摘要 | 第3-5页 |
abstract | 第5-6页 |
1 绪论 | 第11-18页 |
1.1 研究背景 | 第11-13页 |
1.1.1 社会信用体系建设是市场经济发展的必然要求 | 第11页 |
1.1.2 企业信用体系建设是社会信用体系建设的重要组成部分 | 第11-12页 |
1.1.3 互联网大数据背景下企业信用风险相关的机遇和挑战 | 第12-13页 |
1.2 研究目的与研究意义 | 第13-14页 |
1.3 研究综述 | 第14-15页 |
1.4 研究方法和内容 | 第15-16页 |
1.4.1 研究方法 | 第15-16页 |
1.4.2 研究内容 | 第16页 |
1.5 创新点与不足之处 | 第16-18页 |
2 商业银行小企业贷款信用风险简述 | 第18-25页 |
2.1 小企业的定义与发展现状 | 第18页 |
2.2 小企业贷款特点 | 第18-19页 |
2.3 小企业信用的定义与分类 | 第19-20页 |
2.4 小企业信用风险管理的重要性 | 第20页 |
2.5 小企业信用风险评价 | 第20-22页 |
2.6 小企业信用风险评价方法 | 第22-25页 |
2.6.1 基于经验的信用风险评价方法 | 第22-23页 |
2.6.2 基于统计模型的信用风险评价方法 | 第23-24页 |
2.6.3 基于计算机技术的信用风险评价方法 | 第24页 |
2.6.4 大数据平台风险评价与控制方法的优势 | 第24-25页 |
3 商业银行小企业信用风险管理现状及存在问题分析 | 第25-28页 |
3.1 商业银行信用风险管理现状 | 第25-26页 |
3.2 商业银行小企业信用风险管理存在问题分析 | 第26-28页 |
3.2.1 授信与评级体系存在问题 | 第26-27页 |
3.2.2 小企业借贷业务体系不健全和缺乏产品创新 | 第27页 |
3.2.3 小企业信贷人员缺乏专业知识和实践经验 | 第27-28页 |
4 大数据技术在小企业信用风险控制中的应用 | 第28-38页 |
4.1 大数据 | 第28-31页 |
4.1.1 大数据时代的来临 | 第28页 |
4.1.2 大数据的缘起 | 第28-29页 |
4.1.3 大数据的特征 | 第29-31页 |
4.2 数据挖掘概述 | 第31-35页 |
4.2.1 数据挖掘概念 | 第31页 |
4.2.2 数据挖掘方法 | 第31-35页 |
4.2.3 数据挖掘过程 | 第35页 |
4.3 数据挖掘在小企业风险控制中的应用 | 第35-36页 |
4.4 基于大数据的小企业信用特征分析方法 | 第36-38页 |
4.4.1 RFM模型 | 第36页 |
4.4.2 聚类方法 | 第36-38页 |
5 基于大数据的小企业信用风险评估与控制 | 第38-49页 |
5.1 数据准备 | 第38页 |
5.2 数据预处理 | 第38-39页 |
5.2.1 缺失值处理 | 第38页 |
5.2.2 重复数据处理 | 第38页 |
5.2.3 计算衍生变量 | 第38-39页 |
5.2.4 数据标准化 | 第39页 |
5.3 探索性分析 | 第39页 |
5.4 基于大数据的小企业用户特征分析建模 | 第39-43页 |
5.4.1 聚类簇数选择 | 第40-41页 |
5.4.2 PAM聚类效果 | 第41-42页 |
5.4.3 小企业用户特征分析结果 | 第42-43页 |
5.5 基于大数据的小企业用户贷款逾期预测 | 第43-46页 |
5.5.1 Logistic 回归模型建模结果 | 第44-45页 |
5.5.2 神经网络模型建模结果 | 第45-46页 |
5.5.3 支持向量机模型建模结果 | 第46页 |
5.6 预测结果比较分析 | 第46-49页 |
6 提高小企业信用风险管理的对策建议 | 第49-53页 |
6.1 小企业层面 | 第49-50页 |
6.1.1 增加融资项目信用风险控制的合理性 | 第49页 |
6.1.2 加大信用风险控制项目宣传力度 | 第49-50页 |
6.1.3 注重知识产权保护 | 第50页 |
6.1.4 严守法律界限 | 第50页 |
6.2 商业银行信用融资平台层面 | 第50-51页 |
6.2.1 严格项目审核机制 | 第50-51页 |
6.2.2 市场细分,专业化经营 | 第51页 |
6.2.3 加强项目资金的管理 | 第51页 |
6.3 国家政府层面 | 第51-53页 |
6.3.1 完善信用融资模式的法律体系 | 第52页 |
6.3.2 建立系统的监管机制及体系 | 第52页 |
6.3.3 扶持有影响力的信用融资平台 | 第52-53页 |
参考文献 | 第53-57页 |
致谢 | 第57页 |