基于AHP法和BP神经网络的商业银行客户信用评估模型(完整资料).doc

《基于AHP法和BP神经网络的商业银行客户信用评估模型(完整资料).doc》由会员分享，可在线阅读，更多相关《基于AHP法和BP神经网络的商业银行客户信用评估模型(完整资料).doc（88页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于AHP法和BP神经网络的商业银行客户信用评估模型(完整资料）(可以直接使用，可编辑 优秀版资料，欢迎下载）基于AHP法和神经网络的商业银行客户信用评估模型美国次贷危机和希腊主权债务危机使人们对次贷风险的防范意识有了更进一步的增强,特别是对金融衍生产品创新中风险度量、风险控制甚至风险管理的理论和方法进行了深层次全方位的审视和思考。毫无疑问，次贷风险的防范应该从信贷源头即商业银行客户开始。商业银行对客户的信用评估是银行贷款的核心内容,对银行客户的信用等级评估是否合理、科学、准确关系着银行贷款承担风险的大小.因此，准确评价客户信用对银行来说至关重要。商业银行客户基数大，属性多,而且不同客户有着其

2、各自不同的特点，银行不可能依次对每一个用户进行分析来确定其信用程度,这在时间、人力以及效率等方面都是不可取也是不现实的,那么银行应该按照一种特定的指标体系在拥有客户登记表的情况下对客户进行信用评估，这种特定的体系就是本文将要提出的基于AHP法和BP神经网络的商业银行客户信用评估模型。问题分析商业银行信贷最关心的是客户的信用程度和偿还能力以及在此基础上所能获得的最大利润问题,银行在评估客户信用程度时，是基于客户所提交的客户登记表来进行的，比如年龄、职业、学历、月收入、信用额度、信用历史等都是评估客户的要素根据客户信息,银行在借贷时自然更偏重于那些职业较好、收入较高、信用历史较好的客户,但是这类客

3、户很可能学历较低、信用额度偏大，这使得银行很难判断其真正的信用程度.因此，为了更加公正、客观的评估每个客户的信用程度,银行首先应该对客户所提交的客户登记表里的信息资料进行初步评分，基于对现实的考虑，在本文中，假设银行主要对客户的4项基本资料进行评分，也就是说客户的信用程度就是通过这4项评估指标所建立起来的（如图1所示)1.考察这24项指标，按先后顺序编号为，其中前项决定客户的特征，中间8项决定客户的偿还能力,最后项决定客户的信用状况,由图1可知,银行对客户的信用程度的评估就是基于这3大项的加权所得.根据BP（全称为Bk oaation）神经网络的算法，银行可采用大量的数据进行训练学习,使各个分

4、量的权重最后趋于稳定,然后以此来计算客户的信用程度。由于在现实中很难找到大量、准确、可靠的数据来完成训练学习这个过程，因此，为了避免神经网络算法在初始化时采用随机数取值所带来的较大误差，本文首先采用层次分析法（nalyic rrchy roess简称AHP）对2小项以及3大项的权重进行计算，确定初始化数据，然后再利用P神经网络算法进行训练学习。图1 商业银行客户信用评估指标体系商业银行客户信用评估指标体系Z年龄性别文化程度职业婚姻状况健康状况是否本地户口住宅性质本地居住时间客户特征个人财产 家庭月收入活期存款余额分期付款占收入的比重 工作年限 存储帐户余额分期付款计划其他借贷情况偿还能力银行卡

5、记录信用历史代发工资情况信用额度持卡时间持卡消费情况担保情况信用状况最后,根据所得结果的不同分值，我们将客户信用程度分为五类，分别用绿、蓝、黄、橙、红5种颜色表示客户从高到低的信用程度.绿色:表示该客户信用程度高,不必担忧其会发生不按期偿还贷款的情况蓝色：表示该客户信用程度较高,只要在还款期限之前进行适当提醒该用户就能保证按时还款.黄色：表示该客户信用程度一般，只要及时催促，就能保证其按时还款。橙色:表示客户信用程度较低,为了保证客户按时还款,应该加强与用户之间的联系,在借贷时也要适当进行决策。红色:表示该用户信用程度差，银行在借贷时应该考虑是否要对其进行贷款模型的假设分别对HP法和BP神经网

6、络算法中所涉及到的变量以及其他因素进行假设1.HP算法所涉及到的比较矩阵是根据aaty等人提出来的9尺度法进行度量的，在具体的矩阵拟定中，对人为因素所造成的误差忽略不计2.基于现实以及计算考虑,在商业银行客户信用评估指标体系中，本文仅选取4项,其余指标不予考虑，设分别表示客户登记表中的24小项的分值，在实际的银行信贷过程中，只要客户填写了客户登记表，那么这24项的值就随之确定3用表示各个小项所属的大项，分别为客户特征、偿还能力以及信用状况；用Z表示客户的信用程度4.在BP神经网络结构中,假定输出单元的阈值为.5。基于商业银行客户登记表中的属性评分标准(按1之间的整数打分，分数越高,表示信用卡持

7、有者该属性表现越好),本文将根据最后所求得的值的区间0，1将其划分为5个小区间，即，0.2），0。2，0.4），0。4，0.6)，.6,。8),08，1.0，从低到高分别代表红、橙、黄、蓝、绿五个等级,根据最后所求值落入的区间来确定该客户的信用等级.模型的建立1. 用AHP法获得BP神经网络算法的初始权值AHP法是将定性分析和定量计算相结合的一种综合计算方法,可将决策问题分为三个层次，即最上层、中间层和最下层，其分别为目标层、准则层和方案层,在具体问题中，具有广泛的实用性在AHP法中，为了确定同一层次间各因素对上层影响所占的比重,下面我们将引入一种比较科学合理的比较尺度，即尺度法3。比较尺度：

8、在比较两个不同性质的因素和对于上层因素的影响时，为了使得到的数据科学合理，本文采用Saaty等人提出来的尺度法，即尺度的取值范围为及其互反数，如下表1.尺度含 义1和的影响相同比的影响稍强5比的影响强7比的影响明显地强9比的影响绝对地强2,4,6，8比的影响之比在上述两个相邻等级之间比的影响之比与上相反（“强”改为“弱”）表1 尺度的含义表基于上述的比较尺度,以及参考了银行在实际信贷过程中考虑因素的重要性,本文拟定以下比较矩阵来表示在客户特征、偿还能力、信用状况中,商业银行信用评估各指标之间的相对重要性,具体图表如下:12241541478631416241315352136112311211

9、1表2 客户特征中各指标的比较矩阵13624171112131861211825237141表3 偿还能力中各指标的比较矩阵625131756311426111212341 表 信用状况中各指标的比较矩阵相应地,本文同样得到了客户特征、偿还能力、信用状况这三个大指标之间的相对重要性比较矩阵，以此来确定商业银行客户信用评估指标中各主要元素的权重z1241表 评估体系中的比较矩阵2。模型算法设计及实现.1 B神经网络结构设计BP神经网络算法是由一个输入层、一个或多个隐含层和一个输出层组成，在本文中,与之对应的分别是AHP算法中的方案层、准则层和目标层。实验证明，三层的BP神经网络结构应用最为广泛。

10、因此，本文也采用了典型的三层P神经网络结构4，其中输入层节点数为2,分别对应客户信用评估的4个指标,输出层节点数为，表示商业银行客户信用程度。经验显示,较好的隐含层节点数应介于输入节点和输出节点数量之和的0%7之间,本文通过固定样本针对不同隐含层节点数进行训练，权衡运行效率、训练次数和网络总误差，最终确定隐含层节点数为3,如图2所示图2 三层P神经网络结构图以三层为例,令为网络输入,即为各个指标的评价值，为隐含层输出，为网络的实际输出，即对信用风险的评价值。其中，输入层节点到隐含层节点的权重为,而隐含层节点到输出层节点的权重为,用和分别表示输出单元和隐含单元的阈值，则: （1） (2）其中，

11、（3)2.2 BP算法的实现步骤221 模型算法设计根据B神经网络和AHP算法的特征,建立改进的BP神经网络算法,如下图3所示.图3 改进的BP神经网络算法结构流程图2。2.2模型算法的实现 模型算法的实现步骤如下： (1） 传递函数的确定4.传递函数是反映下层输入对上层节点刺激脉冲强度的函数，又称刺激函数，一般取为(0，）内连续取值Sigmoid函数： （）误差计算模型是反映神经网络期望输出与计算输出之间误差大小的函数.设第j个单元节点输出的误差为，则总误差为： (4)其中,是第j个节点的期望输出值,是第个节点的实际输出值(2） 参数确定1.首先依据Saaty等人提出的-9尺度法构造比较矩阵

12、、和。通过比较矩阵最大特征根和特征向量的和法算法,求得各比较矩阵的最大特征根和特征向量和法算法：a.将A的每一列向量归一化得()b对按行求和得 （)c。将归一化 (7）而即为所求特征向量。d.计算,作为最大特征根的近似值。而即为所求权重向量.由于通过AHP法所得到的结果具有很好的一致性,因此参数的改变对运算结果不会有太大的影响（） 初始化将样本计算器和训练次数计数器q都置为1，误差E置为。为了更加精确的得到从输入层到隐含层的权重以及从隐含层到输出层的权重，本文首先采用H法对权重和进行了初步确定，从而避免了常规B神经网络算法采用随机数进行初始化所带来的误差，既缩短了P算法对样本训练学习的周期，又

13、提高了计算结果的精确度(4) 训练学习神经网络的训练学习的过程就是对样本各权重进行调整并使其趋于稳定的过程，原则是使误差不断减小。训练学习过程如下： （8） （9) (10）其中，为期望输出值，为学习率,于（,1）间取值，是为了保证BP算法的收敛性,所以，采用上述优化方法来确定为动量因子，是为了避免样本训练时BP算法陷于局部极小点，取;为期望输出与实际输出之间的误差。对于每一个输入的样本,计算相应的和，得到权值的调整公式： （1) (12）在和的误差达到要求的精度时，算法停止，训练学习过程结束。(5）网络误差.计算网络输出误差,设共有个训练样本，网络对应不同的样本有不同的误差,用其均方根 （1

14、3）作为网络的总误差其中t为计数器.每对样本完成一次训练学习,都会检查总误差是否达到精度要求或者训练次数是否达到上限值,若是,则停止,否则转到（)，直到符合要求为止模型的求解及应用1.样本训练基于AHP法和BP神经网络算法的基本思想而建立的BP神经网络客户信用等级评估模型,其输入层为24个神经元,分别对应客户信用评估的24项指标，根据这4项指标,确定了影响客户信用评估的三大要素，即客户特征、偿还能力和信用状况,最终由这三大指标确定客户的信用程度。本文随机抽取了10份商业银行客户登记表作为研究对象,并对其中的定性指标进行了公正合理的打分，每个指标打分的范围为1,5之间的整数.即可得到一个样本矩阵

15、：由AHP法即可得到分别对应的权重向量：0。068966,0.02069，0.179310，。289655，。17241,。020689,0.27568，0.06966,00209T0150442,0。138，0。06947，0.203540,0.0254,.76991，0。115044，00539T.2115,0.3416,0.0918,0。0882，0。11765，005882，0.29412008333，050000,0.41666T将其作为初始化数据，在BP神经网络结构中进行训练学习,最终可求得：Z=0。56459，0.3337,0.363566，0.46153，036305，.362

16、7,0.4354，163985，。7135,010T即为这10个客户的最终得分。2。评估分析基于上述拟定的评估等级,即可确定出这10名客户的信用等级,如表6所示：客户Z值误差信用等级客户0.564539000106黄色客户2056333。00089黄色客户30.6660。00092橙色客户40。84650.06绿色客户5036395.00086橙色客户6.76270005蓝色客户70.64.0009黄色客户80.16398009红色客户9071350000092蓝色客户100.412090.000087黄色表6 客户信用等级表为了便于银行对数据进行统计分析，现将表中各个客户的信息用折线图以及柱

17、状图的形式给出.图4客户信用程度图示黄蓝橙绿红图5 客户人数与信用等级图示以上就是随机抽取的0份商业银行客户登记表所对应的客户信用程度,从折线图与柱状图来看,信用程度处于一般信用的人最多,其次是较高信用与较低信用,而高信用与低信用的人数相对较少。这仅是对10份数据进行训练统计的结果，由于基数太小,可能不具代表性，但此模型是在AHP法和BP神经网络的共同作用下建立起来的，具有一定的科学合理性。另外,该模型评估误差小，计算速度快，从这方面来说,作为商业银行客户信用程度的评估依据,本模型依然具有较好的实用价值。参考文献：1 卢雯嘉，栗秋华，周林，李杨，冯克群，曾平，黄林:基于遗产算法和P神经网络的电

18、力客户信用评价模型J。电力需求侧管理，29,11(6）:30-33 唐焕文，贺明峰:数学模型引论M北京:高等教育出版社，2002 姜启源：数学模型M（第二版)。北京:高等教育出版社，2004王莉，郑兆瑞，郝记秀:B神经网络在信用风险评估中的应用太原理工大学学报，2005，36（2):27-218 居勇，曾鸣:基于云模型的用电客户信用评价J.华东电力,209，3（8)：1246蔡皎洁,张玉峰：基于数据挖掘银行客户信用风险评级体系研究.情报杂志,010，（2):49城市商业银行贷款质量五级分类实施意见银发20255号 200年1月日一、为贯彻落实中国人民银行关于全面推行贷款质量五级分类管理的通知，

19、根据中国人民银行贷款风险分类指导原则，制定本实施意见.二、贷款质量五级分类所称贷款包括:一般贷款(含抵押、质押、保证、信用等贷款)、贴现、银行承兑汇票垫款、信用证垫款、担保垫款、进出口押汇、银行卡透支、拆出资金、存放同业、应收帐款、类似性质的其他债权及类似性质的或有负债。三、贷款质量五级分类是评估贷款风险状况的一种方法.严格按照贷款质量五级分类的标准、方法和程序对城市商业银行的贷款风险进行评估和揭示,并及时提取贷款损失准备金,是城市商业银行防范经营风险的重要手段。四、城市商业银行应把贷款质量五级分类纳入日常贷款管理工作。五、本实施意见中的贷款质量五级分类标准为最低标准，城市商业银行可以自行制定

20、更为审慎细化的标准,但应有与本实施意见的标准相对应的折算方法。六、贷款质量五级分类是指贷款本金利息(简称贷款本息）收回的可能性，将贷款划分为正常、关注、次级、可疑和损失五个类别,其中次级、可疑、损失类合并称为不良贷款。七、 级贷款的分类标准分别为:（一)正常：借款人能履行合同，没有足够理由怀疑贷款本息不能按时足额偿还。正常贷款的主要特征是：1、借款人贷款本息未逾期或逾期未超过个月。、借款人生产、经营正常。3、借款人用正常经营活动产生的现金还款，且现金流量稳定.4、借款人贷款资料齐全。(二）关注：尽管借款人目前有能力偿还贷款本息，但存在一些可能对还款产生不利影响的因素。关注类贷款的主要特征：1、

21、贷款本息未逾期或逾期未超过个月。2、借款人出现流动资金不足的早期征兆,如还款时间出现延误,净现金流量明显降低等。、借款人经营状况开始出现不利趋势，但暂时尚未影响还款，但此趋势延续下去将对借款人财务状况产生影响。经营状况不佳的原因可能是自身经营不善、行业或宏观经济不景气、产品市场发生变化等，其主要标志是产品销售减少,营业收入降低等.4、贷款担保出现问题,如抵(质)押物价值明显降低，抵(质）押物控制权出现问题等。5、借款人信用状况出现可疑征兆，如未能及时取得适当的资料和文件，借款人不合作或难以联络等.6、其他可能影响借款人财务状况的重大事件,如借款人或借款企业主要负责人健康状况出现问题，借款人或借

22、款企业涉及法律诉讼等。（三）次级:借款人的还款能力出现明显问题，完全依靠其正常营业收入无法足额偿还贷款本息，即使执行担保，也可能会造成一定损失。次级类贷款的主要特征是：、贷款本息逾期超过3个月，或有十足担保，但贷款本息逾期超过个月。2、借款人经营状况出现明显问题，营业收入、财务状况、现金流量等重要指标出现恶化趋势，借款人已不能正常归还贷款本息,还款需要执行担保。3、担保的价值可能不足以保证贷款本息的足额偿付。4、借款人带记录或还款记录不佳,或在向其他债权人还款方面出现困难.5、贷款档案资料不全，重要文件缺失，影响对借款人经营状况及担保价值的正确判断或可能影响借款人还款及担保的法律责任。6、借款

23、人还款意愿较差，有明显的逃废债务企图。7、借款人借款过多,负债比例较高。8、借款人将贷款挪作他用，可能影响正常还款.9、借款人出现其它影响还款的非财务性重大事件。（四）可疑：借款人无法足额偿还贷款本息,即使执行担保也肯定造成较大损失。可疑类贷款的主要特征是：1、贷款本息逾期超过个月。、贷款担保价值严重不足.、已知借款人失踪、死亡或实际破产。4、借款人已停业或即将停业或准备清盘。5、已知借款人恶意逃废债务且追索困难。、借款人的还款责任出现法律纠纷且已进入诉讼次序。(五）损失：在采取所有可能的措施或一切必要的法律程序之后,贷款本息仍然无法收回，或只能收回极少部分。损失类贷款的主要特征是：、经法院强

24、制执行未能收回的贷款。法院终审判决银行全额败诉的贷款。虽胜诉但未在规定的时间内向法院申请执行.或借款人无财产收入可执行，或因其它不可抗力无法执行而损失的贷款。2、按贷款企业的净资产对贷款的保证程度确认，贷款无法收回或只能收回极少部分的贷款。3、贷款主合同已超过诉讼时效,借款人对任何主张债权的文件不予确认，通过所有可能的措施和必要的法律程序均无法收回的贷款.、未与借款人签订贷款合同(协议），或贷款合同（协议）原件灭失，以任何方式主张债权，借款人均不予以确认的贷款。5、债务人和保证人依法宣告破产、解散、被撤销（关闭），但以完全终止法人资格，银行对债务人和保证人进行追偿后，未能收回的债权。6、借款人

25、和保证人虽未依法宣告破产、解散、被撤销（关闭）,但以完全停止经营活动，被工商行政管理部门依法吊销营业执照、终止法人资格，银行对债务人和保证人进行追偿后，未能收回的债权。7、借款人没有任何还款能力和资产,而且贷款保证已过保证期间，保证人拒不履行保证责任;或保证人企业已破产，被公告撤销、被撤销（关闭）；或保证人经营状况恶化，财务亏损，严重资不抵债，已完全不能履行保证责任的贷款。8、借款人死亡,或者依照中华人民共和国民法通则的规定宣告失踪或死亡，银行依法对其财产或遗产进行清偿,并对保证人进行追偿后未能收回的债权。9、借款人遭受重大自然灾害或者意外事故,损失巨大且不能获得保险赔偿,回者接受保险赔偿后,

26、确实无力偿还部分或全部债务，银行对其财产进行清偿和对保证人进行追偿后,未能收回的债权。0、借款人触犯刑律，依法受到制裁,其财产不足归还所借债务,又无其他债务承担者，银行追偿后确实无法收回的债权。11、借款人已不能偿还到期债务，银行对依法取得的抵债资产，按评估确认的市场公允价值入帐后,抵除抵债资产接收费用,小于债权的差额,经追偿后无法收回的债权。、其他可能或已经造成贷款本息全部或大部分损失的情况。八、贷款本息逾期时间是贷款质量五级分类中十分重要的客观标准，如无充分的理由，则该项贷款的分类不应高于基于逾期时间的分类级别。九、即使贷款本息逾期时间未达到某类别的标准,如贷款符合该类别的其他主要特征,该

27、项贷款的分类也不应高于该类别。十、如贷款符合多项类别的分类标准，则该贷款的分类应归入这些类别的最低一档。十一、重组贷款是指借款人无法正常还款而对还款条件做出调整的贷款，包括直接转期的借新还旧贷款和为盘活资产而追加的贷款,需要重组贷款的分类不得高于次级类,重组后的贷款如果仍然逾期，或借款人仍然无力或缺乏诚意归还贷款，其分类不得高于可疑类。重组贷款如按修订后的还款条件正常还款(其中按月正常还款6个月以上的，按季或半年正常还款一年以上的,按年正常还款2年以上的），可考虑升级至关注或正常类。十二、违规贷款是指违反国家法律、法规和商业银行内部管理制度发放的贷款。违规贷款的风险分类应比照同等情况一般贷款下

28、调一级分类。十三、对借款人利用破产、解散、分立、兼并、租赁、转让、承包等形式恶意逃废债务的，如贷款本息未逾期，则其分类不得高于关注类;如贷款本息已逾期，则其分类不得高于次级类。十四、帐外经营发放的贷款，对还款责任明确的，如贷款本息未逾期，则其分类不得高于关注类；如贷款本息已逾期,则其分类不得高于次级类。对还款责任未明确的,则其分类不得高于可疑类；对帐外经营挂帐的应收帐款,其分类不得高于可疑类。十五、行政干预发放的贷款,其风险分类应比照同等情况的一般贷款下调一级分类。十六、除非有足够的理由,信用贷款和保证贷款应比照同等情况的一般贷款下调一级分类。十七、对同一借款人有多笔贷款的,如果担保条件完全相

29、同，在不影响总的分类结果的前提下，可以将多笔贷款合并后进行风险分类，对能够明确界定可能偿还比例的单笔贷款，可以按偿还可能性拆分成多笔进行风险分类。十八、对特殊类别的贷款,如个体工商户信用贷款、银行卡透支、个人住房贷款、个人消费贷款，助学贷款等,可根据各种贷款自身的特点，按照上述分类标准的基本原则调整各自的分类标准。十九、城市商业银行应该按照审慎会计原则建立贷款损失准备金提取制度，合理估计贷款可能发生的损失，及时计提贷款损失准备金.二十、贷款损失准备金包括一般准备金，专项准备金和特种准备金.二十一、一般准备金按季计提。一般准备金的年末余额不低于年末贷款余额的1.专项和特种准备金应按季提取.二十二

30、、关注、次级、可疑、损失类贷款应提取专项准备金，其中关注类专项准备金不低于该笔贷款无抵(质）押部分的，次级类专项准备金不低于该笔贷款无抵（质）押部分的0%，可疑类专项准备金不低于该笔贷款无抵(质）押部分的4%，损失类专项准备金的提取标准为该笔贷款无抵（质）押部分的100。本条所称贷款无抵（质)押部分，是指贷款本息与贷款抵(质）押物价值之间的差额部分。二十三、贷款抵(质）押物价值的评估应遵循以下原则：（一）对贷款抵（质）押物价值的评估应客观、审慎。（二)抵(质)押物价值的评估应由贷款人认可的中介评估机构作出。（三）各类贷款抵(质）押物价值的折扣率应有明确的内部政策。（四)抵(质)押物价值评估应充

31、分考虑抵（质）押物的市场流动性和变现能力.(五）抵(质)押物价值评估至少每半年更新一次,如抵（质)押物的价值或控制权出现重大问题应实时重新评估。二十四、特殊类别贷款如银行卡透支、个人住房贷款、个人消费贷款,助学贷款、个体工商户信用贷款等应提取特种准备金。特种准备金的提取标准可根据本行或同业以往的损失记录确定特殊类别贷款的损失概率,按可能损失的100提取。二十五、上述贷款损失准备金的提取标准是对贷款损失概率的粗略概算,只有在不能准确计算贷款损失金额的情况下予以采用。有条件的应逐一评估每笔贷款的实际损失，按实际损失金额的100提取准备金.二十六、贷款质量五级分类必须严格按照分类的标准，方法、程序进

32、行初分和认定,并按审批权限进行审批。二十七、贷款质量五级分类基本流程为：(一）分类准备1、整理、收集贷款档案资料。由贷款经营部门收集借款人基础信息，包括借款人的基本情况、借款人和保证人的财务信息、担保资料、往来函件、债务人偿还记录、银行催收通知书、贷后跟踪管理报告等重要文件，为贷款风险分类做好准备.2、录入贷款管理信息系统。有贷款管理电子信息系统的,贷款经营部门负责借款人信息资料的录入.3、及时更新借款人资料。借款人资料至少每季度全面更新一次。借款人出现重大问题时，借款人资料应及时更新。（二)初步分类贷款经营部门分析借款人资料，撰写债务人的背景材料，填写分类工作初稿，并按照五级分类的标准、方法

33、和要求提出初步分类意见，提交信贷风险管理部门复审和认定。（三)分类复审贷款风险管理部门对贷款经营部门提交的借款人贷款资料,分类认定工作底稿、分类初步意见等资料进行复审。贷款风险管理部门应与贷款经营部门充分沟通，对分类初步意见充分讨论。贷款经营部门应根据贷款风险管理部门的要求,及时补充和完善客户信息和分类资料.（四)分类认定贷款风险管理部门根据分类资料进行综合判断，提出分类认定意见.（五)分类结果审批应建立贷款风险分类审批制度,明确各级、各类单位对五级分类结果的批准权限。根据审批权限的规定，各级、各类单位对分类结果审查并签署意见后，报风险管理委员会批准。（六）提出改进意见风险管理委员会，贷款风险

34、管理及其他相关部门在分类、认定和审批过程中,应对贷款经营和管理中存在的问题提出意见并及时反馈给贷款经营部门。二十八、贷款质量五级分类工作至少每半年进行一次,如借款人出现重大问题，该项贷款的分类应按规定的审批程序实时进行调整.二十九、贷款质量五级分类的审批应符合以下要求:（一)应建立以分类授权为核心的五级分类审批制度，保证贷款质量五级分类工作的有序进行。(二）贷款经营负责本部门经营的贷款档案资料收集、贷款风险初步分类和参加分类认定工作。其中，贷款经营人员收集其负责的借款人的贷款资料，提出初步分类意见并提交其上级。贷款经营部门逐级审核并经各级负责人签字确认后，提交贷款风险管理部门认定.（三）为简化

35、工作程序，贷款风险管理部门可于贷款经营部门设置贷款风险管理岗位,贷款风险管理岗位工作人员可经贷款风险管理部门授权，认定并批准本级贷款经营部门贷款授权限额内正常和关注类的贷款风险分类。贷款风险管理岗位工作人员隶属贷款风险管理部门,独立于贷款经营部门，贷款风险管理岗位工作人员应实行岗位轮换制度,即在同一贷款经营部门工作时间不得超过2年.（四)贷款风险管理部门在一定限额内，对正常、关注、次级和可疑类贷款进行认定和批准应经风险管理委员会授权。(五）经董事会授权,风险管理委员会负责制定本行贷款分类政策和制度,对大额贷款的风险分类和损失类贷款进行认定和批准，对有争议的贷款分类具有最后裁决权。三十、贷款抵(

36、质)押物价值评估结果的认定和批准比照贷款质量五级分类的程序和审批制度执行。三十一、准备金提取程序为：（一）贷款风险管理部门应按季及时向会计部门提交贷款基本资料，贷款抵（质)押物价值评估和贷款质量五级分类结果的明细帐目。（二）会计部门根据贷款损失准备金提取标准制定准备金提取方案。（三）准备金提取方案报董事会或董事会授权的机构复审和审批。贷款损失准备金的提取政策应符合财政部和国家税务总局的有关规定。(四）会计部门根据批准的准备金提取方案进行相应的会计处理。(五）及时核销损失类贷款.三十二、应建立直接对董事会负责的风险管理委员会或类似的专门机构，全面负责贷款质量五级分类工作。三十三、风险管理委员会应

37、由行长，贷款经营和风险管理的主管副行长、贷款经营、贷款风险管理、财务会计、内部审计、法律事务等相关部门的主要负责人及董事会有关成员组成，风险管理委员会的议事规则，决策程序由董事会制定或批准。三十四、贷款质量五级分类具体工作由贷款风险管理部门负责，贷款风险管理部门应独立于贷款经营部门，贷款风险管理人员不能由贷款客户经理兼任,贷款经营部门和贷款风险管理部门不能直接对同一上级负责。三十五、贷款质量五级分类工作应防止由贷款经营人员控制.三十六、贷款质量五级分类涉及贷款风险管理、贷款经营、财务会计、内部审计、信息技术、法律事务等业务部门,主要职责分别如下：（一） 贷款风险管理部门的主要职责是：1、全面负

38、责贷款质量五级分类的组织实施。2、审计和分析贷款经营部门提供的借款人贷款资料、分类材料的真实性、准确性和完整性。3、对贷款经营部门的初步分类结果进行复审。、根据审批权限对分类结果进行认定和审批.5、向上级和相关部门提供贷款质量五级分类信息。6、负责分类材料的存档和管理。7、填制各种贷款分类信息表。（二） 贷款经营部门的主要职责是：、负责收集借款人信息并及时更新贷款档案资料，并对分类基层资料的真实、完整和准确负责。2、负责贷款质量五级分类的初分，参与分类的认定。、建立和保管客户贷款信息及台帐，并定期与贷款风险管理、会计和信息统计部门核对帐目。4、落实贷款风险管理、会计等部门分类整改意见。(三）会

39、计部门的主要职责是：负责制定贷款损失准备金提取方案；参与贷款损失准备金提取的审批；对提取的分类结果和贷款损失准备金提取进行相关的帐务处理；提供贷款质量五级分类统计信息。 (四）内部审计部门的主要职责是：定期和不定期的对贷款风险分类过程和结果进行检查；对损失类贷款进行重点审计;参加贷款质量五级分类审批工作。（五）信息技术部门的主要职责是:负责贷款风险分类信息管理系统的开发和维护。(六)法律事务部门的主要职责是:对贷款风险分类过程和结果提出法律意见；参加贷款质量五级分类审批工作.三十七、应建立对贷款质量五级分类的内部监察制度.三十八、内部审计部门应将贷款质量五级分类的检查列入日常工作。三十九、内部

40、审计部门对贷款质量五级分类的主要检查内容是：（一）贷款风险分类政策、制度是否符合有关法律法规，是否足够审慎。（二)贷款风险分类的操作是否符合规定的标准、方法、程序和审批权限；贷款风险分类的结果是否真实、准确.(三）贷款损失准备金的提取是否符合规定的标准、方法、程序和审批权限;准备金提取是否准确.（三） 分类基础资料是否真实、准确和完整。四十、贷款风险分类的内部审计工作应以定期和不定期、现场和非现场相结合的形式进行。 四十一、内部审计部门、外部审计部门和人民银行对贷款质量五级分类的检查结果应作为考核贷款管理和风险分类情况的重要依据。基于多传感器信息融合的数控机床故障诊断研究1. 引言数控机床具有

41、加工柔性好、加工精度高、加工质量稳定、生产率高等诸多特点，但其结构和运行工况也很复杂，一旦机床发生故障，引起故障的因素众多，有机械方面的，有电气方面的,同时同一种故障往往有不同的表现，同一种症状又常常是几种故障共同作用的结果,故障的多样性、复杂性和各故障之间的复杂联系构成了数控机床故障诊断中的重点和难点。每个传感器都有一定的功能和测量范围，单个传感器的数据从某个侧面反应被测对象或系统的情况，难免带有一定的局限性。仅仅通过单一传感器的特征提取和诊断分析将无法成功完成对数控机床的故障诊断任务。因此多传感器数据融合技术显得尤为重要,它能克服传感器使用的局限性和传感器信息的不准确性,充分地、综合地、更

42、有效地利用多传感器信息,减少信息的模糊性,增加决策可信度，提高对数控机床的故障诊断的准确率.多传感器数据融合是一种重要的传感器信息处理方法,它起源于2世纪0年代,最早被应用于军事领域，用于解决目标识别与跟踪、状态与身份估计、态势和威胁估计等技术问题。它能充分利用不同时间与空间的多传感器数据资源，在一定准则下进行分析、综合、支配和使用,得到对被测对象的一致性解释和描述，并做出相应的判断、估计和决策。多传感器数据融合有多种算法，其中,S证据理论方法的应用最为广泛.本文主要建立了基于多传感器信息融合的数控机床二级故障诊断系统：基于自适应加权算法的一级融合，基于DS证据理论的二级融合。然后利用某一论文中的数控机床的测量数据,通过MATAB软件对其进行分析计算，最后得出结论。基于多传感器信息融合的二级故障诊断系统本文介绍了一种基于多传感器信息融合的二级故障诊断系统：基于自适应加权算法的一级融合,基于D证据理论的二级融合,如图1所示。图1数控机床二级故障诊断系统2。1基于自适应加权算法的一级融合传感器是自动化领域一种重要的检测和测量装置，当传感器出现故障时，其测量值有可能严重偏离实际值，而此时仍对传感器的测量数据进行融合,就会影响数据融合的精度，因此有必要在传感器数据融合之前确保数据的有效性，对其进行一致性检测.21。1 传感器数据一致性检测假设有N个同类（同质)传感器测量同一目标