| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·选题背景及意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·个人信用风险评估 | 第10-11页 |
| ·人工神经网络技术 | 第11-12页 |
| ·本文研究内容与结构 | 第12-14页 |
| 第二章 信用风险、信用风险评估模型 | 第14-25页 |
| ·信用风险理论 | 第14-17页 |
| ·风险的概念 | 第14页 |
| ·信用风险的定义 | 第14-16页 |
| ·个人信用风险的特征 | 第16页 |
| ·个人信用风险评估概述 | 第16-17页 |
| ·信用风险的成因分析 | 第17-19页 |
| ·从信息不对称分析信用风险的成因 | 第17-18页 |
| ·信用风险的制度性成因 | 第18-19页 |
| ·商业银行信用风险评估 | 第19-24页 |
| ·信用风险管理概述 | 第19-20页 |
| ·信用风险评估方法 | 第20-22页 |
| ·信用风险评估模型的发展 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 人工神经网络技术 | 第25-39页 |
| ·生物神经元 | 第25页 |
| ·人工神经元模型 | 第25-27页 |
| ·单输入单输出人工神经元 | 第25-26页 |
| ·多输入单输出人工神经元 | 第26-27页 |
| ·人工神经网络模型结构及特点 | 第27-31页 |
| ·人工神经网络模型结构 | 第27-29页 |
| ·人工神经网络与传统统计模型的关系 | 第29-31页 |
| ·BP神经网络 | 第31-38页 |
| ·BP神经网络结构 | 第31页 |
| ·BP网络的学习过程 | 第31-34页 |
| ·BP神经网络算法的局限性 | 第34-35页 |
| ·BP神经网络算法的改进方法综述 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 基于BP神经网络的个人信用风险评估模型的构建 | 第39-67页 |
| ·个人信用风险指标的识别及其指标体系的设计 | 第39-51页 |
| ·个人信用风险评估指标体系的设置原则 | 第39-40页 |
| ·模型指标参数的识别 | 第40-42页 |
| ·模型指标参数细分及取值 | 第42-51页 |
| ·数据的预处理过程 | 第51-55页 |
| ·数据的收集 | 第51-52页 |
| ·指标数据标准化处理 | 第52-53页 |
| ·特征参数的提取 | 第53-54页 |
| ·样本集的构造 | 第54-55页 |
| ·商业银行个人信用风险的BP神经网络模型结构设计 | 第55-61页 |
| ·网络模型的层数的确定 | 第55-56页 |
| ·网络模型输入节点的设计 | 第56页 |
| ·网络模型输出节点的设计 | 第56页 |
| ·网络模型隐含层设计 | 第56-59页 |
| ·网络模型的算法设计 | 第59-61页 |
| ·基于BP神经网络的个人信用风险评估步骤设计 | 第61-62页 |
| ·个人信用评估模型在MATLAB中的训练与实现 | 第62-65页 |
| ·个人信用评估模型的评级 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士期间发表的学术论文 | 第72页 |