| 1 绪论 | 第1-16页 |
| ·本文研究的意义 | 第13-14页 |
| ·使用的理论工具和研究方法 | 第14页 |
| ·基本思路和逻辑结构 | 第14-15页 |
| ·其他问题 | 第15-16页 |
| 2 信用卡及客户信用评分的现状和发展 | 第16-25页 |
| ·信用卡及其发展现状 | 第16-17页 |
| ·信用卡的风险管理 | 第17-19页 |
| ·信用评分及其发展 | 第19-23页 |
| ·信用评分的发展历史 | 第19-20页 |
| ·信用评分的优势 | 第20-21页 |
| ·信用评分的方法 | 第21-23页 |
| ·西方国家个人信用评分的现状 | 第23-25页 |
| 3 数据挖掘技术及其在商业银行的应用 | 第25-29页 |
| ·数据挖掘的由来和涵义 | 第25-26页 |
| ·数据挖掘与统计学的对比分析 | 第26-27页 |
| ·数据挖掘在商业银行应用趋势分析 | 第27-29页 |
| ·在银行客户关系管理领域的应用 | 第27页 |
| ·在银行风险预测与控制领域的应用 | 第27-28页 |
| ·在信用评估与信用决策领域的应用 | 第28-29页 |
| 4 信用卡申请者信用评分模型的建立 | 第29-72页 |
| ·使用的数据挖掘工具--SAS | 第29-31页 |
| ·SAS软件的数据挖掘方法论--“SEMMA”方法论 | 第29-30页 |
| ·SAS软件的主要数据挖掘模块 | 第30-31页 |
| ·使用的建模方法之一--决策树 | 第31-34页 |
| ·决策树技术概述 | 第31-32页 |
| ·决策树的生长 | 第32-33页 |
| ·决策树的修剪 | 第33-34页 |
| ·使用的建模方法之二--Logistic回归 | 第34-36页 |
| ·什么是logistic回归 | 第34-35页 |
| ·变量选择方法--逐步回归 | 第35-36页 |
| ·建立信用卡申请者信用评分模型的具体分析 | 第36-72页 |
| ·数据的分析和预处理 | 第36-38页 |
| ·“SEMMA”方法数据挖掘分析 | 第38-70页 |
| ·模型应用 | 第70-72页 |
| 5 基于信用评分模型的信用卡管理系统设计 | 第72-93页 |
| ·电子银行模拟系统 | 第72-75页 |
| ·系统目标 | 第72页 |
| ·系统功能 | 第72-74页 |
| ·系统性能 | 第74-75页 |
| ·信用卡管理系统 | 第75-93页 |
| ·客户信息管理 | 第77-78页 |
| ·信用评分管理 | 第78-79页 |
| ·信用卡管理 | 第79-81页 |
| ·客户细分管理 | 第81-82页 |
| ·信息查询 | 第82-87页 |
| ·统计分析 | 第87-90页 |
| ·信息公布 | 第90-93页 |
| 6 总结和展望 | 第93-95页 |
| 主要参考文献 | 第95-96页 |
| 附 录 | 第96-106页 |
| 后 记 | 第106-107页 |
| 致 谢 | 第107页 |