| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-18页 |
| 第一节 研究背景 | 第8-9页 |
| 第二节 研究意义 | 第9-10页 |
| 第三节 国内外相关文献综述 | 第10-14页 |
| 一、国外文献综述 | 第10-12页 |
| 二、国内文献综述 | 第12-14页 |
| 第四节 研究的内容和方法 | 第14-16页 |
| 一、研究内容 | 第14-15页 |
| 二、研究方法 | 第15-16页 |
| 第五节 本文研究创新与不足 | 第16-18页 |
| 一、本文创新 | 第16-17页 |
| 二、本文不足 | 第17-18页 |
| 第二章 商业银行信贷风险评价理论及方法概述 | 第18-26页 |
| 第一节 商业银行信贷风险概述 | 第18-20页 |
| 一、商业银行风险与商业银行信贷风险 | 第18-19页 |
| 二、商业银行信贷风险的成因 | 第19-20页 |
| 三、商业银行信贷风险的特征 | 第20页 |
| 第二节 商业银行信贷风险评价的基本方法 | 第20-22页 |
| 一、传统分析方法 | 第20-21页 |
| 二、基于统计方法的信贷风险判别模型 | 第21页 |
| 三、现代信贷风险评价模型 | 第21-22页 |
| 第三节 我国商业银行信贷风险评价(企业客户)现状 | 第22页 |
| 第四节 信贷风险评价的新方法——人工神经网络 | 第22-26页 |
| 一、人工神经网络概述 | 第22-24页 |
| 二、基于BP神经网络的商业银行信贷风险评价方法的可行性 | 第24-26页 |
| 第三章 商业银行信贷风险评价指标体系的构建 | 第26-34页 |
| 第一节 商业银行信贷风险评价指标选取的原则 | 第26-27页 |
| 第二节 商业银行信贷风险评价指标的选取 | 第27-29页 |
| 第三节 原始数据的获取 | 第29页 |
| 第四节 评价指标体系的简化 | 第29-34页 |
| 一、各财务指标之间相关性分析 | 第31页 |
| 二、指标筛选 | 第31-34页 |
| 第四章 基于BP神经网络的商业银行信贷风险评价模型的构建与实证分析 | 第34-45页 |
| 第一节 BP算法的数学描述 | 第34-37页 |
| 第二节 BP网络学习算法及其改进 | 第37-40页 |
| 一、标准BP算法 | 第37-38页 |
| 二、动量BP算法 | 第38-39页 |
| 三、BP算法改进 | 第39-40页 |
| 第三节 构建评价模型 | 第40-43页 |
| 一、指标变量的标准化处理 | 第40-41页 |
| 二、神经网络设计 | 第41-43页 |
| 第四节 信贷风险评价的实证分析 | 第43-45页 |
| 第五章 完善我国商业银行信贷风险评价的对策建议 | 第45-50页 |
| 第一节 将BP神经网络引入信贷风险评价 | 第45-47页 |
| 一、引入贷前调查评价 | 第46页 |
| 二、引入贷后追踪管理 | 第46-47页 |
| 第二节 加快应用BP神经网络人才培养 | 第47页 |
| 第三节 加强信贷风险评价环境建设 | 第47-50页 |
| 一、商业银行的内部环境 | 第47-48页 |
| 二、政策支持的外部环境 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 在读期间科研成果 | 第54页 |