基于BP神经网络对信贷客户逾期的分析与预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-9页 |
| 1.1 课题研究背景及研究意义 | 第6页 |
| 1.2 国内外研究状况 | 第6-8页 |
| 1.2.1 信用评价与风险预测研究状况 | 第6-7页 |
| 1.2.2 神经网络研究状况 | 第7-8页 |
| 1.3 论文内容 | 第8-9页 |
| 2 信用评价指标 | 第9-11页 |
| 2.1 企业信用评价指标 | 第9-10页 |
| 2.2 个人信用评价指标 | 第10-11页 |
| 2.2.1 传统商业银行 | 第10页 |
| 2.2.2 P2P网络信贷 | 第10-11页 |
| 3 神经网络基础理论 | 第11-21页 |
| 3.1 神经网络 | 第11-15页 |
| 3.1.1 简介 | 第11-12页 |
| 3.1.2 结构 | 第12-15页 |
| 3.2 BP神经网络 | 第15-21页 |
| 3.2.1 BP算法 | 第15-19页 |
| 3.2.2 弹性反向传播算法 | 第19-20页 |
| 3.2.3 模型建立 | 第20-21页 |
| 4 模型的选择与评价标准 | 第21-28页 |
| 4.1 分类任务评价指标 | 第22-26页 |
| 4.1.1 正确率与平均正确率 | 第22-23页 |
| 4.1.2 精确率、召回率与F_1 | 第23-24页 |
| 4.1.3 AUC值 | 第24-25页 |
| 4.1.4 KS值 | 第25-26页 |
| 4.2 交叉验证 | 第26-28页 |
| 4.2.1 简单交叉验证 | 第26-27页 |
| 4.2.2 K折交叉验证 | 第27页 |
| 4.2.3 留p交叉验证 | 第27-28页 |
| 5 实证分析 | 第28-43页 |
| 5.1 案例一 | 第28-37页 |
| 5.1.1 数据描述 | 第28-29页 |
| 5.1.2 数据预处理 | 第29-30页 |
| 5.1.3 描述性统计与变量选取 | 第30-35页 |
| 5.1.4 模型建立 | 第35-37页 |
| 5.1.5 预测 | 第37页 |
| 5.2 案例二 | 第37-43页 |
| 5.2.1 数据描述 | 第37-38页 |
| 5.2.2 数据处理与描述性统计 | 第38-39页 |
| 5.2.3 模型建立 | 第39-43页 |
| 结论 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 致谢 | 第46-48页 |
