| 内容摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-14页 |
| 第一节 研究的背景意义 | 第9-10页 |
| 一、研究的背景 | 第9页 |
| 二、研究的意义 | 第9-10页 |
| 第二节 国内外研究和发展现状 | 第10-12页 |
| 一、国内外研究现状 | 第10-11页 |
| 二、研究的评述 | 第11-12页 |
| 第三节 研究的内容 | 第12-13页 |
| 第四节 论文研究的创新点 | 第13-14页 |
| 第二章 中小型企业信用评级的概述 | 第14-22页 |
| 第一节 信用评级相关概念 | 第14-17页 |
| 一、信用评级定义 | 第14-15页 |
| 二、信用评级特点 | 第15页 |
| 三、信用评级的分类 | 第15页 |
| 四、信用评级的作用 | 第15-17页 |
| 第二节 信用评级发展的理论与实践 | 第17-19页 |
| 一、信用评级产生与发展的理论基础 | 第17-18页 |
| 二、信用评级实践与发展 | 第18-19页 |
| 第三节 中小企业信用的特点分析 | 第19-22页 |
| 一、我国中小企业的界定 | 第19-20页 |
| 二、中小型企业信用评级的特点 | 第20-22页 |
| 第三章 支持向量机主要原理 | 第22-31页 |
| 第一节 机器学习简介 | 第22-24页 |
| 第二节 统计学习理论简介 | 第24-25页 |
| 一、经验风险最小化原则 | 第24-25页 |
| 二、VC(Vapnik-Cheronenkis)维 | 第25页 |
| 第三节 支持向量机理论 | 第25-31页 |
| 一、支持向量机基本原理 | 第25-26页 |
| 二、非线性映射 | 第26页 |
| 三、二次优化推导 | 第26-29页 |
| 四、LIBSVM软件包简介 | 第29-31页 |
| 第四章 中小型企业的信用评级指标构建 | 第31-43页 |
| 第一节 中小企业信用评级体系设置的原则 | 第31页 |
| 第二节 我国中小企业信用评级体系现状与问题分析 | 第31-36页 |
| 一、我国现行信用评级指标体系 | 第31-34页 |
| 二、商业银行现行的信用评级指标体系缺陷分析 | 第34-36页 |
| 第三节 中小型企业信用评级指标的选取 | 第36-43页 |
| 一、定性指标的选择 | 第36-38页 |
| 二、定性指标的评判标准 | 第38-39页 |
| 三、定量指标选择 | 第39-43页 |
| 第五章 实证研究分析 | 第43-46页 |
| 第一节 样本选择与数据来源 | 第43页 |
| 第二节 核函数选择对分类效果的影响 | 第43-44页 |
| 第三节 实证结果分析 | 第44-46页 |
| 第六章 结论及展望 | 第46-48页 |
| 附表A | 第48页 |
| 附表B | 第48-49页 |
| 附表C | 第49页 |
| 附表D | 第49-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |