| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 选题背景及意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 研究方法及结构 | 第17-18页 |
| 1.3.1 研究方法 | 第17页 |
| 1.3.2 研究结构 | 第17-18页 |
| 第2章 中小企业信用评估的技术基础 | 第18-27页 |
| 2.1 中小企业的理论基础 | 第18-21页 |
| 2.1.1 中小企业的定义 | 第18-20页 |
| 2.1.2 中小企业的特点 | 第20-21页 |
| 2.2 中小企业信用评估的理论基础 | 第21-24页 |
| 2.2.1 信息不对称性理论 | 第22页 |
| 2.2.2 交易费用论 | 第22-23页 |
| 2.2.3 博弈论 | 第23-24页 |
| 2.3 中小企业信用评估技术基础 | 第24-26页 |
| 2.3.1 回归分析法 | 第24页 |
| 2.3.2 决策树分类法 | 第24-25页 |
| 2.3.3 神经网络分析法 | 第25页 |
| 2.3.4 遗传算法 | 第25-26页 |
| 2.3.5 支持向量机方法 | 第26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 中小企业信用评估的BP人工神经网络构建 | 第27-36页 |
| 3.1 中小企业信用风险评估指标体系建立的原则 | 第27页 |
| 3.2 人工神经网络 | 第27-30页 |
| 3.2.1 人工神经网络运行机制 | 第28-29页 |
| 3.2.2 人工神经网络的学习方式 | 第29页 |
| 3.2.3 人工神经网络的学习规则 | 第29-30页 |
| 3.2.4 人工神经网络的激励函数 | 第30页 |
| 3.2.5 人工神经网络的误差函数 | 第30页 |
| 3.3 BP神经网络算法 | 第30-33页 |
| 3.3.1 BP神经网络的结构 | 第30-31页 |
| 3.3.2 BP神经网络的学习过程 | 第31-32页 |
| 3.3.3 BP神经网咯的训练过程 | 第32-33页 |
| 3.4 BP神经网络编程 | 第33-35页 |
| 3.5 小结 | 第35-36页 |
| 第4章 BP神经网络模型在中小企业信用评估中的调试 | 第36-45页 |
| 4.1 数据的采集与初始指标的确立 | 第36-38页 |
| 4.1.1 中小企业信用数据的采集 | 第36页 |
| 4.1.2 中小企业信用指标的选取 | 第36-38页 |
| 4.1.3 中小企业信用指标的赋值 | 第38页 |
| 4.2 神经网络模型结构的确定 | 第38-40页 |
| 4.2.1 BP神经网络层数的设计 | 第38页 |
| 4.2.2 BP神经网络输入层与输出层结点数的设计 | 第38-39页 |
| 4.2.3 BP神经网络隐层结点数的设计 | 第39-40页 |
| 4.3 BP神经网络模型的运行结果 | 第40-41页 |
| 4.4 BP神经网络稳健性检验 | 第41-44页 |
| 4.5 小结 | 第44-45页 |
| 第5章 A银行长沙分行中小企业信用评估系统的相关建议 | 第45-47页 |
| 5.1 丰富中小企业样本数据库 | 第45页 |
| 5.2 强化对指标体系的动态管理 | 第45-46页 |
| 5.3 平衡第三方信用评级与内部评级的作用 | 第46页 |
| 5.4 构建银行内部多重信用评级模型群 | 第46-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |
