基于bp神经网络的绿色信贷信用风险评价研究

《基于bp神经网络的绿色信贷信用风险评价研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、谨以此论文献给敬爱的老师们、挚爱的亲人们和朋友们。------------------王忠超基于BP神经网络的绿色信贷信用风险评价研究学位论文答辩日期：指导教师签字：答辩委员会成员签字：独创声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含未获得（注：如没有其他需要特别声明的，本栏可空）或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表

2、示谢意。学位论文作者签名：签字日期：年月日--------------------------------------------------------------------------------学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下事项：1、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。2、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学“中国学术期刊

3、(光盘版)电子杂志社”用于出版和编入CNKI《中国知识资源总库》，授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》。（保密的学位论文在解密后适用本授权书）学位论文作者签名：导师签字：签字日期：年月日签字日期：年月日基于BP神经网络的绿色信贷信用风险评价研究摘要进入21世纪，人类社会面临的资源环境问题日益凸显，调整经济结构、转变经济增长方式、实现低碳可持续发展成为一种共识。而资金作为经济发展的血液，银行作为资金配置的枢纽，加之银行履行社会责任的要求，使得银行在其中扮演至关重要的角色，调整银行信贷理念和

4、结构、关注环境风险、发展低碳金融已成为国际银行业共有之举。目前，国际大的金融机构大多已加入“赤道原则”，碳金融的理论和实践得到快速发展，我国则在内部环境和经济转型的压力及国际碳金融发展的趋势下于2007年提出绿色信贷，通过开展绿色信贷调节社会资金流向，从源头上切断“两高一剩”企业发展资金，支持低碳环保型行业企业发展。但与此同时，绿色信贷也使银行面临复杂多变的环境风险，对其风险评价和管理的理论和实践上的不足阻碍了绿色信贷的开展。因此，必须建立绿色信贷信用风险评价管理机制，探索完善绿色信贷信用风险评价指标体系及评价模型和方法

5、，为绿色信贷开展顺利开展提供理论依据。本文正是从信用风险评价的角度出发，旨在通过对绿色信贷及其信用风险评价研究现状及相关理论进行梳理的基础上，构建绿色信贷信用风险评价指标体系，并运用BP神经网络以低碳环保类上市公司为样本进行案例分析。具体看来，文章共分如下六部分：（1）对可持续金融理论、银行环境风险管理理论、企业社会责任理论及银行信用风险管理理论进行梳理，为后文奠定理论基础。（2）对绿色信贷信用风险评价相关内容进行定性分析研究。在对绿色信贷内涵及其环境风险进行介绍的基础上，对绿色信贷信用风险的表现形式、特点及成因予以分析

6、，之后对绿色信贷信用风险评价的内涵、现状及问题进行阐述。（3）绿色信贷信用风险评价指标体系及模型构建。在分析总结已有的绿色信贷风险评价指标体系的基础上，针对绿色信贷信用风险的特点构建出包含传统财务指标和环境风险指标在内的指标体系，其中环境风险指标体系包含每股社会贡献值等四项的企业绩效及“三废”排放量三项的环境质量两大类；之后，选择BP神经网络进行风险评价，介绍BPI神经网络相关原理，构建绿色信贷信用风险评价模型。（4）案例分析。选取110家低碳环保类上市公司为样本，运用该指标体系和模型，进行网络训练、检验和使用，并依据所

7、得结果对绿色信贷信用风险状况进行评价。（5）从外部制度环境和内控两方面提出绿色信贷信用风险管理的对策建议。（6）对文章进行总结，并从研究方法、思路等方面对绿色信贷信用风险评价研究进行展望。文章的创新点在于：（1）以绿色信贷的企业信用风险为研究视角，选用低碳环保类上市公司为研究样本，对银行绿色信贷信用风险进行评价，为绿色信贷信用风险评价及管理提供新的思路。（2）实证方面，基于绿色信贷信用风险的特性及数据的可得性，引入每股社会贡献值、单位产值能耗、“三废”排放量等七个环境风险指标，构建出包含财务指标和环境风险指标的绿色信贷信

8、用风险评价指标体系，并运用BP神经网络对其进行定量化的案例分析，为绿色信贷信用风险评价模型及方法做出探索性研究。关键字：绿色信贷；信用风险评价；BP神经网络；对策建议IIResearchonCreditRiskEvaluationofGreenCreditBasedonBPNeuralNetworkABSTRACTI