商业银行供应链金融信用风险研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 导论 | 第8-13页 |
| 1.1 选题背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究思路 | 第9-10页 |
| 1.4 主要创新点和研究方法 | 第10页 |
| 1.5 文献综述 | 第10-13页 |
| 1.5.1 供应链金融相关理论研究文献 | 第10-11页 |
| 1.5.2 供应链金融银行信用风险研究文献 | 第11页 |
| 1.5.3 贝叶斯方法在风险评估方面的研究文献 | 第11-13页 |
| 第2章 供应链金融及信用风险的基本理论 | 第13-22页 |
| 2.1 供应链金融的基本理论及主要业务模式 | 第13-16页 |
| 2.1.1 供应链金融的基本理论 | 第13-15页 |
| 2.1.2 供应链金融主要业务模式及比较 | 第15-16页 |
| 2.2 我国供应链金融发展的业务特点 | 第16-18页 |
| 2.2.1 我国供应链金融发展状况 | 第16-17页 |
| 2.2.2 我国供应链金融业务特点 | 第17-18页 |
| 2.3 供应链金融信用风险研究 | 第18-22页 |
| 2.3.1 信用风险的基本理论 | 第18-19页 |
| 2.3.2 供应链金融信用风险理论基础 | 第19-20页 |
| 2.3.3 供应链融资信用风险模型对比 | 第20-22页 |
| 第3章 供应链金融信用风险评价指标体系 | 第22-25页 |
| 3.1 供应链金融信用风险评价指标体系的设计 | 第22-23页 |
| 3.2 核心企业评价指标 | 第23页 |
| 3.3 中小供应商企业 | 第23页 |
| 3.4 第三方物流企业评价指标 | 第23-24页 |
| 3.5 整个供应链以及外部宏观环境 | 第24-25页 |
| 第4章 贝叶斯算法及朴素贝叶斯算法的应用 | 第25-28页 |
| 4.1 贝叶斯算法的的推理过程 | 第25-26页 |
| 4.2 贝叶斯算法的适用性 | 第26-28页 |
| 第5章 基于朴素贝叶斯的数据挖掘算法研究 | 第28-41页 |
| 5.1 数据来源 | 第28页 |
| 5.2 案例企业选择 | 第28-29页 |
| 5.3 供应链金融信用风险评价指标分类处理 | 第29-36页 |
| 5.3.1 核心企业指标分类 | 第29-31页 |
| 5.3.2 中小供应商企业指标分类 | 第31页 |
| 5.3.3 第三方物流企业指标分类 | 第31-33页 |
| 5.3.4 整个供应链以及外部宏观环境指标分析 | 第33-34页 |
| 5.3.5 指标分类结果汇总 | 第34-36页 |
| 5.4 贝叶斯算法 | 第36-40页 |
| 5.4.1 统计 79 条供应链的违约情况 | 第37页 |
| 5.4.2 未知样本属性与风险等级的统计概率 | 第37-38页 |
| 5.4.3 各风险等级下的未知样本概率 | 第38-39页 |
| 5.4.4 未知样本的风险等级统计 | 第39-40页 |
| 5.5 小结 | 第40-41页 |
| 第6章 供应链金融信用风险管理建议及论文展望 | 第41-43页 |
| 6.1 供应链金融信用风险管理建议 | 第41-42页 |
| 6.2 研究展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 致谢 | 第46-47页 |
| 附录 | 第47-56页 |
