基于数据挖掘技术的商业银行信用风险管理研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·选题背景及意义 | 第11-12页 |
| ·选题背景 | 第11-12页 |
| ·选题意义 | 第12页 |
| ·文献综述 | 第12-17页 |
| ·国外研究现状 | 第12-15页 |
| ·国内研究现状 | 第15-17页 |
| ·研究思路、内容及创新点 | 第17-20页 |
| 第2章 商业信用风险管理理论研究 | 第20-28页 |
| ·商业银行信用风险的理论概述 | 第20-22页 |
| ·信用风险的理论界定 | 第20页 |
| ·信用风险的内涵 | 第20-21页 |
| ·信用风险的特征 | 第21-22页 |
| ·商业银行信用风险管理分析 | 第22-24页 |
| ·信用风险管理的定义 | 第22-23页 |
| ·信用风险管理的过程 | 第23-24页 |
| ·商业银行信用风险管理评估方法研究 | 第24-28页 |
| ·信用风险管理评估方法介绍 | 第24-26页 |
| ·评估方法和模型的比较研究 | 第26-28页 |
| 第3章 数据挖掘技术及其在商业银行中的应用分析 | 第28-35页 |
| ·数据挖掘技术概述 | 第28-31页 |
| ·数据挖掘的定义 | 第28-29页 |
| ·数据挖掘的功能 | 第29-30页 |
| ·数据挖掘的过程 | 第30-31页 |
| ·数据挖掘与统计学 | 第31-32页 |
| ·数据挖掘技术在商业银行中的应用分析 | 第32-35页 |
| ·数据挖掘技术在商业银行的应用领域分析 | 第32-34页 |
| ·数据挖掘技术在信用风险管理中的应用优势分析 | 第34-35页 |
| 第4章 信用风险评估模型的构建 | 第35-44页 |
| ·信用风险评估模型研究设计 | 第35-36页 |
| ·采用的数据挖掘技术方法 | 第36-41页 |
| ·因子分析 | 第36-37页 |
| ·逻辑回归模型 | 第37页 |
| ·决策树模型 | 第37-39页 |
| ·神经网络模型 | 第39-41页 |
| ·信用风险评估指标体系的建立 | 第41-44页 |
| ·指标选取的原则 | 第41-42页 |
| ·信用风险评估指标体系 | 第42-44页 |
| 第5章 数据挖掘技术在信用风险评估中的实证分析 | 第44-69页 |
| ·数据挖掘工具SAS系统 | 第44-45页 |
| ·数据准备 | 第45-54页 |
| ·问题定义 | 第45-46页 |
| ·研究样本确定 | 第46-47页 |
| ·数据抽样与探索 | 第47页 |
| ·数据预处理 | 第47-54页 |
| ·建立模型 | 第54-64页 |
| ·逻辑回归建模 | 第54-59页 |
| ·决策树建模 | 第59-62页 |
| ·神经网络建模 | 第62-64页 |
| ·模型评估与改进 | 第64-69页 |
| ·模型评估 | 第64-66页 |
| ·模型改进 | 第66-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 附录A 攻读硕士学位期间科研情况 | 第76-77页 |
| 附录B 选取的上市公司样本 | 第77-79页 |
| 附录C 实验中使用SAS/EM相关节点说明 | 第79页 |
