随着经济的发展,改革开放的深入,我国正在逐步开放银行业金融服务,金融机构面临着更为严峻的市场竞争和日趋复杂的经济环境。银行营业网点选址已成为银行业金融机构需要迫切解决的问题,而科学合理的选址尤为重要。银行业金融机构在营业网点选址时,需要考虑的影响因素十分繁杂。各个因素相互关联,影响较大,难以准确地用数学模型描述,选址决策结果和影响因素之间的关系多是非线性的,而传统的选址方法在预测上存在一定的弊端,很难真正的为决策者提供理论支持。随着时代发展,涌现出神经网络技术,BP网络不需要建立描述映射关系的数学方程,便能学习和存贮大量的输入-输出模式的非线性映射关系,由于其结构相对简单、可塑性强从而得到了广泛的应用。本文首先详细介绍了神经网络的特性,论述了其应用在选址问题上的可行性。结合营业网点的选址影响因素,本文确定了地理影响因素、区域经济因素、交通条件、人口分布影响因素、企业因素、公共服务设施因素、行业竞争因素等为输入的影响因子,而依照营业能力确定了1-9的输出评价结构。通过对样本的数据的分析,确立了三层结构、七输入、一输出的神经网络,在传统BP算法上改进激活函数并引入惯性冲量,加入动量因子,并设定学习速率为0.05,动量因子为0.6,最大训练数为10000,误差为10-2。本文利用VC++编译平台并调用MATLAB实现了基于BP神经网络的银行营业网点的选址与评价研究。