| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 引言 | 第8-13页 |
| 1.1 选题背景与意义 | 第8页 |
| 1.2 信用风险评估的研究现状 | 第8-11页 |
| 1.2.1 国际信用风险评估的研究现状 | 第8-10页 |
| 1.2.2 国内信用风险评估的研究现状 | 第10-11页 |
| 1.3 本文的创新点与研究内容 | 第11-13页 |
| 1.3.1 本文的创新点 | 第11页 |
| 1.3.2 本文研究的主要内容与结构安排 | 第11-13页 |
| 第2章 信用风险评估模型概述 | 第13-20页 |
| 2.1 企业信用风险 | 第13-14页 |
| 2.1.1 信用风险含义 | 第13页 |
| 2.1.2 信用风险的成因 | 第13-14页 |
| 2.2 常用的企业信用风险评估方法与模型 | 第14-20页 |
| 2.2.1 Z值模型 | 第15-17页 |
| 2.2.2 巴萨利模型 | 第17-18页 |
| 2.2.3 营运资产分析模型 | 第18页 |
| 2.2.4 特征分析模型 | 第18-20页 |
| 第3章 信用风险评估指标体系的构建 | 第20-30页 |
| 3.1 信用风险评估指标体系的构建原则 | 第20-21页 |
| 3.2 基于非财务因素构建的信用风险评估指标体系 | 第21-23页 |
| 3.2.1 非财务因素对企业信用风险评估的必要性 | 第21页 |
| 3.2.2 适合我国上市公司的信用风险评估指标体系 | 第21-23页 |
| 3.3 基于财务因素构建的信用风险评估指标体系 | 第23-30页 |
| 3.3.1 国外知名企业信用风险评估财务指标体系 | 第23-24页 |
| 3.3.2 适合我国上市公司的信用风险评估财务指标体系 | 第24-30页 |
| 第4章 BP神经网络模型 | 第30-34页 |
| 4.1 BP神经网络模型 | 第30-33页 |
| 4.1.1 BP神经网络概述 | 第30-31页 |
| 4.1.2 三层BP神经网络的学习原理 | 第31-32页 |
| 4.1.3 BP网络学习算法 | 第32-33页 |
| 4.2 信用风险评估神经网络模型 | 第33-34页 |
| 4.2.1 神经网络模型的合理性 | 第33-34页 |
| 第5章 基于BP神经网络对信用风险评估的实证分析 | 第34-44页 |
| 5.1 指标数据的预处理 | 第34-38页 |
| 5.1.1 定性指标的量化 | 第34-38页 |
| 5.1.2 数据的归一化处理 | 第38页 |
| 5.2 信用风险评估模型的构建 | 第38-44页 |
| 5.2.1 BP神经网络结构确定 | 第38页 |
| 5.2.2 隐含层节点的选择 | 第38-39页 |
| 5.2.3 学习速率的确定 | 第39-41页 |
| 5.2.4 仿真结果 | 第41-44页 |
| 第6章 结论 | 第44-45页 |
| 附录1 matlab程序代码 | 第45-46页 |
| 附录2 归一化处理后的训练样本数据 | 第46-60页 |
| 参考文献 | 第60-63页 |
| 后记 | 第63页 |