| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究的背景与意义 | 第8-10页 |
| ·研究的背景 | 第8-9页 |
| ·研究的意义 | 第9-10页 |
| ·国内外相关研究综述 | 第10-11页 |
| ·国外相关研究的发展与现状 | 第10-11页 |
| ·国外客户信用评级的发展 | 第10页 |
| ·数据挖掘技术在国外客户信用评估中的应用 | 第10-11页 |
| ·国内相关研究综述 | 第11页 |
| ·论文主要研究内容及思路 | 第11-13页 |
| 第二章 商业银行客户信用风险评估制度 | 第13-20页 |
| ·商业银行信用风险理论 | 第13-15页 |
| ·商业银行信用风险的界定 | 第13-14页 |
| ·影响商业银行信用风险的因素分析 | 第14-15页 |
| ·商业银行企业型客户信用评估体系 | 第15-17页 |
| ·企业信用风险评估指标 | 第15-17页 |
| ·企业信用风险评估指标体系的确立 | 第17页 |
| ·商业银行信用风险的衡量标准 | 第17-20页 |
| ·信用风险衡量标准的基本属性 | 第18页 |
| ·信用风险衡量标准 | 第18-20页 |
| 第三章 信用风险评估模型与方法 | 第20-28页 |
| ·古典信用评估方法 | 第20-23页 |
| ·专家制度法 | 第20-22页 |
| ·Z 评分模型 | 第22-23页 |
| ·现代信用风险度量方法 | 第23-25页 |
| ·Merton 模型 | 第23-24页 |
| ·KMV 模型 | 第24-25页 |
| ·其他常用信用风险内部模型 | 第25-28页 |
| ·信用度量术（Credit Metrics） | 第26页 |
| ·信用风险附加法（Credit Risk+） | 第26页 |
| ·信贷组合观点（Credit Portfolio View） | 第26-28页 |
| 第四章 基于数据挖掘技术的商业银行客户信用风险评估方法 | 第28-35页 |
| ·数据挖掘理论 | 第28-31页 |
| ·数据挖掘技术理论概述 | 第28-29页 |
| ·数据挖掘在银行业务中的应用 | 第29-31页 |
| ·数据挖掘方法与过程 | 第31-33页 |
| ·数据挖掘方法 | 第31-32页 |
| ·数据挖掘过程 | 第32-33页 |
| ·数据挖掘常用模型介绍 | 第33-35页 |
| ·决策树模型 | 第33页 |
| ·神经网络模型 | 第33-35页 |
| 第五章 基于前向型（BP）神经网络的客户信用评估模型 | 第35-51页 |
| ·客户信用评估模型构建 | 第35-37页 |
| ·模型构建步骤 | 第35-36页 |
| ·模型构建方法的选择 | 第36-37页 |
| ·基于神经网络模型暄客户信用评估指标体系 | 第37-41页 |
| ·模型输入指标的选取方法 | 第37-38页 |
| ·客户信用评估指标的选取 | 第38-40页 |
| ·数据的预处理 | 第40-41页 |
| ·BP 神经网络模型的构建 | 第41-46页 |
| ·BP 神经网络结构 | 第41-42页 |
| ·学习过程及算法 | 第42-44页 |
| ·构建客户信用风险评估模型 | 第44-46页 |
| ·模型实证及结论分析 | 第46-51页 |
| ·模型算法改进 | 第46-47页 |
| ·模型实证 | 第47-50页 |
| ·结论分析 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 一、英文文献 | 第52页 |
| 二、中文文献 | 第52-54页 |
| 附录 | 第54-59页 |
| 附表A 预测结果 | 第54-55页 |
| 附表B 主成分分析 | 第55-56页 |
| 附录C 主成分分析评分表 | 第56-59页 |
| 在学期间发表的学术论文及研究成果 | 第59-60页 |
| 致谢 | 第60页 |
