基于数据挖掘的企业信用评价研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究现状综述 | 第11-13页 |
| ·借贷企业信用评价方面 | 第11-12页 |
| ·数据挖掘技术在银行业应用方面 | 第12-13页 |
| ·本文研究内容、方法及创新点 | 第13-17页 |
| ·研究内容 | 第13-15页 |
| ·本文研究思路及方法 | 第15页 |
| ·论文创新点 | 第15-17页 |
| 第二章 借贷企业信用评价介绍 | 第17-21页 |
| ·商业银行企业信贷风险 | 第17页 |
| ·信用评价概述 | 第17-19页 |
| ·本文对信用评价的定义 | 第17-18页 |
| ·企业信用评价的重要性 | 第18-19页 |
| ·商业银行企业信用主要评价方法及优缺点 | 第19-20页 |
| ·借贷企业信用评价方法比较研究 | 第20-21页 |
| 第三章 数据挖掘在信用评价中的适用性分析及应用 | 第21-30页 |
| ·企业信用评价中的数据挖掘技术 | 第21页 |
| ·数据挖掘应用于信贷企业信用评价的优势分析 | 第21-22页 |
| ·数据挖掘工具选择 | 第22-23页 |
| ·本文数据挖掘流程 | 第23-25页 |
| ·数据挖掘任务、技术、方法的比较及确定 | 第25-30页 |
| ·数据挖掘任务确定 | 第25页 |
| ·信用评价相关的数据挖掘技术 | 第25-26页 |
| ·数据挖掘方法比较及确定 | 第26-30页 |
| 第四章 企业信用评价模型设计 | 第30-38页 |
| ·信用评价模型设计基本假设 | 第30页 |
| ·评价模型变量描述 | 第30-31页 |
| ·目标变量(因变量)描述 | 第30页 |
| ·建模变量(自变量)选择 | 第30-31页 |
| ·商业银行借贷企业信用等级评价指标体系构建 | 第31-36页 |
| ·商业银行企业借贷风险评价指标体系构建原则 | 第31-32页 |
| ·商业银行企业信贷风险评价指标初选 | 第32-36页 |
| ·基于主成分的Logistic回归过程 | 第36-38页 |
| 第五章 借贷企业信用评价实证研究 | 第38-64页 |
| ·样本选取过程 | 第38-39页 |
| ·样本选取原则与来源 | 第38页 |
| ·正常样本和违约样本界定 | 第38-39页 |
| ·样本数据具体选取 | 第39页 |
| ·数据预处理 | 第39-46页 |
| ·数据预处理阶段的任务 | 第39页 |
| ·行业筛选 | 第39-40页 |
| ·数据集成及变换 | 第40-45页 |
| ·预处理后样本描述 | 第45-46页 |
| ·异常值检验及处理 | 第46-47页 |
| ·模型开发 | 第47-55页 |
| ·主成分分析法发现高度线性相关变量 | 第47-48页 |
| ·聚类分析处理字符变量 | 第48-49页 |
| ·Logistic回归模型建立 | 第49-55页 |
| ·模型验证及预测效果分析 | 第55-59页 |
| ·数据挖掘结果解释 | 第59-64页 |
| ·挖掘结果综述 | 第59-61页 |
| ·偿债能力指标解释 | 第61页 |
| ·盈利能力指标解释 | 第61-62页 |
| ·营运能力指标解释 | 第62页 |
| ·成长能力指标解释 | 第62页 |
| ·企业性质解释 | 第62-64页 |
| 第六章 结论及展望 | 第64-66页 |
| ·结论 | 第64页 |
| ·局限性及研究展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士期间的研究成果 | 第69-70页 |
| 致谢 | 第70-71页 |
| 附录1 | 第71-75页 |
