题目：两阶段信用评级模型及实证研究

信用风险是金融机构面临的最主要的风险，随着经济全球一体化进程的加快，信用风险管理方法在最近20年取得了长足进展。发达国家商业银行对信用风险的管理比较成熟，在实践和理论上已经形成相应的体系，信用风险分析也在不断尝试采用新的技术方法。相比之下，我国目前商业银行的信用风险管理体系尚不健全，管理技术较简单，远不能满足商业银行对信用风险管理的要求。 本文将主成分分析、BP神经网络技术结合起来，构建出一个两阶段信用评级模型。首先，在文献研究与实际分析相结合的基础上，通过对制造业2002年到2006年上市公司的筛选，选出124个上市公司作为本文研究的样本，接着选取出14个重要的财务指标并收集相关指标的数据，然后在建立两阶段模型的第一阶段使用主成分分析方法对这14个指标进行主成分分析并最终得出5个主要指标，将这5个指标数据作为建模第二阶段构建BP神经网络模型的输入变量并最终建立起两阶段信用评级模型。通过实证分析发现，利用主成分分析所得到的这5个指标之间的相关性很低，而且它们的累积贡献度达到了72.341%，能解释原有指标的大部分信息，非常适合作为构建BP神经网络的输入变量。之后本文所构建的BP神经网络模型对检验样本检验的准确率高达87.5%，表明该种信用评级模型评级的准确率非常的高，为商业银行有效地识别和评估信用风险提供了一种可行的方法。