基于机器评估的房地产贷款风险控制研究
摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第9-18页 |
1.1 研究背景及意义 | 第9-10页 |
1.1.1 研究背景 | 第9-10页 |
1.1.2 研究意义 | 第10页 |
1.2 国内外文献综述 | 第10-16页 |
1.2.1 国内文献综述 | 第10-14页 |
1.2.2 国外研究综述 | 第14-16页 |
1.3 研究方法及内容 | 第16-17页 |
1.3.1 研究方法 | 第16页 |
1.3.2 研究内容 | 第16-17页 |
1.4 本章小结 | 第17-18页 |
第2章 房地产贷款风险控制相关理论 | 第18-24页 |
2.1 风险的起源及定义 | 第18页 |
2.2 风险管理的起源及发展 | 第18-19页 |
2.3 房地产贷款风险分析 | 第19-23页 |
2.3.1 抵押物定义 | 第19页 |
2.3.2 房地产贷款风险的定义 | 第19-20页 |
2.3.3 贷款风险来源 | 第20-22页 |
2.3.4 目前存在的主要问题 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
第3章 房地产机器评估 | 第24-35页 |
3.1 批量评估概述 | 第24-25页 |
3.1.1 批量评估的定义 | 第24页 |
3.1.2 批量评估的产生及发展 | 第24-25页 |
3.2 批量评估的技术原理 | 第25页 |
3.3 批量评估较传统评估的优势 | 第25-26页 |
3.3.1 节省评估时间 | 第25页 |
3.3.2 降低评估成本 | 第25-26页 |
3.3.3 提高评估结果准确性 | 第26页 |
3.3.4 可实现房地产抵押物的动态监控 | 第26页 |
3.4 特征价格模型 | 第26-29页 |
3.4.1 特征价格模型的定义 | 第26页 |
3.4.2 特征价格模型原理 | 第26-28页 |
3.4.3 特征价格模型的表现形式 | 第28-29页 |
3.4.4 特征价格的优缺点 | 第29页 |
3.5 人工神经网络模型 | 第29-32页 |
3.5.1 人工神经网络模型的定义 | 第29页 |
3.5.2 人工神经网络的原理 | 第29-31页 |
3.5.3 人工神经网络的优缺点 | 第31-32页 |
3.6 随机森林模型 | 第32-33页 |
3.6.1 随机森林模型的定义 | 第32页 |
3.6.2 随机森林模型的原理 | 第32-33页 |
3.6.3 随机森林模型的优缺点 | 第33页 |
3.7 模型的选择 | 第33-34页 |
3.8 本章小结 | 第34-35页 |
第4章 机器评估在房地产贷款风险控制中的应用 | 第35-52页 |
4.1 建立抵押物快速评估模型 | 第35-40页 |
4.1.1 房地产特征变量的选取 | 第35-37页 |
4.1.2 房地产特征变量的量化 | 第37-38页 |
4.1.3 抵押物快速评估模型 | 第38-40页 |
4.2 押品随时评估 | 第40-44页 |
4.2.1 贷时评估 | 第40-41页 |
4.2.2 贷后抵押物动态监控 | 第41-43页 |
4.2.3 抵押物处置评估 | 第43-44页 |
4.3 风险预警系统 | 第44-50页 |
4.3.1 贷前抵押物评分模型 | 第44-46页 |
4.3.2 贷后风险预警 | 第46-48页 |
4.3.3 风险预警系统 | 第48-50页 |
4.4 风险压力测试系统 | 第50-51页 |
4.5 本章小结 | 第51-52页 |
第5章 抵押物评估模型及应用实证分析 | 第52-76页 |
5.1 数据来源及分布 | 第52页 |
5.2 特征变量量化 | 第52-53页 |
5.3 模型实证分析 | 第53-75页 |
5.3.1 特征变量描述性分析 | 第53-54页 |
5.3.2 特征变量相关性分析 | 第54-57页 |
5.3.3 房地产抵押物评估模型 | 第57-66页 |
5.3.4 银行风控应用实证分析 | 第66-75页 |
5.4 本章小结 | 第75-76页 |
第6章 总结与展望 | 第76-78页 |
6.1 总结 | 第76页 |
6.2 展望 | 第76-78页 |
致谢 | 第78-79页 |
参考文献 | 第79-82页 |
攻读学位期间主要的研究成果目录 | 第82页 |