基于人工神经网络模型的X县农村信用社信贷风险评估
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.1.1 选题背景 | 第12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 信贷风险的国内外研究现状 | 第13-18页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究综述 | 第15-17页 |
| 1.2.3 人工神经网络的研究综述 | 第17-18页 |
| 1.3 研究内容和研究方法 | 第18-20页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究方法 | 第19-20页 |
| 1.3.3 技术路线 | 第20页 |
| 1.4 本文创新点 | 第20-21页 |
| 第2章 相关概念界定及理论基础 | 第21-27页 |
| 2.1 相关概念的界定 | 第21-23页 |
| 2.1.1 风险 | 第21-22页 |
| 2.1.2 商业银行信贷风险 | 第22-23页 |
| 2.1.3 农村信用社信贷风险 | 第23页 |
| 2.2 商业银行信贷风险管理理论基础 | 第23-25页 |
| 2.3 信贷风险评估模型 | 第25-26页 |
| 2.3.1 模型综述 | 第25-26页 |
| 2.3.2 人工神经网络模型的优势 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 农村信用社信贷风险分析及指标体系的构建 | 第27-35页 |
| 3.1 农村信用社信贷风险的类型 | 第27-29页 |
| 3.2 农信社信贷风险产生原因的具体探究 | 第29-30页 |
| 3.3 指标体系的分析 | 第30-33页 |
| 3.4 指标体系 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 人工神经网络的基本原理及模型的建立 | 第35-41页 |
| 4.1 人工神经网络概述 | 第35-37页 |
| 4.1.1 基本概念 | 第35-36页 |
| 4.1.2 人工神经网络的学习规则 | 第36-37页 |
| 4.2 BP 神经网络概述 | 第37-38页 |
| 4.2.1 基本概念 | 第37页 |
| 4.2.2 BP 神经网络的拓扑结构 | 第37-38页 |
| 4.2.3 BP 神经网络的学习过程和学习步骤 | 第38页 |
| 4.3 BP 神经网络模型的建立 | 第38-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 BP 神经网络模型在计算机中的实现 | 第41-56页 |
| 5.1 C++语言 | 第41页 |
| 5.2 系统设计 | 第41-45页 |
| 5.2.1 系统结构图 | 第41-42页 |
| 5.2.2 主要模块程序流程图 | 第42-45页 |
| 5.3 数据的选取和处理 | 第45-46页 |
| 5.3.1 原始数据 | 第45-46页 |
| 5.3.2 数据的归一化处理 | 第46页 |
| 5.4 系统实现 | 第46-54页 |
| 5.5 结果分析 | 第54页 |
| 5.6 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 附录 A 程序代码 | 第62-70页 |
