| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 国内研究现状 | 第13-15页 |
| 1.2.2 国外研究现状 | 第15-16页 |
| 1.3 研究内容与框架 | 第16-18页 |
| 第2章 数据挖掘和数据仓库 | 第18-26页 |
| 2.1 数据挖掘概念 | 第18-19页 |
| 2.2 数据挖掘的处理流程 | 第19-20页 |
| 2.3 数据挖掘的分类和主要技术 | 第20-23页 |
| 2.3.1 数据挖掘的分类 | 第20-21页 |
| 2.3.2 相关数据挖掘主要技术 | 第21-23页 |
| 2.4 决策树方法概述 | 第23-24页 |
| 2.4.1 决策树算法基本原理 | 第23-24页 |
| 2.4.2 决策树算法设计 | 第24页 |
| 2.5 数据挖掘及数据仓库 | 第24-25页 |
| 2.6 本章小结 | 第25-26页 |
| 第3章 决策树在信贷风险中的应用概况 | 第26-35页 |
| 3.1 小额农户贷款及业务中存在的风险表现 | 第26-29页 |
| 3.1.1 农户小额贷款的定义及其基本模式 | 第26页 |
| 3.1.2 农户小额贷款的风险表现 | 第26-28页 |
| 3.1.3 农户小额贷款与其他金融机构贷款风险的差异性 | 第28-29页 |
| 3.2 农户小额贷款业务的风险评估 | 第29-31页 |
| 3.2.1 农村信用社小额农户贷款风险评估的现状与模式 | 第29-30页 |
| 3.2.2 小额农户贷款风险评估的必要性 | 第30页 |
| 3.2.3 风险评估在小额农户贷款业务的优势 | 第30-31页 |
| 3.3 数据挖掘在农村信用社的典型应用 | 第31-33页 |
| 3.3.1 数据挖掘在客户分类识别中的运用 | 第31-32页 |
| 3.3.2 数据挖掘在信用评估中的运用 | 第32-33页 |
| 3.3.3 数据挖掘在信贷风险中的运用 | 第33页 |
| 3.4 基于决策树的农村信用评分模型 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 基于决策树的信贷风险评估模型构建 | 第35-43页 |
| 4.1 定义数据挖掘问题 | 第35页 |
| 4.2 数据准备 | 第35-36页 |
| 4.3 数据预处理 | 第36-37页 |
| 4.4 决策树构造 | 第37-39页 |
| 4.5 农户信用评分模型的建立 | 第39-41页 |
| 4.5.1 变量赋值 | 第39-41页 |
| 4.5.2 农户信用评价标准的确定 | 第41页 |
| 4.6 预测模型的评估和检验 | 第41-42页 |
| 4.6.1 决策树模型评价 | 第41页 |
| 4.6.2 决策树模型检验 | 第41-42页 |
| 4.7 本章小结 | 第42-43页 |
| 第5章 信贷风险管理智能辅助分析系统的应用 | 第43-61页 |
| 5.1 系统建设目标 | 第43-44页 |
| 5.2 系统主要功能模块 | 第44-45页 |
| 5.3 系统管理流程设计 | 第45-46页 |
| 5.4 系统界面设计 | 第46-60页 |
| 5.4.1 系统主界面设计 | 第46-51页 |
| 5.4.2 功能界面设计 | 第51-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |