大数据时代下银行小微企业信贷研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 大数据应用 | 第11页 |
| 1.2.2 小微企业信贷 | 第11-15页 |
| 1.2.3 国内外研究评析 | 第15页 |
| 1.3 研究思路和研究方法 | 第15-16页 |
| 1.4 主要研究内容 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第2章 小微企业信贷产品分析 | 第18-32页 |
| 2.1 概念界定 | 第18-19页 |
| 2.1.1 小微企业概念 | 第18-19页 |
| 2.1.2 金融创新内涵 | 第19页 |
| 2.2 信贷产品创新必要性分析 | 第19-22页 |
| 2.2.1 小微企业信贷融资分析 | 第19-20页 |
| 2.2.2 小微企业信贷创新必然性分析 | 第20-21页 |
| 2.2.3 小微企业信贷创新意义 | 第21-22页 |
| 2.3 小微企业信贷产品创新理论 | 第22-24页 |
| 2.3.1 金融产品创新理论分析 | 第22-23页 |
| 2.3.2 银行信贷理论 | 第23-24页 |
| 2.4 银行小微企业信贷产品实践 | 第24-30页 |
| 2.4.1 小微企业信贷产品特征 | 第24-25页 |
| 2.4.2 小微企业信贷产品分类 | 第25页 |
| 2.4.3 小微企业信贷产品创新趋势 | 第25-26页 |
| 2.4.4 小微企业信贷主要问题和分析 | 第26-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第3章 大数据与小微企业信贷创新 | 第32-36页 |
| 3.1 大数据内涵和应用分析 | 第32页 |
| 3.1.1 大数据内涵 | 第32页 |
| 3.1.2 大数据应用分析 | 第32页 |
| 3.2 大数据对银行信贷产品影响 | 第32-34页 |
| 3.2.1 大数据机遇 | 第32-33页 |
| 3.2.2 大数据挑战 | 第33-34页 |
| 3.3 “智慧型”信贷产品 | 第34-35页 |
| 3.3.1 概念分析 | 第34页 |
| 3.3.2 产品特点分析 | 第34-35页 |
| 3.4 大数据应用机制 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 “智慧型”信贷产品评价方法 | 第36-44页 |
| 4.1 智慧型综合评价方法 | 第36-40页 |
| 4.1.1 信贷评价方法 | 第36页 |
| 4.1.2 层次分析法 | 第36-38页 |
| 4.1.3 模糊层次分析方法 | 第38-40页 |
| 4.2 智慧型分类方法 | 第40-43页 |
| 4.2.1 信贷分类方法 | 第40页 |
| 4.2.2 深度学习理论 | 第40-41页 |
| 4.2.3 受限玻尔兹曼机 | 第41-42页 |
| 4.2.4 Softmax分类器 | 第42页 |
| 4.2.5 网络整体结构 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 第5章 “智慧型”信贷产品实践 | 第44-58页 |
| 5.1 “智慧型”信贷产品构建原则 | 第44页 |
| 5.2 一达通产品概述 | 第44-46页 |
| 5.2.1 一达通基本情况 | 第44-45页 |
| 5.2.2 银行小微信贷产品实施 | 第45-46页 |
| 5.3 申请企业综合评价 | 第46-53页 |
| 5.3.1 指标体系 | 第46-49页 |
| 5.3.2 指标权重计算 | 第49-52页 |
| 5.3.3 模糊综合评价 | 第52-53页 |
| 5.4 申请企业分类 | 第53-54页 |
| 5.4.1 深度学习网络设置 | 第53页 |
| 5.4.2 仿真结果 | 第53-54页 |
| 5.5 产品意义和挑战 | 第54-57页 |
| 5.5.1 产品战略意义 | 第54-56页 |
| 5.5.2 产品挑战 | 第56-57页 |
| 5.6 本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58页 |
| 6.2 局限性 | 第58-59页 |
| 6.3 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
