基于神经网络的商业银行农业信贷风险评估研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-13页 |
| ·相关文献综述 | 第13-17页 |
| ·相关概念界定 | 第13页 |
| ·古典分析方法 | 第13-14页 |
| ·计量统计分析模型 | 第14-15页 |
| ·现代信用风险计量模型 | 第15-17页 |
| ·研究思路和框架结构 | 第17-18页 |
| ·研究思路与方法 | 第17页 |
| ·文章结构 | 第17-18页 |
| ·本文的创新点 | 第18-20页 |
| 第2章 我国商业银行农业信贷的现状分析 | 第20-28页 |
| ·我国农业类上市公司概述 | 第20-21页 |
| ·我国农业类上市公司的界定 | 第20页 |
| ·我国农业类上市公司的规模和经营业绩 | 第20-21页 |
| ·银行信贷风险管理的相关理论 | 第21-22页 |
| ·代理理论 | 第21-22页 |
| ·信息不对称理论 | 第22页 |
| ·我国商业银行农业信贷风险管理现状 | 第22-28页 |
| ·我国的农业信贷 | 第22-23页 |
| ·我国商业银行农业信贷的风险来源 | 第23-24页 |
| ·我国农业信贷风险管理面临的问题 | 第24-28页 |
| 第3章 我国商业银行农业信贷风险评估体系设计 | 第28-37页 |
| ·企业信贷风险评估指标选取 | 第28-30页 |
| ·企业信贷风险评估指标显著性分析 | 第30-33页 |
| ·显著性分析概述 | 第30-31页 |
| ·信贷评估指标的显著性分析 | 第31-33页 |
| ·企业信贷风险评估指标主成分分析 | 第33-35页 |
| ·企业信贷评估指标权重测算 | 第35-37页 |
| 第4章 我国商业银行农业信贷风险评估模型实现 | 第37-48页 |
| ·人工神经网络简介 | 第37-42页 |
| ·人工神经网络的结构 | 第37-38页 |
| ·人工神经网络的特点 | 第38-39页 |
| ·BP 神经网络模型及其算法 | 第39-42页 |
| ·BP 神经网络参数的确定 | 第42-43页 |
| ·节点数目的确定 | 第42页 |
| ·确定学习速率 | 第42页 |
| ·确定动量因子α | 第42页 |
| ·数据归一化处理 | 第42-43页 |
| ·BP 神经网络模型的编程 | 第43-44页 |
| ·BP 神经网络模型的实现 | 第44-48页 |
| ·评估结果 | 第44-46页 |
| ·小结 | 第46-48页 |
| 结论 | 第48-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 附录 论文相关的数据 | 第55-60页 |
