《中国商业银行全面风险评价研究：基于粗糙集的数据挖掘算法在金融风险防范中的应用》稿系统回顾了商业银行风险管理理论与实践，利用16家上市银行数据和国际通行的监管指标，建立了我国商业银行全面风险评价的指标体系，在此基础上运用粗糙集理论对我国商业银行风险评价进行了实证研究，同时还运用人工神经网络的方法对此进行了全面验证，最终应用粗糙集理论构建了我国商业银行全面风险评价体系。

1. 绪论
1.1 研究背景与意义
1.2 项目研究的主要问题
1.3 项目研究的主要内容与基本框架
1.4 项目的研究方法与可行性分析

2.商业银行风险管理理论与实践
2.1 风险管理概述
2.1.1 风险管理目的
2.1.2 风险管理的发展
2.1.3 风险的分类
2.2 银行业风险监管的发展
2.2.1 国际银行业监管的发展
2.2.2 我国银行业风险监管的发展
2.3 商业银行的信用风险
2.3.1 信用风险的定义
2.3.2 信用风险的来源
2.3.3 信用风险的种类
2.3.4 信用风险的度量
2.3.5 信用风险测量的几种方法
2.4 商业银行的市场风险
2.4.1 市场风险的定义
2.4.2 市场风险的分类
2.4.3 市场风险的度量和管理
2.5 商业银行的操作风险
2.5.1 操作风险的定义
2.5.2 操作风险的分类与特点
2.5.3 操作风险监管的发展
2.5.4 操作风险的计量
2.5.5 操作风险研究综述

3.我国商业银行全面风险评价指标体系研究
3.1 商业银行全面风险评价概述
3.1.1 商业银行全面风险评价的概念
3.1.2 商业银行全面风险评价的主体
3.2 基于不同评价主体的评价标准
3.2.1 国际评价标准
3.2.2 国内的相关评价标准
3.2.3 第三方评价标准卯
3.3 我国商业银行全面风险评价指标体系的确立
3.3.1 指标体系确立的原则
3.3.2 指标体系的主要内容
3.4 基于16家上市银行内部变量指标的数据分析
3.4.1 财务指标
3.4.2 监管指标
3.5 基于宏观经济数据的外部变量指标分析

4.基于粗糙集理论的我国商业银行风险评价实证研究
4 1利用粗糙集理论评价商业银行金融风险的意义及国内外研究动态
4.1.1 利用粗糙集理论评价商业银行金融风险的意义
4.1.2 国内外研究动态
4.2 粗糙集理论基础
4.2.1 粗糙集的基本概念
4.2.2 典型约简算法
4.2.3 进行属性离散化
4.3 粗糙集理论在商业银行金融风险评价中的应用研究与实证分析
4.3.1 基于粗糙集理论的金融风险评价模型的建立
4.3.2 样本数据的选取与确定
4.3.3 数据补全及离散化处理
4.3.4 属性约简
4.3.5 规则提取
4.3.6 模型应用测试结果
4.3.7 模型特点及总结

5.基于神经网络的商业银行全面风险评价模型验证
5.1 神经网络理论及其相关应用介绍
5.1.1 人工神经网络的起源发展及其分类
5.1.2 BP神经网络在风险评价方面的适用性分析
5.1.3 BP神经网络相关理论基础
5.2 商业银行风险评价模型的设计与建立
5.2.1 商业银行风险评价模型相关指标的确定
5.2.2 商业银行风险评价模型的建立
5 3 基于粗糙集的商业银行风险评价模型的神经网络仿真与验证
5.3.1 数据的选取和预处理
5.3.2 MATLAB仿真软件介绍
5.3.3 模型的仿真与验证
5.4 本章小结

6.基于粗糙集理论的商业银行风险评价体系构建
6.1 建立商业银行风险预警机制
6.1.1 商业银行风险预警机制功能
6.1.2 商业银行风险预警流程
6.2 以粗糙集理论为核心的商业银行风险评价体系
6.2.1 商业银行风险评价体系的设计原则
6.2.2 基于粗糙集模型的商业银行风险评价体系设计
6.2.3 基于粗糙集模型的商业银行风险评价体系实施方案
7.总结
附录 本研究中的相关数据
参考文献

　　（1）确定哪些市场因素可能会影响投资组合的价值。
　　（2）确定哪些因素可以分在一个“块”，哪些又是独立的。一家拉美国家的银行可能会把所有亚洲货币敞口分在一个块里，因为这些敞口可能只占其投资组合很小的一部分，对每一种货币敞口都进行单独分析反而会冲淡对主要风险源的管理。
　　（3）针对每一项风险要素，确定哪些变化构成的测试才是可行的。每一项因素日变化标准差的4倍或6倍才是可行的。
　　（4）采用什么样的价格变化。
　　（5）对所有受到这些风险因素影响的头寸进行重新估价。例如，汇率的变化可能会对外币的现汇头寸、外汇远期头寸、外汇互换期权以至于所有外汇资产的价值造成影响。应该采用非线性的完全定价模型对投资组合进行重新估价。例如，计算期权价值的变化应该用完全头寸定价模型，而不仅仅是采用希腊字母体系的度量方法。
　　通常，压力测试方法是比较有效的，但它也存在三个主要缺陷：
　　（1）这些数据未必能直接反映出哪些问题是比较严重的；
　　（2）被挑选出来的风险因素走势同其变化概率之问的联系并不紧密；
　　（3）压力测试有一个简单的假定：不同风险因素变动的相关系数要么为0，要么为1，也就是说，风险因素之间要么独立变化，彼此之问没有任何关联，要么发生协同一致性的变化。这种假设可能会让我们忽视潜在的重大损失。如果现实中一种利率变化同另一种利率变化之间存在着重大差异，这种假定就有可能会带来重大损失。
　　例如，一家美国银行持有一笔远期外汇，到期支付美元，收到的是英镑。同时，该银行还持有一笔互换合约，收款为等额的美元，但付款则为欧元。这时我们要做一次压力测试。如果我们把英镑和欧元分在同_组，那么在利率发生变化时，英镑的预估损失都会被欧元抵消。因而在整体上，投资组合看不出来存在多大的风险。然而，如果英镑与欧元两种货币的利率分别发生变化，那么就可能会产生重大损失。作为弥补手段，情景测试方法可以发挥重要作用。
　　4．情景测试。与压力测试类似，情景测试也把那些指定的风险因素变化作为输入量，使用非线性完全定价模型对投资组合进行重定价。但在压力测试中，风险因素的变化不仅非常统一，而且还很客观。情景测试则有所不同，风险因素的变动是经过挑选的，并且是由主观认定的。在情景测试的过程中，引入的选项常常被用来拟定有限的几种最坏的市场情景。每一种情景都会假定出现了形态各异的市场危机，比如英国资本市场崩盘、石油输出国家组织（0PEC）提高石油价格等。
　　情景测试一般会选定5～10种“最恶劣的状况”情景。对情景选定通常来源于三个方面：从已经出现过的危机情境中选取；具有特殊背景的银行专家的提议，比如首席交易员、银行经济学家和风险管理机构的建议等。
　　从这些由银行家们专门挑选出来的假设情景出发，有关人员就可以针对当前经济与市场状况，测度一下哪些情形才是他们最该担忧的。如果情景也选定了，那么接下来就需要估算这种情景下所有相关风险因素可能会发生的变化情况。例如一国股票市场崩盘对该国的利率、汇率、他国的股票市场、汇率，以及其他众多因素构成的影响。对每一种风险因素进行变动模拟，最终在情景里面，就可以清晰地显现出风险因素之间的关联。
　　建立并运用情景分析过程大致可分为4步：
　　（1）挑选5～10个得到银行交易部门认可的，可能给市场带来扰动的情景。以已经得到认可的危机情景为基础，对每一种风险因素变动情况做出估计。做出这些估计可以以专家的意见为基础，也可以以经历过的危机历史数据为基础。
　　……