| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究的背景 | 第10页 |
| 1.2 国内外研究的现状 | 第10-12页 |
| 1.3 研究的对象与方法 | 第12-13页 |
| 1.4 论文框架结构 | 第13-14页 |
| 1.5 创新与不足 | 第14-16页 |
| 第二章 “大数据”在银行中的应用概述 | 第16-25页 |
| 2.1 “大数据”的概念和特点 | 第16-17页 |
| 2.2 “大数据”在银行应用的意义 | 第17-18页 |
| 2.2.1 快速适应复杂外部环境的必然要求 | 第17-18页 |
| 2.2.2 积极应对激烈市场竞争的必然选择 | 第18页 |
| 2.2.3 有效提高资产质量的必然途径 | 第18页 |
| 2.3 “大数据”在银行应用的主要范围 | 第18-21页 |
| 2.3.1 客户画像 | 第19-20页 |
| 2.3.2 精准营销 | 第20页 |
| 2.3.3 风控管理 | 第20-21页 |
| 2.3.4 运营优化 | 第21页 |
| 2.4 银行“大数据”的一般应用过程 | 第21-25页 |
| 2.4.1 银行获取的主要数据类型 | 第22页 |
| 2.4.2 银行数据的处理方法 | 第22页 |
| 2.4.3 基于需求的数据挖掘和需求满足 | 第22-25页 |
| 第三章 银行可获取的“大数据”指标对识别风险客户重要性的理论分析 | 第25-31页 |
| 3.1 资产负债率 | 第25-26页 |
| 3.2 流动比率 | 第26-27页 |
| 3.3 速动比率 | 第27页 |
| 3.4 短期借款/短期负债 | 第27-28页 |
| 3.5 短期借款/货币资金 | 第28-29页 |
| 3.6 应收账款/流动资产 | 第29页 |
| 3.7 其他应收款/流动资产 | 第29-30页 |
| 3.8 经营性现金流入/销售收入 | 第30页 |
| 3.9 银行结算量相对值 | 第30-31页 |
| 第四章 银行“大数据”对识别风险客户重要性的实证分析 | 第31-41页 |
| 4.1 选取模型变量 | 第31页 |
| 4.2 计算说明和初步假设 | 第31-33页 |
| 4.3 数据来源 | 第33-34页 |
| 4.4 实证分析 | 第34-41页 |
| 4.4.1 多元回归模型的设计 | 第34-35页 |
| 4.4.2 平稳性检验 | 第35-36页 |
| 4.4.3 协整分析 | 第36页 |
| 4.4.4 回归分析 | 第36-38页 |
| 4.4.5 银行结算量变化的半定量分析 | 第38-39页 |
| 4.4.6 实证研究结论 | 第39-40页 |
| 4.4.7 对银行业对公风险客户识别的建议 | 第40-41页 |
| 第五章 结论 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 致谢 | 第45-46页 |
| 学位论文评阅及答辩情况表 | 第46页 |