| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-15页 |
| 1.1 论文的选题背景及意义 | 第10-11页 |
| 1.2 国内外个人信用评分研究现状 | 第11-13页 |
| 1.2.1 国外信用评分研究现状 | 第11-12页 |
| 1.2.2 国内信用评分研究现状 | 第12-13页 |
| 1.2.3 组合预测模型 | 第13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第二章 个人信用评分相关理论与样本数据预处理 | 第15-38页 |
| 2.1 个人信用评分的相关概念 | 第15-16页 |
| 2.1.1 信用含义 | 第15页 |
| 2.1.2 个人信用评分 | 第15-16页 |
| 2.2 个人信用评分指标体系的构建 | 第16-19页 |
| 2.2.1 个人信用评分指标体系构建的原则 | 第16页 |
| 2.2.2 个人指标体系的确定 | 第16-19页 |
| 2.3 建模样本数据的分析与预处理 | 第19-38页 |
| 2.3.1 缺失数据的处理 | 第19-20页 |
| 2.3.2 特征变量的分组 | 第20-37页 |
| 2.3.3 数据的标准化 | 第37页 |
| 2.3.4 样本数据分组 | 第37-38页 |
| 第三章 信用评分中的模型的原理 | 第38-47页 |
| 3.1 Logistic回归 | 第38-39页 |
| 3.1.1 Logistic回归模型 | 第38-39页 |
| 3.1.2 Logistic回归模型的极大似然估计 | 第39页 |
| 3.2 判别分析法 | 第39-40页 |
| 3.2.1 Bayes判别分析 | 第39-40页 |
| 3.2.2 Bayes判别函数 | 第40页 |
| 3.3 人工神经网络 | 第40-44页 |
| 3.3.1 感知器基本原理 | 第40-42页 |
| 3.3.2 BP神经网络 | 第42-44页 |
| 3.4 决策树 | 第44-47页 |
| 3.4.1 决策树的建立 | 第45页 |
| 3.4.2 决策树的划分规则 | 第45-46页 |
| 3.4.3 决策树的剪枝 | 第46-47页 |
| 第四章 单一模型的实证分析与比较 | 第47-59页 |
| 4.1 模型的评价标准 | 第47-49页 |
| 4.2 Logistic回归模型的应用 | 第49-53页 |
| 4.3 判别分析法的应用 | 第53-55页 |
| 4.4 神经网络模型的应用 | 第55-56页 |
| 4.5 决策树的模型的应用 | 第56-58页 |
| 4.6 单一信用评分模型的比较 | 第58-59页 |
| 第五章 信用评分混合模型建立 | 第59-65页 |
| 5.1 组合模型的适用性 | 第59-60页 |
| 5.2 优势矩阵法信用评分组合模型 | 第60-63页 |
| 5.2.1 基于优势矩阵法组合模型的思想 | 第60-62页 |
| 5.2.2 基于优势矩阵组合模型的构建与检验 | 第62-63页 |
| 5.3 组合模型与单一模型的比较 | 第63-65页 |
| 第六章 结论与展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间取得的成果 | 第70-71页 |