| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 导论 | 第9-21页 |
| ·研究背景及问题的提出 | 第9-13页 |
| ·国际背景：国际金融危机后商业银行进行风险管理的必要性 | 第9-10页 |
| ·国内背景：中国商业银行风险管理的现状 | 第10-11页 |
| ·建立神经网络信用风险管理模型的可行性分析 | 第11-13页 |
| ·国内外有关的研究状况 | 第13-19页 |
| ·对于原始的神经网络模型应用于信用风险管理的研究 | 第13-16页 |
| ·对于经过其他方法优化的神经网络模型应用于信用风险管理的研究 | 第16-18页 |
| ·小结 | 第18-19页 |
| ·研究思路 | 第19页 |
| ·本文研究方法 | 第19页 |
| ·本文创新之处 | 第19-21页 |
| 第2章 信用风险评估模型的发展与评价 | 第21-29页 |
| ·传统的信用风险分析方法 | 第21-24页 |
| ·古典分析法 | 第21-23页 |
| ·财务比率分析法 | 第23-24页 |
| ·过渡型信用风险管理方法 | 第24-25页 |
| ·现代信用风险评估模型的发展 | 第25-27页 |
| ·Credit Metrics 模型 | 第25-26页 |
| ·Credit Risk+模型 | 第26-27页 |
| ·Credit Portfolio View 模型 | 第27页 |
| ·小结 | 第27-29页 |
| 第3章 BP-Adboost 的基本原理及网络构建 | 第29-35页 |
| ·BP 神经网络 | 第29-32页 |
| ·BP 神经网络的基本原理 | 第29-30页 |
| ·BP 神经网络的设计和构建 | 第30-32页 |
| ·BP 神经网络的局限性 | 第32页 |
| ·Adaboost 算法 | 第32-33页 |
| ·BP-Adaboost 算法的实现 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第4章 基于 BP-Adaboost 信用风险评估模型的仿真及效果评价 | 第35-48页 |
| ·样本数据的选取和处理 | 第35-37页 |
| ·样本数量的确定 | 第35页 |
| ·财务指标的分类与确定 | 第35-36页 |
| ·异常财务指标数据的判定 | 第36-37页 |
| ·学习样本数据的选取、处理 | 第37页 |
| ·基于主成分分析的财务数据指标的预处理 | 第37-42页 |
| ·财务数据指标多重共线性的检验 | 第37-38页 |
| ·财务数据指标的主成分分析 | 第38-42页 |
| ·BP-Adaboost 模型模拟仿真结果 | 第42-46页 |
| ·不同节点数单一隐含层模型预测误差分析 | 第42页 |
| ·单一隐含层 BP-Adaboost 模型强弱分类器预测误差比较 | 第42-43页 |
| ·双隐含层 BP-Adaboost 模型强弱分类器预测误差比较 | 第43-46页 |
| ·实证结果评价 | 第46-48页 |
| 第5章 结论、不足与展望 | 第48-50页 |
| ·小结 | 第48页 |
| ·研究不足 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录 | 第53-65页 |
| 附表 A 原始变量数据指标选取表 | 第53-60页 |
| 附表 B 样本数据多从共线性检验结果 | 第60-62页 |
| 附录 C MATLAB 神经网络模拟仿真程序语句 | 第62-65页 |
| 攻读硕士学位期间发表的学术成果 | 第65-66页 |
| 致谢 | 第66页 |
