基于信息融合的国有商业银行信用风险评估研究

摘要	第1-5页
Abstract	第5-13页
第1章 绪论	第13-33页
·研究背景与问题的提出	第13-15页
·研究的目的及意义	第15-17页
·研究的目的	第15页
·研究的意义	第15-17页
·国内外研究现状及其评述	第17-30页
·信用风险评估的国内外研究现状	第17-25页
·信息融合技术的国内外研究现状	第25-28页
·研究现状评述	第28-30页
·本文研究的主要内容与方法	第30-33页
·本文的主要研究内容	第30-31页
·本文的主要研究方法	第31-33页
第2章 信用风险评估和信息融合的理论基础	第33-54页
·巴塞尔新资本协议	第33-38页
·1998 年资本协议的提出	第33-35页
·新资本协议的框架	第35-36页
·新资本协议对信用风险的要求	第36-38页
·信用风险评估理论	第38-42页
·信用风险评估的目的	第39-40页
·信用风险评估的原则	第40-41页
·信用风险评估的目标	第41页
·信用风险评估的分类标准	第41-42页
·信用风险内评法的要素分析	第42-47页
·信息融合的原理与方法	第47-51页
·信息融合的基本原理	第47-49页
·信息融合的常用理论和方法	第49-51页
·信用风险评估与信息融合	第51-53页
·本章小结	第53-54页
第3章 国有商业银行信用风险评估指标体系研究	第54-89页
·评估指标体系建立的原则	第54-55页
·贷款企业风险因素分析	第55-66页
·贷款企业财务因素分析	第55-59页
·贷款企业的非财务因素对信用评级的影响	第59-60页
·贷款企业的非财务因素分析	第60-66页
·信用风险评估指标体系的构建	第66-67页
·评估指标的特征提取方法	第67-73页
·样本数据的处理原则	第67-69页
·因子分析基本原理	第69-71页
·因子分析的基本步骤	第71-73页
·信用风险评估指标体系的确定	第73-88页
·样本数据的获取及预处理	第73-74页
·财务指标体系的确定	第74-83页
·融入非财务指标的必要性及指标的确定	第83-88页
·本章小结	第88-89页
第4章 基于信息融合的信用风险评估模型	第89-110页
·模糊神经网络的结构和学习算法	第89-92页
·模糊神经网络的结构	第89-91页
·常规模糊神经网络的学习算法	第91-92页
·基于支持向量机模糊神经网络信用风险评估模型	第92-101页
·具有后验概率输出的支持向量机	第92-95页
·支持向量机模糊神经网络模型	第95-99页
·支持向量机模糊神经网络信用风险评估步骤	第99-101页
·基于信息融合的支持向量机集成信用风险评估模型	第101-109页
·支持向量机集成的理论基础	第102-103页
·个体生成方法	第103-104页
·结论生成方法	第104-107页
·信息融合D-S证据理论与方法	第107-108页
·信息融合支持向量机集成模型及信用风险评估步骤	第108-109页
·本章小结	第109-110页
第5章 国有商业银行信用风险评估的实证研究	第110-131页
·预测精度的检验方法	第110页
·支持向量机模糊神经网络模型的应用	第110-114页
·基于信息融合的支持向量机集成模型的应用	第114-117页
·使用的数据集及软件工具	第114-115页
·模型的实证应用	第115-117页
·信用风险评估模型的验证	第117-122页
·ROC曲线方法	第118-120页
·评估模型的验证	第120-122页
·高级内评法信用风险评估	第122-129页
·企业违约概率的确定	第122-123页
·企业违约损失的确定	第123-127页
·对评级的调整处理	第127-128页
·高级内评法信用风险评估流程	第128-129页
·本章小结	第129-131页
结论	第131-133页
参考文献	第133-144页
攻读博士学位期间发表的论文和取得的科研成果	第144-146页
致谢	第146-147页
个人简历	第147页