首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于BP神经网络方法构建银行信用证风险评估模型--以Z银行温州分行为例

摘要第4-5页
Abstract第5-6页
1 绪论第9-21页
    1.1 选题背景与意义第9-11页
        1.1.1 选题背景第9-10页
        1.1.2 选题意义第10-11页
    1.2 文献综述第11-16页
        1.2.1 银行信用证风险及防范国内外研究综述第11-15页
        1.2.2 BP神经网络在风险评估领域研究现状第15-16页
    1.3 研究内容与研究方法第16-18页
        1.3.1 研究内容第16-17页
        1.3.2 研究方法第17-18页
    1.4 论文创新与不足之处第18-19页
    1.5 本文技术路线图第19-21页
2 信用证相关概念界定及理论基础第21-30页
    2.1 信用证概述第21-25页
        2.1.1 信用证概念及分类第21-22页
        2.1.2 信用证所涉及的主体第22页
        2.1.3 信用证的特点第22-23页
        2.1.4 信用证遵循的原则第23-24页
        2.1.5 信用证的运作流程第24-25页
    2.2 信用证风险概述第25-27页
        2.2.1 信用证风险的定义第25页
        2.2.2 信用证风险的特征第25-27页
    2.3 BP神经网络理论概述第27-30页
        2.3.1 BP神经网络结构第27-28页
        2.3.2 BP神经网络学习过程第28页
        2.3.3 BP神经网络与其他评估方法的比较第28-30页
3 Z银行温州分行信用证业务发展现状分析第30-38页
    3.1 信用证使用下降以及拒付率高第30-31页
    3.2 Z银行温州分行信用证业务主要风险类型第31-35页
        3.2.1 国家或地区风险第31-32页
        3.2.2 市场风险第32-33页
        3.2.3 信用风险第33-34页
        3.2.4 操作风险第34-35页
    3.3 Z银行温州分行信用证业务风险原因分析第35-38页
        3.3.1 信用证本身的局限性第35-36页
        3.3.2 法律环境的不完善第36-38页
4 银行信用证风险度量方法与指标体系第38-46页
    4.1 银行信用证业务风险指标获取第38-39页
    4.2 信用证风险评估体系构建第39-43页
        4.2.1 风险指标的度量方法第39-41页
        4.2.2 指标体系构建及指标取值范围第41-43页
        4.2.3 银行信用证风险指标体系与BP神经网络第43页
    4.3 信用证业务风险指标体系有效性检验第43-46页
5 基于BP神经网络模型的信用证风险评估模型第46-56页
    5.1 样本选择第46页
    5.2 模型选择第46页
    5.3 构建BP神经网络银行信用证业务风险评估模型第46-56页
        5.3.1 出口信用证业务风险评估模型第46-51页
        5.3.2 进口信用证业务风险评估模型第51-56页
6 Z银行温州分行信用证风险规避建议与措施第56-60页
    6.1 信用风险规避第56-57页
    6.2 操作风险规避第57-59页
    6.3 国家风险规避第59-60页
7 结论与展望第60-62页
参考文献第62-64页
附录1 Z银行温州分行出口信用证业务风险指标数据第64-67页
附录2 Z银行温州分行进口信用证业务风险指标数据第67-70页
致谢第70页

论文共70页,点击 下载论文
上一篇:基于视频的人脸表情识别
下一篇:WLED用氮化物红色荧光粉制备和热稳定性研究