银行面临着诸多的风险，最为常见的风险当中有诸如信用风险、操作风险等等。当然，国内各商业银行在对信用风险和市场风险的预防和控制上已经非常有经验了，并且在这些方面的相关技术也非常成熟了。当今，各个商业银行都采取了各种方式来完善各种的安全预警系统。本文全面总结了相关的BP神经网络系统并且对其进行了一定深度的分析，通过分析得知，BP神经网络系统在多方面都优越于传统的安全预警方式。BP神经网络模式克服了传统风险预警的弊端。传统风险预警方过度的依赖以往的相关数据、对于高度非线性数据较难处理以及对付若干动态预警的能力比较差，这样就造成了预警问题的解决难度越来越大，相关部门在解决此类问题时就会受到诸多因素的约束，具有很大的局限性。但是，BP神经网络的运用无疑在克服传统预警问题的基础之上，为商业银行的风险预警提供了新型的研究思路。对于BP神经网络的运用也是顺应了时代的发展和个商业银行的现实需求。

作者：马鸿雁单位：长春金融高等专科学校