| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与研究意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 研究内容 | 第14-15页 |
| 1.3 研究思路、研究方法及技术路线 | 第15-18页 |
| 1.3.1 研究思路 | 第15-16页 |
| 1.3.2 研究方法 | 第16-17页 |
| 1.3.3 技术路线 | 第17-18页 |
| 1.4 本文的创新点 | 第18页 |
| 1.5 小结 | 第18-19页 |
| 第二章 文献综述 | 第19-29页 |
| 2.1 信用理论基础 | 第19-20页 |
| 2.2 信用风险评估技术 | 第20-26页 |
| 2.2.1 回归技术 | 第20-26页 |
| 2.2.2 指标系统 | 第26页 |
| 2.3 监管机制 | 第26-27页 |
| 2.4 研究评述 | 第27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于人工智能Agent的信用风险评估模型 | 第29-39页 |
| 3.1 概述 | 第29页 |
| 3.2 模型构建 | 第29-33页 |
| 3.2.1 极致学习机 | 第30-31页 |
| 3.2.2 网格寻优算法 | 第31-32页 |
| 3.2.3 基于网格寻优算法的极致学习机信用风险评估模型构建 | 第32-33页 |
| 3.3 实证分析 | 第33-37页 |
| 3.3.1 数据描述和实验设计 | 第33-34页 |
| 3.3.2 结果分析 | 第34-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于Multi-Agent技术的信用监管仿真模型 | 第39-59页 |
| 4.1 概述 | 第39页 |
| 4.2 模型构建 | 第39-47页 |
| 4.2.1 模型框架 | 第40-41页 |
| 4.2.2 Agent主体 | 第41-47页 |
| 4.3 案例研究 | 第47-55页 |
| 4.3.1 参数设定 | 第47-48页 |
| 4.3.2 情景设计 | 第48-49页 |
| 4.3.3 仿真结果分析 | 第49-55页 |
| 4.4 灵敏度分析 | 第55-56页 |
| 4.5 实证结论 | 第56-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 结论与建议 | 第59-61页 |
| 5.1 研究总结 | 第59页 |
| 5.2 研究结论 | 第59-60页 |
| 5.3 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的论文 | 第67-69页 |
| 作者及导师简介 | 第69-70页 |
| 附件 | 第70-71页 |