| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 主要符号表 | 第22-23页 |
| 1 绪论 | 第23-45页 |
| 1.1 问题的提出与研究意义 | 第23-25页 |
| 1.1.1 问题的提出 | 第23-24页 |
| 1.1.2 研究意义 | 第24-25页 |
| 1.2 国内外相关研究综述 | 第25-37页 |
| 1.2.1 信用风险评价指标体系的研究现状 | 第25-26页 |
| 1.2.2 信用风险评价指标筛选的研究现状 | 第26-28页 |
| 1.2.3 信用风险评价模型的研究现状 | 第28-31页 |
| 1.2.4 信用等级划分方法的研究现状 | 第31-32页 |
| 1.2.5 信用风险管理中关键指标挖掘的研究现状 | 第32-34页 |
| 1.2.6 研究现状分析 | 第34-37页 |
| 1.3 研究内容和研究方法 | 第37-44页 |
| 1.3.1 研究设计 | 第37-38页 |
| 1.3.2 研究内容 | 第38-39页 |
| 1.3.3 篇章结构 | 第39-40页 |
| 1.3.4 研究方法 | 第40-42页 |
| 1.3.5 技术路线 | 第42-44页 |
| 1.4 论文的创新点 | 第44-45页 |
| 2 基于违约损失率的信用风险评级理论基础 | 第45-56页 |
| 2.1 基本概念 | 第45-47页 |
| 2.1.1 违约状态的定义 | 第45-46页 |
| 2.1.2 违约鉴别能力的定义 | 第46页 |
| 2.1.3 违约损失率的定义 | 第46-47页 |
| 2.2 信用风险评级指标体系构建的理论基础 | 第47-50页 |
| 2.2.1 指标体系建立问题的描述 | 第47-48页 |
| 2.2.2 小企业信用风险评级指标海选原则 | 第48-49页 |
| 2.2.3 指标遴选的原理 | 第49-50页 |
| 2.3 信用风险评级指标权重确定的理论基础 | 第50-51页 |
| 2.3.1 指标权重确定问题的描述 | 第50页 |
| 2.3.2 指标权重确定的原理 | 第50-51页 |
| 2.4 信用等级划分的理论基础 | 第51-53页 |
| 2.4.1 信用等级划分问题的描述 | 第51-52页 |
| 2.4.2 划分信用等级的三个准则 | 第52-53页 |
| 2.5 关键指标及关键特征挖掘的理论基础 | 第53-55页 |
| 2.5.1 关键指标及关键特征挖掘问题的描述 | 第53-54页 |
| 2.5.2 关键指标及关键特征挖掘的原理 | 第54-55页 |
| 2.6 本章小结 | 第55-56页 |
| 3 小企业信用风险评价指标体系的构建 | 第56-79页 |
| 3.1 小企业信用评价指标体系构建原理 | 第56-58页 |
| 3.1.1 问题的提出 | 第56-57页 |
| 3.1.2 问题的难点 | 第57页 |
| 3.1.3 解决难点的思路 | 第57-58页 |
| 3.2 信用风险评价指标体系的构建方法 | 第58-65页 |
| 3.2.1 数据的标准化处理 | 第58-60页 |
| 3.2.2 单一指标违约鉴别能力的筛选 | 第60-61页 |
| 3.2.3 反映信息重复的指标筛选 | 第61-62页 |
| 3.2.4 体系中违约鉴别能力指标的筛选 | 第62-63页 |
| 3.2.5 基于ROC曲线的指标体系合理性检验 | 第63-64页 |
| 3.2.6 小企业信用评价指标体系构建方法的特色 | 第64-65页 |
| 3.3 小企业信用风险评价指标体系的建立 | 第65-77页 |
| 3.3.1 海选指标集及数据获取 | 第65-68页 |
| 3.3.2 指标数据的标准化 | 第68-69页 |
| 3.3.3 第一步指标筛选 | 第69-71页 |
| 3.3.4 第二步指标筛选 | 第71-73页 |
| 3.3.5 第三步指标筛选 | 第73-74页 |
| 3.3.6 指标体系合理性检验 | 第74-76页 |
| 3.3.7 小企业信用风险评级指标体系的特点分析 | 第76-77页 |
| 3.4 本章小结 | 第77-79页 |
| 4 小企业信用风险评价模型的构建 | 第79-99页 |
| 4.1 基于违约状态判别的信用评价模型的构建原理 | 第79-81页 |
| 4.1.1 问题的提出 | 第79-80页 |
| 4.1.2 问题的难点 | 第80页 |
| 4.1.3 解决难点的思路 | 第80-81页 |
| 4.2 基于信息含量的客观赋权方法 | 第81-83页 |
| 4.2.1 基于变异系数的客观赋权方法 | 第81-82页 |
| 4.2.2 基于熵权法的客观赋权方法 | 第82页 |
| 4.2.3 基于均方差法的权重分布 | 第82-83页 |
| 4.3 基于违约鉴别能力的客观赋权方法 | 第83-86页 |
| 4.3.1 基于Wilks' Lambda判别的客观赋权方法 | 第83-84页 |
| 4.3.2 基于ROC曲线的客观赋权方法 | 第84-86页 |
| 4.4 基于违约鉴别能力最大的最优赋权方法的确定 | 第86-89页 |
| 4.5 小企业信用风险评价模型的建立 | 第89-97页 |
| 4.5.1 小企业信用风险评级指标体系 | 第89-90页 |
| 4.5.2 基于信息含量的客观赋权 | 第90-91页 |
| 4.5.3 基于违约鉴别能力的客观赋权 | 第91-95页 |
| 4.5.4 基于违约鉴别能力最大的最优权重的确定 | 第95-96页 |
| 4.5.5 权重分析及评价模型的确定 | 第96-97页 |
| 4.6 本章小结 | 第97-99页 |
| 5 基于违约金字塔和信用分数聚类的信用等级划分模型 | 第99-114页 |
| 5.1 基于违约金字塔和信用分数聚类的信用等级划分原理 | 第99-103页 |
| 5.1.1 问题的提出 | 第99-100页 |
| 5.1.2 信用等级划分的研究意义 | 第100-101页 |
| 5.1.3 划分信用等级的三个准则 | 第101-102页 |
| 5.1.4 问题的难点及解决思路 | 第102-103页 |
| 5.2 基于违约金字塔和信用分数聚类的信用等级划分模型 | 第103-106页 |
| 5.2.1 目标函数的建立 | 第103-104页 |
| 5.2.2 违约损失率等式约束的建立 | 第104-105页 |
| 5.2.3 违约损失率不等式约束的建立 | 第105-106页 |
| 5.3 模型的求解 | 第106-109页 |
| 5.3.1 AAA等级样本数的确定 | 第106-107页 |
| 5.3.2 局部最优解的确定 | 第107-108页 |
| 5.3.3 全局最优解的确定 | 第108-109页 |
| 5.4 小企业信用等级的划分 | 第109-113页 |
| 5.4.1 实证数据及来源 | 第109页 |
| 5.4.2 非线性规划模型的建立 | 第109-110页 |
| 5.4.3 局部最优解的确定 | 第110-111页 |
| 5.4.4 全局最优解的计算 | 第111页 |
| 5.4.5 信用等级划分结果及分析 | 第111-113页 |
| 5.5 本章小结 | 第113-114页 |
| 6 影响贷款违约损失率的小企业关键特征的挖掘 | 第114-131页 |
| 6.1 影响小企业贷款违约损失率的关键特征挖掘原理 | 第114-116页 |
| 6.1.1 问题的提出 | 第114-115页 |
| 6.1.2 问题的难点 | 第115页 |
| 6.1.3 解决难点的思路 | 第115-116页 |
| 6.2 影响贷款损失的关键特征挖掘原理 | 第116-120页 |
| 6.2.1 基于次序Logit模型的关键指标甄别方法 | 第116-118页 |
| 6.2.2 基于LSD检验的关键特征甄别方法 | 第118-120页 |
| 6.3 影响小企业贷款违约损失的关键指标和关键特征挖掘 | 第120-127页 |
| 6.3.1 小企业信用风险评价指标体系 | 第120-121页 |
| 6.3.2 影响小企业贷款违约损失率的关键指标的挖掘 | 第121-123页 |
| 6.3.3 贷款违约损失率最大的关键特征挖掘 | 第123-127页 |
| 6.4 关键特征的理性分析 | 第127-129页 |
| 6.4.1 “超速动化率”的关键特征分析 | 第127-128页 |
| 6.4.2 “城市居民人均可支配收入”的关键特征分析 | 第128页 |
| 6.4.3 “近三年企业授信情况”的关键特征分析 | 第128-129页 |
| 6.4.4 “抵质押得分”的关键特征分析 | 第129页 |
| 6.5 本章小结 | 第129-131页 |
| 7 结论及展望 | 第131-136页 |
| 7.1 结论 | 第131-132页 |
| 7.2 创新点 | 第132-134页 |
| 7.2.1 主要创新 | 第132-133页 |
| 7.2.2 主要特色 | 第133-134页 |
| 7.3 展望 | 第134-136页 |
| 参考文献 | 第136-145页 |
| 附录A MATLAB源代码 | 第145-148页 |
| 攻读博士学位期间科研项目及科研成果 | 第148-150页 |
| 致谢 | 第150-151页 |
| 作者简介 | 第151页 |
