银行商业网点选址问题

《银行商业网点选址问题》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、徐州工程学院管理学院实验报告实验课程名称：运筹学实验地点：徐州工程学院城南校区南主楼日期2015年6月1日专业管理学院班级13物流2班学生姓名赵欣学号　20131506250指导老师张兵3实验报告实验项目：基于GIS与神经网络的商业银行网点选址方法研究实验学时：4学时实验日期：2015年6月1日实验要求：针对商业银行网点选址的重要性和复杂性进行研究实验内容：银行网点作为商业银行吸引客户、开展各项业务的基础设施，其选址是否得当直接关系到商业银行的切身利益。科学的选址决策有利于网点吸引客户，改善经营状况；选址不当则可能严重制约银行网

2、点的业务发展，直接影响效益。影响商业银行网点选址的因素不仅内容庞杂，而且各种因素之间相互制约、彼此影响。进行选址分析不仅需要分析各项具体的影响因素，还需要分析各种因素对商业银行的综合影响，因此选址分析是一个十分艰难的过程。对此，传统的选址分析方法，如层次分析法、线性规划法等，暴露出明显的缺陷，而依靠科学的模型和有效的分析工具建立选址决策支持系统。将是商业银行实现网点科学选址的有效途径。一、影响商业银行网点选址的因素分析（一）影响因素的主要内容广义上讲，影响商业网点选址的因素包括自然、社会、经济等各个方面，具体的选址分析往往从网点

3、的商业性质和特点出发确定主要的影响因素。商业银行的网点选址着重要考虑区域人口构成、竞争状况、公共服务设施分布、交通条件、商业地价等经济和社会因素。同时要重视，具体的影响因素还随着银行网点的规模、不同时期经济发展水平等的不同，具有明显的差异性。正因为银行网点的选址影响因素具有复杂性和差异性，决策者在确定具体的影响因素时，除了凭日常积累的经验或借鉴已有的成功案例外，还需要采用专家征询的方法集思广益。以特尔菲法为例，该方法通过函询调查，将有关专家的意见进行综合、整理和归纳，并通过与专家多次的反馈，最终确定影响商业网点选址的主要因素。同

4、时，还可以采用主成分分析法，将多种具有复杂关系的影响因素归纳为几个保持原始因素信息的综合因素，便于简化分析过程，提高选址效率。（二）影响因素的量化针对选址影响因素的分布和影响特点，可以将影响因素划分为两种类型：连续型和离散型。连续型影响因素特指那些影响不具备发散性。仅影响所在区位的因素，如人口、基本单位等影响因素。针对这类影响因素的定量处理方法相对较简单，可以按区域所在的地理和区域大小按比例进行分配。离散型影响因素特指对区位的影响具有发散性的因素，如道路、车站等，这类因素的影响程度和范围不确定，而由具体设施（影响因素）的规模（或

5、等级）以及区位中心与该设施的距离等要素间接决定。：二、基于GIS和神经网络的选址方法（一）网点选址的常用方法1、启发式方法。这是一种逐次求近似解的方法，即先简单地求出初始解，然后经过反复计算修3正这个解，使之逐步达到近似最优解的方法。这类方法一般仅考虑有限的几种影响因素，难以全面考虑网点的影响因素及其复杂关系。2、模拟方法。是一种用数值方法求解动态系统模型的过程，它从某个初始状态开始，按照时间的进程，一步一步地求解，最后得到系统模型的一个特解。这种方法强调实况模拟，因此需要准确、全面地模拟设施的运营环境，并需要通过较长的模拟运行

6、后，确定选址方案。3、优化方法。是将选址问题的主要因素（如费用等）用数学公式表达出来，并根据需要限制可求解的范围，在可能的求解范围内寻找最佳点的方法。优化方法是目前进行网点选址研究较常用的一类方法，线性规划法即为一种常用的优化方法。（二）基于GIS的可视化选址分析平台1、基本位置信息的直观表达。GIS技术的出现提供了方便的、电子化的地图管理工具，为网点选址分析提供基本位置信息的可视化平台。2、综合数据的组织与管理。以GIS为选址综合数据的管理平台，能够将有关网点选址的综合数据通过地理编码组织起来实现统一管理，形成统一的数据管理平

7、台。3、空间分析功能的应用。GIS的空间分析功能诸如缓冲区分析、重叠分析等，利用这些分析功能便于为网点的选址决策提供辅助信息。4、融合选址分析模型。在GIS之中融入选址分析模型，例如应用于资源和位置分配问题的“P中心”模型等，有利于建立网点与客户、网点与网点之间的商业关系，辅助科学的选址决策。（三）基于神经网络的选址分析模型在商业银行的网点选址分析过程中引入神经网络的基本思路很明确，即将网点的影响因素作为输入、网点的综合效益作为输出，通过神经网络建立起影响因素和银行网点预期效益之间的非线性关系。通过将已有的银行网点作为样本，对神

8、经网络进行学习训练，形成稳定的网络结构；在分析某一具体网点的候选区位是，只要输入相应区位的影响因素，就能分析该区位是否满足网点的选址要求，并预测其满足要求的程度。在网点选址分析过程中，可以采用目前应用最广的多阶层神经网络及误差逆传播学习算法（BP网络和BP算法）