| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外绿色信贷研究现状 | 第11页 |
| 1.2.2 国内绿色信贷研究现状 | 第11-12页 |
| 1.2.3 国外信用风险评估研究现状 | 第12页 |
| 1.2.4 国内信用风险评估研究现状 | 第12-13页 |
| 1.3 研究内容及研究方法 | 第13-14页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 研究方法 | 第14页 |
| 1.4 本文的创新点 | 第14-17页 |
| 第2章 理论基础 | 第17-28页 |
| 2.1 BP神经网络理论基础 | 第17-24页 |
| 2.1.1 神经网络设计的基本原理 | 第17-21页 |
| 2.1.2 BP网络的学习原理 | 第21-22页 |
| 2.1.3 BP神经网络的学习算法 | 第22-24页 |
| 2.1.4 BP神经网络法对银行信用风险评价的适用性分析 | 第24页 |
| 2.2 层次分析法原理 | 第24-26页 |
| 2.2.1 结构模型的数量转换 | 第24-25页 |
| 2.2.2 构造判断矩阵 | 第25页 |
| 2.2.3 一致性检验 | 第25-26页 |
| 2.3 主成分分析 | 第26-28页 |
| 2.3.1 主成分分析原理 | 第26-27页 |
| 2.3.2 主成分的定义 | 第27-28页 |
| 第3章 商业银行绿色信贷风险环境指标体系 | 第28-35页 |
| 3.1 绿色信贷简介 | 第28-29页 |
| 3.1.1 绿色信贷的起源 | 第28页 |
| 3.1.2 赤道原则 | 第28-29页 |
| 3.1.3 我国绿色信贷实践 | 第29页 |
| 3.2 绿色信贷风险评价指标体系构建原则 | 第29-30页 |
| 3.3 环境评价指标的选取 | 第30-32页 |
| 3.4 环境指标体系权重的确立 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于财务指标的信用风险聚类分析 | 第35-42页 |
| 4.1 数据来源 | 第35-37页 |
| 4.1.1 企业类型 | 第35-36页 |
| 4.1.2 企业指标选取 | 第36-37页 |
| 4.2 聚类分析 | 第37-40页 |
| 4.2.1 聚类分析原理 | 第37-38页 |
| 4.2.2 聚类过程与结果 | 第38-40页 |
| 4.3 聚类结果分析 | 第40-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 基于PCA和BP神经网络信用风险评价模型构建 | 第42-53页 |
| 5.1 主成分个数的确定 | 第42页 |
| 5.2 主成分分析过程与结果 | 第42-45页 |
| 5.3 BP神经网络模型的建立 | 第45-47页 |
| 5.4 实证分析 | 第47-50页 |
| 5.5 企业信用风险体系 | 第50-52页 |
| 5.6 企业信用风险结果分析 | 第52页 |
| 5.7 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| 6.1 论文的研究结论 | 第53页 |
| 6.2 展望与下一步设想 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表论文及科研情况 | 第63页 |