组合预测模型在B2B风险客户研究中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-10页 |
| ·国外文献综述 | 第10-11页 |
| ·国内研究综述 | 第11-12页 |
| ·本文主要内容和基本思想 | 第12-14页 |
| 第二章 风险客户现状分析 | 第14-24页 |
| ·风险客户的基本特征分析 | 第14-15页 |
| ·询盘量对比分析 | 第15-18页 |
| ·客户登陆情况分析 | 第18-19页 |
| ·区域基本信息分析 | 第19-22页 |
| ·指标集选择 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 单一预测模型理论分析与实证研究 | 第24-42页 |
| ·神经网络模型的风险客户预测 | 第24-30页 |
| ·神经网络原理简介及相关概念 | 第25-26页 |
| ·BP神经网络 | 第26-28页 |
| ·BP神经网络简介 | 第26-27页 |
| ·BP神经网络特点 | 第27页 |
| ·BP神经网络的步骤 | 第27-28页 |
| ·BP神经网络的建模 | 第28-30页 |
| ·决策树学习神经网络模型的风险客户预测 | 第30-38页 |
| ·决策数算法简介 | 第31-32页 |
| ·决策基本算法及原理 | 第32-35页 |
| ·CLS算法 | 第32-33页 |
| ·ID3算法 | 第33页 |
| ·C4.5算法 | 第33-35页 |
| ·决策树学习法的建模 | 第35-38页 |
| ·风险客户的LOGISTIC回归分析 | 第38-40页 |
| ·Logistic回归模型原理 | 第38-39页 |
| ·二项Logistic回归模型的建模 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 KENDALL一致性检验 | 第42-47页 |
| ·KENDALL协和系数介绍 | 第42页 |
| ·KENDALL协和系数原理 | 第42-44页 |
| ·KENDALL协和系数结果分析 | 第44-45页 |
| ·风险客户预测结果分析 | 第44-45页 |
| ·一致性检验结果 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第五章 风险客户的最优组合预测模型 | 第47-56页 |
| ·组合预测模型的简介及基本原理 | 第47-48页 |
| ·常用预测模型加权法 | 第48页 |
| ·主观经验加权法 | 第48页 |
| ·客观加权法 | 第48页 |
| ·基于库恩塔克条件的最优加权法 | 第48-54页 |
| ·基本最优组合加权 | 第49-50页 |
| ·库恩塔克约束条件 | 第50-52页 |
| ·库恩塔克条件下最优组合预测模型 | 第52-54页 |
| ·本章小结 | 第54-56页 |
| 第六章 结论与展望 | 第56-58页 |
| ·研究内容总结 | 第56-57页 |
| ·研究创新 | 第57页 |
| ·研究展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 作者简介 | 第62-63页 |
| 致谢 | 第63页 |
