| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.1.1 研究背景 | 第7页 |
| 1.1.2 选题的目的及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 国内研究现状 | 第9-10页 |
| 1.2.2 国外研究现状 | 第10-12页 |
| 1.3 论文思路、研究方法和创新点 | 第12-14页 |
| 1.3.1 论文思路 | 第12页 |
| 1.3.2 主要研究方法 | 第12-13页 |
| 1.3.3 论文的创新点 | 第13-14页 |
| 第二章 信用卡行业概况 | 第14-32页 |
| 2.1 行业现状 | 第14-15页 |
| 2.1.1 全球信用卡业务现状 | 第14页 |
| 2.1.2 我国信用卡业务现状 | 第14-15页 |
| 2.2 信用卡分类 | 第15-16页 |
| 2.3 信用卡风险内涵 | 第16-19页 |
| 2.3.1 外部风险 | 第16-18页 |
| 2.3.2 内部风险 | 第18页 |
| 2.3.3 技术性因素造成的风险 | 第18-19页 |
| 2.4 信用卡风险特点与分类 | 第19-21页 |
| 2.4.1 信用卡风险特点 | 第19-20页 |
| 2.4.2 信用卡风险分类 | 第20-21页 |
| 2.5 我国在信用卡风险管理方面的发展现状以及存在的问题 | 第21-32页 |
| 2.5.1 我国在信用卡风险管理方面的发展现状 | 第21-25页 |
| 2.5.2 我国信用卡风险管理过程中存在的主要问题 | 第25-32页 |
| 第三章 数据挖掘技术概述 | 第32-37页 |
| 3.1 聚类分析方法概述 | 第32-33页 |
| 3.2 基于SVM的分析 | 第33-35页 |
| 3.2.1 有关基于SVM分析的基本情况 | 第33-34页 |
| 3.2.2 一般特征 | 第34页 |
| 3.2.3 原理简介 | 第34-35页 |
| 3.3 BP神经网络 | 第35-37页 |
| 第四章 风险识别与风险评估 | 第37-48页 |
| 4.1 样本选取与数据筛选 | 第37-39页 |
| 4.2 信用卡客户分类 | 第39-47页 |
| 4.3 风险评估建模 | 第47-48页 |
| 第五章 风险控制对策 | 第48-55页 |
| 5.1 信用卡风险控制机制的完善 | 第48-51页 |
| 5.1.1 完善业务处理流程和内部风险管理组织体系 | 第48-49页 |
| 5.1.2 拓宽信用卡风险化解渠道 | 第49-51页 |
| 5.1.3 建立健全信用卡风险控制与管理系统 | 第51页 |
| 5.2 加强行业自律并且进一步提高银行业从业人员的整体素质 | 第51-52页 |
| 5.2.1 加强行业自律 | 第51页 |
| 5.2.2 提高从业人员的整体素质 | 第51-52页 |
| 5.3 改善银行外部环境 | 第52-55页 |
| 5.3.1 建立和完善相关法律法规 | 第52-53页 |
| 5.3.2 建立和完善个人征信系统 | 第53-55页 |
| 第六章 结论 | 第55-56页 |
| 6.1 本论文的结论 | 第55页 |
| 6.2 本论文的不足及研究展望 | 第55-56页 |
| 主要参考文献 | 第56-58页 |
| 个人简介及攻读学位期间获得成果目录清单 | 第58-59页 |
| 致谢 | 第59页 |
