| 0 前言 | 第1-9页 |
| 1 绪论 | 第9-14页 |
| 1．1 商业银行风险的分类 | 第9-11页 |
| 1．2 商业银行风险监测预警研究的重要性 | 第11-12页 |
| 1．3 本文的主要工作 | 第12-14页 |
| 2 商业银行风险监测预警的模型与监管方法 | 第14-25页 |
| 2．1 信用风险 | 第14-19页 |
| 2．1．1 定性分析方法 | 第14页 |
| 2．1．2 基于财务指标的信贷评分模型 | 第14-16页 |
| 2．1．3 定量管理模型 | 第16-19页 |
| 2．2 市场风险 | 第19-21页 |
| 2．2．1 行政命令式监管 | 第20页 |
| 2．2．2 标准化方法监管 | 第20页 |
| 2．2．3 内部模型法 | 第20-21页 |
| 2．2．4 预先承诺方法 | 第21页 |
| 2．3 流动性风险 | 第21-23页 |
| 2．3．1 国际上流动性监管的共同点 | 第21-22页 |
| 2．3．2 衡量流动性的两种方法 | 第22-23页 |
| 2．4 商业银行风险管理的研究现状总结及发展趋势 | 第23-25页 |
| 2．4．1 研究现状 | 第23页 |
| 2．4．2 发展趋势 | 第23-25页 |
| 3 基于人工神经网络的商业银行信用风险模型 | 第25-33页 |
| 3．1 人工神经网络的基本原理 | 第25-27页 |
| 3．2 模型的建立 | 第27-32页 |
| 3．2．1 建立人工神经网络模型的可行性 | 第27页 |
| 3．2．2 样本输入比率的选择 | 第27-28页 |
| 3．2．3 样本输出数据的选择、处理及模型输出设计 | 第28-29页 |
| 3．2．4 模型设计的主要注意事项 | 第29-32页 |
| 3．3 计算结果及分析 | 第32-33页 |
| 4 数据包络分析在信用评估中的应用 | 第33-42页 |
| 4．1 数据包络分析模型简介 | 第33-35页 |
| 4．2 拒绝性和DEA效率 | 第35-40页 |
| 4．3 应用实例及分析 | 第40-42页 |
| 5 基于模糊层次分析法的中国商业银行风险监测预警模型 | 第42-54页 |
| 5．1 选择和确定监测预警的指标体系 | 第42-44页 |
| 5．2 模糊层次分析法的理论基础 | 第44-46页 |
| 5．2．1 模糊数和置信度 | 第44-45页 |
| 5．2．2 模糊层次分析法的主要步骤 | 第45-46页 |
| 5．3 监测预瞥模型算法的主要步骤 | 第46-47页 |
| 5．4 实际应用及结果分析 | 第47-54页 |
| 5．4．1 用模糊层次法计算各指标权重 | 第47-51页 |
| 5．4．2 实例分析 | 第51-54页 |
| 参考文献 | 第54-58页 |
| 论文完成情况 | 第58-60页 |