| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 0 绪论 | 第11-22页 |
| 0.1 研究背景 | 第11-13页 |
| 0.2 研究意义 | 第13-14页 |
| 0.3 国内外研究综述 | 第14-20页 |
| 0.3.1 国外研究状况 | 第14-16页 |
| 0.3.2 国内研究状况 | 第16-20页 |
| 0.4 研究内容和结构 | 第20-21页 |
| 0.5 创新之处 | 第21-22页 |
| 1. 信用卡相关概念介绍及理论基础 | 第22-32页 |
| 1.1 信用卡业务概述 | 第22-23页 |
| 1.1.1 信用卡的定义 | 第22页 |
| 1.1.2 信用卡的分类 | 第22-23页 |
| 1.2 信用卡的功能与风险 | 第23-26页 |
| 1.2.1 信用卡的功能 | 第24-25页 |
| 1.2.2 信用卡的风险 | 第25-26页 |
| 1.3 信用卡额度的基本定义 | 第26-27页 |
| 1.4 信用卡动态额度管理的理论基础 | 第27-32页 |
| 1.4.1 行为评分模型 | 第28-29页 |
| 1.4.2 信用局评分模型 | 第29-30页 |
| 1.4.3 行为评分同信用局评分的比较 | 第30-32页 |
| 2. 中美信用卡动态额度管理现状 | 第32-38页 |
| 2.1 美国信用卡动态额度管理现状 | 第32-33页 |
| 2.2 我国信用卡动态额度管理现状 | 第33-36页 |
| 2.2.1 运用生命周期理论进行动态额度管理 | 第34-35页 |
| 2.2.2 选择不同的平衡风险和收益策略 | 第35-36页 |
| 2.2.3 将“超额授信”添加到管理系统 | 第36页 |
| 2.3 我国信用卡动态额度管理的不足 | 第36-38页 |
| 3. 信用卡动态额度管理指标体系的构建 | 第38-44页 |
| 3.1 信用卡动态额度管理影响因素分析 | 第38-42页 |
| 3.2 信用卡动态额度管理指标体系的构建原则 | 第42页 |
| 3.3 指标的筛选及指标体系的建立 | 第42-44页 |
| 4. 基于BP神经网络的信用卡动态额度评价模型的应用 | 第44-58页 |
| 4.1 信用卡动态额度管理评价模型算法筛选 | 第44-47页 |
| 4.1.1 传统评价模型算法 | 第44-45页 |
| 4.1.2 人工智能评价模型算法 | 第45-47页 |
| 4.2 BP神经网络及其算法介绍 | 第47-51页 |
| 4.2.1 人工神经网络介绍 | 第47-49页 |
| 4.2.2 BP学习算法介绍 | 第49-51页 |
| 4.3 典型案例剖析——以浦发银行为例 | 第51-56页 |
| 4.4 案例剖析评价 | 第56-58页 |
| 5. 改善我国信用卡动态额度管理的建议 | 第58-60页 |
| 5.1 完善信用卡动态额度管理指标体系建设 | 第58页 |
| 5.2 拓宽信用卡动态额度管理评价模型的渠道 | 第58页 |
| 5.3 加强银行和企业之间的信用卡合作 | 第58-60页 |
| 6. 结论 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-65页 |
| 致谢 | 第65-66页 |
| 个人简历 | 第66页 |