| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第14-29页 |
| 1.1 研究的背景及意义 | 第14-17页 |
| 1.1.1 选题的背景 | 第14-16页 |
| 1.1.2 选题的意义 | 第16-17页 |
| 1.2 国内外研究与发展 | 第17-25页 |
| 1.2.1 信用风险度量研究现状 | 第17-21页 |
| 1.2.2 深度置信网络发展及研究现状 | 第21-25页 |
| 1.3 研究的目的和方法 | 第25页 |
| 1.3.1 研究的目的 | 第25页 |
| 1.3.2 研究的方法 | 第25页 |
| 1.4 本文的创新 | 第25-26页 |
| 1.5 本文的组织结构 | 第26-29页 |
| 第2章 商业银行信用风险度量与预测研究 | 第29-52页 |
| 2.1 引言 | 第29页 |
| 2.2 商业银行信用风险的定义与成因 | 第29-32页 |
| 2.2.1 商业银行信用风险定义和特点 | 第29页 |
| 2.2.2 商业银行信贷资产质量现状及信用风险成因 | 第29-32页 |
| 2.3 商业银行信用风险预警体系及模型 | 第32-41页 |
| 2.3.1 商业银行信用风险预警体系 | 第32-33页 |
| 2.3.2 信用风险度量模型 | 第33-40页 |
| 2.3.3 信用风险度量模型评述 | 第40-41页 |
| 2.4 深度置信网络 | 第41-51页 |
| 2.4.1 深度置信网络基本结构 | 第43-44页 |
| 2.4.2 受限波尔兹曼机(RBM) | 第44-45页 |
| 2.4.3 深度置信网络算法 | 第45-51页 |
| 2.5 小结 | 第51-52页 |
| 第3章 基于分类分区RBM深度置信网络算法的研究 | 第52-72页 |
| 3.1 引言 | 第52页 |
| 3.2 深度置信网络应用于监督学习 | 第52-54页 |
| 3.3 基于受限玻尔兹曼机模型对比散度算法的改进 | 第54-56页 |
| 3.3.1 稀疏受限波尔兹曼机 | 第54页 |
| 3.3.2 稀疏组受限波尔兹曼机 | 第54-55页 |
| 3.3.3 分类受限波尔兹曼机 | 第55-56页 |
| 3.4 基于分类分区受限波尔兹曼机算法 | 第56-63页 |
| 3.4.1 分类分区受限波尔兹曼机的原理 | 第56-59页 |
| 3.4.2 基于分类分区受限玻尔兹曼机的学习算法 | 第59-62页 |
| 3.4.3 基于分类分区受限玻尔兹曼机的学习算法流程 | 第62-63页 |
| 3.5 算法验证 | 第63-71页 |
| 3.5.1 验证数据集 | 第63页 |
| 3.5.2 分类准确性验证 | 第63-70页 |
| 3.5.3 收敛速度 | 第70页 |
| 3.5.4 参数设置 | 第70-71页 |
| 3.6 小结 | 第71-72页 |
| 第4章 基于CPRBM的深度置信网络在单户财务危机预警中的实证研究 | 第72-91页 |
| 4.1 引言 | 第72页 |
| 4.2 单户财务危机预警模型 | 第72-75页 |
| 4.2.1 单户财务危机预警定义 | 第72-74页 |
| 4.2.2 单户财务危机预警模型构建 | 第74-75页 |
| 4.3 单户财务危机动态预警系统实现 | 第75-84页 |
| 4.3.1 研究样本确定 | 第75-76页 |
| 4.3.2 企业危机状态确定 | 第76-77页 |
| 4.3.3 指标选取 | 第77-80页 |
| 4.3.4 数据预处理 | 第80-82页 |
| 4.3.5 网络参数选择 | 第82-84页 |
| 4.4 有效性分析与检验 | 第84-90页 |
| 4.5 小结 | 第90-91页 |
| 第5章 基于层次贝叶斯深度置信网络的财务指标预测实证研究 | 第91-113页 |
| 5.1 引言 | 第91页 |
| 5.2 多任务监督学习问题描述 | 第91-93页 |
| 5.3 层次贝叶斯深度置信网络 | 第93-96页 |
| 5.3.1 层次贝叶斯分析 | 第93-94页 |
| 5.3.2 层次贝叶斯深度置信网络算法原理 | 第94-96页 |
| 5.3.3 层次贝叶斯深度置信网络算法 | 第96页 |
| 5.4 企业财务指标预测实证研究 | 第96-112页 |
| 5.4.1 企业财务指标预测的必要性 | 第96-97页 |
| 5.4.2 预测方法 | 第97-99页 |
| 5.4.3 企业财务报表分析的指标确定 | 第99-100页 |
| 5.4.4 企业财务指标预测模型的构建 | 第100-101页 |
| 5.4.5 样本和财务指标确定 | 第101-102页 |
| 5.4.6 评估方法 | 第102页 |
| 5.4.7 预测结果 | 第102-112页 |
| 5.5 小结 | 第112-113页 |
| 第6章 总结与展望 | 第113-117页 |
| 6.1 总结 | 第113-115页 |
| 6.1.1 本文的主要工作内容 | 第113-115页 |
| 6.1.2 本文的主要贡献 | 第115页 |
| 6.2 研究展望 | 第115-117页 |
| 参考文献 | 第117-128页 |
| 攻读博士期间完成的论文 | 第128-129页 |
| 致谢 | 第129-130页 |
