| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义与目的 | 第10-11页 |
| 1.3 文献综述 | 第11-14页 |
| 1.3.1 个人信用的评估方法研究综述 | 第11-13页 |
| 1.3.2 个人信用评估指标体系研究综述 | 第13-14页 |
| 1.4 研究方法 | 第14-16页 |
| 1.5 论文的创新之处 | 第16-17页 |
| 第二章 商业银行个人信用评估理论及评估系统 | 第17-20页 |
| 2.1 商业银行个人信用评估理论 | 第17-19页 |
| 2.1.1 信用界定 | 第17页 |
| 2.1.2 信用与道德风险 | 第17页 |
| 2.1.3 个人信用评估的特点 | 第17-18页 |
| 2.1.4 人工授信与自动化信用评估 | 第18-19页 |
| 2.2 我国个人信用评估系统 | 第19-20页 |
| 第三章 商业银行个人信用评估单一模型研究 | 第20-43页 |
| 3.1 个人信用评估数据处理 | 第20-24页 |
| 3.2 基于二元Logistic回归分析法的商业银行个人信用评估 | 第24-31页 |
| 3.2.1 Logistic分析基本原理 | 第24-26页 |
| 3.2.2 二元Logistic个人信用评估模型 | 第26-29页 |
| 3.2.3 Logistic模型结果分析 | 第29-31页 |
| 3.3 基于支持向量机的商业银行个人信用评估模型 | 第31-36页 |
| 3.3.1 支持向量机基本原理 | 第31-34页 |
| 3.3.2 支持向量机模型优缺点 | 第34页 |
| 3.3.3 支持向量机模型的建立 | 第34-35页 |
| 3.3.4 支持向量机模型实证检验及结果分析 | 第35-36页 |
| 3.4 基于BP神经网络算法的个人信用评估模型 | 第36-41页 |
| 3.4.1 BP神经网络基本原理 | 第36-37页 |
| 3.4.2 神经网络的优缺点 | 第37页 |
| 3.4.3 BP神经网络模型的建立求解 | 第37-41页 |
| 3.5 单一模型结果比较和模型优缺点分析 | 第41-43页 |
| 第四章 商业银行个人信用评估组合优化模型研究 | 第43-49页 |
| 4.1 遗传算法与神经网络组合模型 | 第43-46页 |
| 4.1.1 遗传算法基本原理 | 第43页 |
| 4.1.2 遗传算法的优点与缺点 | 第43页 |
| 4.1.3 遗传算法神经网络组合模型算法流程 | 第43-44页 |
| 4.1.4 模型求解和结果分析 | 第44-46页 |
| 4.2 Logistic、遗传算法与神经网络组合模型 | 第46-47页 |
| 4.3 单一模型及组合模型结果对比分析 | 第47-49页 |
| 第五章 研究结论和发展前景 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 作者简介 | 第55页 |