| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 图序 | 第13-14页 |
| 表序 | 第14-15页 |
| 第一章 绪论 | 第15-25页 |
| ·选题背景 | 第15-19页 |
| ·商业银行信用风险与新巴塞尔协议 | 第15-16页 |
| ·我国商业银行消费信贷发展现状 | 第16-19页 |
| ·选题意义 | 第19-20页 |
| ·研究方法、研究内容和结构安排 | 第20-23页 |
| ·研究方法 | 第20页 |
| ·研究内容 | 第20-22页 |
| ·结构安排 | 第22-23页 |
| ·本文的主要创新之处 | 第23-25页 |
| 第二章 商业银行消费信贷违约概率模型评述 | 第25-49页 |
| ·经验分析方法 | 第25-26页 |
| ·数学方法 | 第26-37页 |
| ·线性规划 | 第26-27页 |
| ·非线性规划 | 第27-29页 |
| ·遗传算法 | 第29-30页 |
| ·神经网络 | 第30-34页 |
| ·粗糙集 | 第34-36页 |
| ·支持向量机 | 第36-37页 |
| ·统计方法 | 第37-49页 |
| ·判别分析 | 第37-39页 |
| ·Logistic回归 | 第39页 |
| ·Pobit模型 | 第39-41页 |
| ·递归分类树 | 第41-42页 |
| ·k近邻法 | 第42-43页 |
| ·生存分析 | 第43-49页 |
| 第三章 基于SenV-RBF-SA的消费信贷违约概率度量 | 第49-71页 |
| ·引言 | 第49-51页 |
| ·生存分析概述 | 第51-54页 |
| ·相关概念 | 第51-52页 |
| ·生存数据的估计 | 第52-54页 |
| ·SenV-RBF神经网络 | 第54-61页 |
| ·神经网络敏感性分析 | 第55-56页 |
| ·SenV-RBF网络 | 第56-57页 |
| ·RBF分类器的敏感度描述 | 第57-58页 |
| ·RBF中心的选择 | 第58-59页 |
| ·临界变量的选择 | 第59-61页 |
| ·基于SenV-RBF-SA的违约概率混合模型 | 第61-63页 |
| ·生存模型的构建 | 第61页 |
| ·模型的偏似然估计 | 第61-63页 |
| ·实证分析 | 第63-69页 |
| ·数据来源 | 第63-64页 |
| ·数据处理 | 第64-65页 |
| ·模型估计 | 第65-66页 |
| ·模型评价 | 第66-69页 |
| ·小结 | 第69-71页 |
| 第四章 一种考虑时变相依的消费信贷违约概率模型 | 第71-83页 |
| ·引言 | 第71-73页 |
| ·考虑宏观经济影响的违约概率模型 | 第73-77页 |
| ·建立时变相依Cox模型 | 第73-74页 |
| ·时间函数g_i(t) | 第74-76页 |
| ·偏似然函数估计 | 第76-77页 |
| ·模型检验 | 第77页 |
| ·实证分析 | 第77-82页 |
| ·数据来源与说明 | 第77-78页 |
| ·模型估计 | 第78-80页 |
| ·模型评价 | 第80-82页 |
| ·小结 | 第82-83页 |
| 第五章 基于Copula-SA模型的消费信贷相依违约概率度量 | 第83-97页 |
| ·引言 | 第83-85页 |
| ·Copula方法的理论基础 | 第85-88页 |
| ·Copula的定义和相关定理 | 第85-87页 |
| ·Copula基本性质 | 第87页 |
| ·常用Copula函数 | 第87-88页 |
| ·生存时间的边际分布估计 | 第88-93页 |
| ·数据说明 | 第89页 |
| ·边际生存分布的估计 | 第89-90页 |
| ·参数α的估计 | 第90-91页 |
| ·相依性测度 | 第91-93页 |
| ·运算步骤 | 第93页 |
| ·实证研究 | 第93-96页 |
| ·小结 | 第96-97页 |
| 第六章 结束语 | 第97-99页 |
| ·全文总结 | 第97-98页 |
| ·研究展望 | 第98-99页 |
| 参考文献 | 第99-108页 |
| 附录(第5章) | 第108-111页 |
| 致谢 | 第111-113页 |
| 在读期间发表的学术论文与取得的研究成果 | 第113页 |