基于遗传算法改进BP神经网络的信用风险研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 文献综述 | 第11-15页 |
| 1.2.1 国外研究综述 | 第12-13页 |
| 1.2.2 国内研究综述 | 第13-15页 |
| 1.2.3 国内外研究总结 | 第15页 |
| 1.3 研究内容及方法 | 第15-16页 |
| 1.4 本文创新 | 第16-17页 |
| 第二章 P2P网贷行业信用风险概述 | 第17-25页 |
| 2.1 P2P网络借贷 | 第17-18页 |
| 2.1.1 P2P网络借贷的概念 | 第17页 |
| 2.1.2 我国P2P的运营模式 | 第17-18页 |
| 2.2 我国P2P网贷平台的发展现状 | 第18-22页 |
| 2.2.1 我国P2P网贷平台正常在线运营数量 | 第19-20页 |
| 2.2.2 我国P2P网贷平台成交量 | 第20-21页 |
| 2.2.3 我国P2P网贷平台各业务类型占比 | 第21-22页 |
| 2.2.4 我国P2P网贷平台停业及问题平台分析 | 第22页 |
| 2.3 借款者个人信用风险 | 第22-25页 |
| 2.3.1 个人信用风险的含义 | 第22-23页 |
| 2.3.2 评估个人信用风险的常用模型 | 第23-25页 |
| 第三章 BP神经网络基本原理 | 第25-36页 |
| 3.1 BP神经网络 | 第25-31页 |
| 3.2 BP神经网络的优缺点总结 | 第31-32页 |
| 3.3 遗传算法 | 第32-33页 |
| 3.4 遗传算法优化BP神经网络 | 第33-36页 |
| 第四章 个人信用风险评估的神经网络模型构建 | 第36-43页 |
| 4.1 主成分分析 | 第36-37页 |
| 4.2 设定模型参数和评价标准 | 第37-40页 |
| 4.3 实证分析算法流程图 | 第40-42页 |
| 4.4 模型构建总结 | 第42-43页 |
| 第五章 实证分析 | 第43-63页 |
| 5.1 数据处理 | 第43-47页 |
| 5.1.1 评估指标选取原则 | 第43页 |
| 5.1.2 构建评估指标 | 第43-46页 |
| 5.1.3 评估指标的量化处理 | 第46-47页 |
| 5.2 主成分分析 | 第47-54页 |
| 5.3 模型最优结构确定 | 第54-56页 |
| 5.4 模型在训练集上的表现对比 | 第56-59页 |
| 5.5 模型在预测集上的表现对比 | 第59-62页 |
| 5.6 BP神经网络的应用总结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 6.1 研究总结 | 第63-64页 |
| 6.2 未来展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-73页 |
