基于BP神经网络模型的农村金融生态环境综合评价

摘要:本文以湖南省86个县为研究样本,首次将BP人工神经网络模型用于对农村金融生态环境的综合评价,并通过对湖南个案的研究,分析湖南农村县域金融生态环境存在的差异及产生的原因,为进一步制定改善农村金融生态环境的政策措施提供依据｡

关键词:BP人工神经网络模型;农村金融生态环境;综合评价

文章编号:1003-4625(2006)10-0029-03中图分类号:F832.35文献标识码:A

一､引言

本文通过比较各种多指标评价体系的数理统计方法,考虑到人工神经网络模型具有强大的自学能力和映射能力,能够拟合出任意复杂的非线性关系,因此,本文在构建农村金融生态环境指标体系的前提下,试图建立农村金融生态环境构成要素与农村金融生态环境现实状况的人工神经网络综合评价模型,分析农村金融生态环境各构成要素的综合评价值,以便全面､准确反映农村金融生态状况和不同区域的环境差异,暴露存在的问题,为有效治理农村金融生态环境提供决策依据｡本文从农村金融生态环境的定义出发,综合国内学者金融生态研究成果并结合农村金融实际,设计出包括农村经济基础､农村金融发展､农村社会诚信､地方政府公共服务､农村法制环境和农村社会保障程度六个方面共72个指标｡研究样本为湖南省辖内的86个县域,所用数据来源于各县支行金融统计数据库､湖南省各县统计局､湖南省统计年鉴及86个县的4300份调查问卷｡

二､BP人工神经网络建模

本文利用人工神经网络模型的基本原理,采用一种具有多输入单输出的三层BP神经网络作为农村金融生态环境评价的模型,其结构如图1所示:

图1中,n,m分别表示输入节点(评价指标数目)和隐含节点数目;Up1,Up2,∧Upn为评价指标论域X=x1 x2 ∧xn上第p个样本模式评价指标值,记为:

Up = Up1Up2 ∧ Upn (1)

设样本模式数为h,则h个样本模式构成样本矩阵:

U = (U1,U2,∧,Un)T = (Upj)h×n (2)

ωjk(j=1，2，…，n；k=1，2，…，m)为输入层第j节点到隐含层第k节点的连接权值,ypk(k=1，2，…，m)为样本模式p的隐含层第k节点的输出,ωk(k=1，2，…，m)为隐含层第k节点到输出层的连接权值,bP为样本模式p的输出｡步骤如下:

(1)输入样本评价指标信息(x1,x2,…,xn),计算实际输出:

式中,n是节点j的输入节点个数;xi是第i个输入节点的输出值;ωij是第i个输入节点到节点j的权值;i=0时,ωij和xi分别代表阈值0和1｡

图1 三层前馈人工神经网络结构示意图

(2)比较已知输出与计算输出,修改k层节点的权值和阈值:

ωij(k+1) = ωij(k)+ησjxi+α(ωij(k)-ωij(k-1)(4)

式中,ωij是k-1层节点i到节点j的连接权值和阈值;xi是节点i的输出;η是学习系数(0

σj = yj(1-yj)(dj-yj)(5)

式中,yj与dj分别是节点j的实际输出和期望值｡对隐节点来说,因其输出无法比较,所以必须利用式(6)反向推算:

式中,xj是节点j的实际输出值;m是节点j的输出节点个数｡

该算法是一个迭代过程,每一轮将各ωij值调整一遍,这样一轮一轮迭代下去,直到期望输出与计算输出的误差小于某一个容许值｡评价模型也就建立｡

三､实证分析

农村金融生态环境的评价是一个定性分析和定量评价相结合的过程,通过BP网络模型将定性转化为定量输出,然后综合评价集和输出结果,对农村金融生态环境作出定性评价｡因此,综合评价集是整个评价过程的关键,其设置的好坏将影响评价的客观性｡一般地,将评价集设为好､较好､一般､较差､差等5个等级｡根据专家的意见,设定最高分10和最低分1｡由于各等级之间具有一定的模糊性,本文设定如下评价区间(t表示评分):t≥9,好;7≤t

图2 灰色评价结果:86个县域农村金融生态环境综合评价值

以农村金融生态环境的六大构成要素(农村经济基础､农村金融发展､农村社会诚信､农村法制环境､地方政府公共服务､社会保障)的各项指标值为输入向量,农村金融生态环境现实表征(灰色评价结果)为输出向量｡同时,我们采用阈值法对数据进行标准化处理｡数据经阈值法处理后,所有数据都将落在[0,1]区间,适用于BP人工神经网络模型的综合评价分析｡通过BP人工神经网络模型,以50个县或县级市为学习训练样本模式,72个指标为输入变量,则输入节点数为72个,隐含层节点数为119个,训练次数4000次,利用MATLIB7软件,我们可以得到50个县的综合评价BP网络训练结果,用bp表示(见图3)｡

图3 灰色评价结果bp与BP网络模型输出结果b＇p比较

从图3我们可以得出,BP人工神经网络结果与农村金融生态环境的现实表征之间的误差非常小,说明模型拟合是比较成功的｡我们将训练好的网络存入文件,并将另外36组数据加入一并作为评价对象,利用BP网络方法进行检验(见图4)｡结果表明两条曲线基本吻合,表明检验效果良好｡

图4检验样本输出结果比较

同时,为便于进一步的比较分析,我们将农村金融生态环境综合评分值按从大到小的顺序分为“好､较好､一般､较差和差”五个等级,并分别用序号Ⅰ､Ⅱ､Ⅲ､Ⅳ和Ⅴ来表示,各等级分别以86个县的农村金融生态环境的综合评分值来确定,总分值区间为[0,1],各县的农村金融生态环境综合评分值落在区间[0.85,1]为第Ⅰ等级;落在区间[0.70,0.85]为第Ⅱ等级;落在区间[0.55,0.70]为第Ⅲ等级;落在区间[0.45,0.55]为第Ⅳ等级;落在区间[0,0.45]为第Ⅴ等级｡从各县的综合评分值来看,除浏阳属第Ⅰ类,冷江､资兴､韶山､宁乡､望城等县属第Ⅱ类外,湖南其他各县的农村金融生态环境综合评分大多处于第Ⅲ类和第Ⅳ类｡

对农村金融生态环境进行综合评价之后,本文通过BP人工神经网络曲面分析进一步得出了农村金融生态环境各要素的贡献弹性｡按贡献率从大到小排序:农村法制环境､农村经济基础､农村金融发展､农村社会诚信､地方政府公共水平和农村社会保障程度依次递减,其数值分别为0.2803､0.2514､0.1901､0.1208､0.0942和0.0643(见图5)｡

图5湖南农村金融生态环境各要素的综合贡献率

四､农村金融生态环境评价结果分析

(一)综合评价结果分析

对湖南农村金融生态环境的综合评价结果显示,农村金融生态环境状况整体不容乐观,全省居于第Ⅰ､Ⅱ类的县域仅有六个,占研究样本的7%｡而其他县域大都处于一般水平的第Ⅲ､Ⅳ类｡进一步的研究发现,农村金融生态环境质量处于前列的县域基本属于长株潭和泛湘南经济区,而相对较差的县域大都位于环洞庭湖和大湘西经济区｡长株潭地区各县域临近省会长沙,交通条件优越,受长沙经济高速发展的辐射带动作用较强｡泛湘南经济区临近“珠三角”,在承接“珠三角”产业梯次转移方面具有明显的区位优势,上述两区域的县域经济由于容易接受发达城市和沿海发达地区的辐射带动作用,优先形成了市场机制和现代金融信用意识,导致其金融生态环境水平也相对较好｡

由于区位､交通条件､信息､技术等各方面的初始条件差异,湖南省各经济区域间农村县域非农化进程也存在很大差异｡长株潭经济区由于各方面的优势,其非农化发展进程起步较早｡到2004年末,长株潭经济区的县域第二产业对GDP的贡献率接近40%｡这说明,长株潭经济区的县域经济已步入工业经济发展的轨道;而其他三个区域,第二产业对GDP的贡献率只在30%左右,农村非农化程度相对较低｡不同的非农化程度对市场体系和金融信用意识的影响程度存在差异,非农化程度高的县域无疑有助于优先形成现代信用意识,促进金融生态环境优化｡

与此同时,由于经济发展水平差异显著,导致农村县域各基层政府财政收支状况差异巨大｡2004年湖南省县域财政收入111.5亿元,财政支出279.5亿元,缺口达168亿元｡从四大区域的情况看,经济越落后的地区,财政收支缺口越大｡从而导致其通过对金融系统实施行政干预和举债来平衡财政预算｡近年来,湖南省各市属､县属中小国有企业改革步伐加快,相当多的国有企业破产､解散兼并或改制,部分企业借改制之机恶意逃废银行债务,给银行留下了巨额的不良资产｡这与个别地方政府的默许甚至纵容是分不开的｡

(二)单一要素评价结果分析

在农村金融生态环境的六个主要构成要素――农村经济基础､农村金融发展､农村社会诚信､农村法制环境､农村地方政府公共服务和农村社会保障之中,农村经济基础和农村法制环境对农村金融生态环境的贡献率最大,两者之和超过了53%;农村金融发展和农村社会诚信对农村金融生态环境的贡献率居于次要地位,两者之和为31%;而农村地方政府公共服务和农村社会保障的贡献率最低,两者之和不超过16%｡反映出随着农村金融改革的深化,农村金融机构资本充足率不断提高､内控制度逐渐完善､风险管理体制日益强化,农村法制环境､农村经济基础等外部环境因素逐渐成为了影响农村金融资产质量､农村信贷投入的重要因素｡

为此,进一步改善农村金融资产质量,加大农村信贷投入,形成农村“资金洼地”,构建金融支持社会主义新农村的长效机制,应该将改革的视野聚焦到农村金融生态环境上来｡如何进一步夯实农村经济基础､优化农村法制环境､培育农村社会诚信风尚等是下一步应该着重解决的问题｡

参考文献:

[1]周小川.完善法律制度,改善金融生态[N].北京:金融时报，2004-12-07.

[2]李扬，王国刚，刘煜辉.中国城市金融生态环境评价报告[M].北京:人民出版社，2005.

[3]徐诺金.论我国金融生态环境问题[J].金融研究，2005，(11).

注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文