基于BP神经网络和线性规划模型的银行贷款策略

于世鑫 姚泽佳 王浩东 李栋林

【摘  要】针对中小企业规模相对较小、缺少抵押资产的现状，银行通常依据信贷风险对实力强和供求关系稳定的企业提供贷款，论文通过建立BP神经网络模型和线性规划模型，确定银行信贷的最优策略。首先，对搜集到的数据进行预处理，得到各企业6个指标的综合数据。其次，以供销链复杂度、企业规模、还款能力、负数发票、企业活力5个指标为输入，以信誉评级为输出建立BP神经网络模型。最后，以银行收益期望为目标建立优化模型，从中确定最优的贷款分配策略，使得银行获得最大收益。

【Abstract】In view of the relatively small scale of small and medium-sized enterprises and the lack of mortgage assets， banks usually provide loans to enterprises with strong strength and stable supply and demand based on credit risk. This paper establishes BP neural network model and linear programming model to determine the optimal strategy of bank credit. First of all， preprocessing the collected data to get the comprehensive data of six indicators of each enterprise. Secondly， the BP neural network model is established with five indexes of supply and marketing chain complexity， enterprise scale， repayment ability， negative invoice and enterprise vitality as input and credit rating as output. Finally， an optimization model is established with the bank's income expectation as the goal， from which the optimal loan allocation strategy is determined to maximize the bank's income.

【關键词】银行信贷风险;BP神经网络;线性规划模型

【Keywords】bank credit risk; BP neural network; linear programming model

【中图分类号】F830.42;F832.4                                             【文献标志码】A                                                 【文章编号】1673-1069（2021）06-0132-02

1 引言

在我们实际生活中，中小微企业规模较小，同时抵押资产较少，因此，银行在提供贷款时会评估各企业的贷款风险。其更倾向于向实力强、供求关系稳定的企业提供贷款，并会对信誉高、信贷风险小的企业给予利率优惠的政策。信贷风险与银行的收益息息相关，银行要做好贷款风险管理，需要根据企业实际情况，建立相应模型，通过模型求解进行综合考虑，评判各个企业的风险大小，才能有效避免不良贷款的出现。

2 实验数据与处理方法

①数据来源。本文所得数据来自我国123家有信贷记录的企业，其中包括每个企业的信誉评级、进项发票、销项发票等信息。②所用软件。SPSS、MATLAB、C++。③数据处理。第一，指标确定。通过分析，最终确定了5个影响信誉评级的指标，分别为：企业活力（交易失败率）、负数发票、供销链复杂度（销方及购方总数量）、企业规模（进项总消费的金额）、还款能力（销售总收入的金额）。……