| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的 | 第12页 |
| 1.1.3 研究意义 | 第12-13页 |
| 1.2 研究内容和方法 | 第13-16页 |
| 1.2.1 研究内容 | 第13-16页 |
| 1.2.2 研究方法 | 第16页 |
| 1.3 本文创新点 | 第16-17页 |
| 第二章 文献综述与理论基础 | 第17-27页 |
| 2.1 文献综述 | 第17-24页 |
| 2.1.1 国外小额信贷的研究现状 | 第17-19页 |
| 2.1.2 国内小额贷款公司的研究成果 | 第19-23页 |
| 2.1.3 研究述评 | 第23-24页 |
| 2.2 小额贷款公司信用风险预警的理论分析 | 第24-27页 |
| 2.2.1 信用风险悖论 | 第25页 |
| 2.2.2 软信息和关系型借贷理论 | 第25-26页 |
| 2.2.3 信息不对称理论 | 第26-27页 |
| 第三章 小额贷款公司信用风险指标体系的设计 | 第27-39页 |
| 3.1 小额贷款公司信用风险影响因素分析 | 第27-29页 |
| 3.2 信用风险预警指标的选取原则 | 第29-30页 |
| 3.3 信用风险预警指标体系的建立 | 第30-39页 |
| 3.3.1 原始指标的选择 | 第30-32页 |
| 3.3.2 样本的选择 | 第32页 |
| 3.3.3 指标的筛选 | 第32-39页 |
| 第四章 基于决策树技术的小贷公司信用风险预警实证研究 | 第39-57页 |
| 4.1 小贷公司信用风险预警模型的选择 | 第39-41页 |
| 4.1.1 信用风险预警模型的比较分析 | 第39-40页 |
| 4.1.2 决策树模型的特点 | 第40-41页 |
| 4.2 基于决策树技术的个人客户信用风险预警 | 第41-45页 |
| 4.2.1 个人客户信用风险预警决策树算法的选取 | 第41页 |
| 4.2.2 模型参数设置 | 第41-42页 |
| 4.2.3 模型的构建及输出 | 第42-44页 |
| 4.2.4 个人客户信用风险预警结果分析 | 第44-45页 |
| 4.3 基于决策树技术的公司客户信用风险预警 | 第45-57页 |
| 4.3.1 公司客户信用风险预警决策树算法的选取 | 第45页 |
| 4.3.2 C 5.0算法最佳分组变量的确定 | 第45-46页 |
| 4.3.3 模型参数设置 | 第46-47页 |
| 4.3.4 模型的构建及输出 | 第47-54页 |
| 4.3.5 公司客户信用风险预警结果分析 | 第54-57页 |
| 第五章 结论与建议 | 第57-61页 |
| 5.1 研究结论 | 第57-58页 |
| 5.2 相关建议 | 第58-61页 |
| 5.2.1 加强信用风险控制的外部管理措施 | 第58-59页 |
| 5.2.2 加强信用风险控制的内部管理机制 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-81页 |
| 致谢 | 第81-83页 |
| 研究成果及发表的学术论文 | 第83-85页 |
| 导师和作者简介 | 第85-86页 |
| 附件 | 第86-87页 |