基于神经网络专家系统的信用风险度量方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 引言 | 第7-11页 |
| ·课题提出的背景与意义 | 第7-8页 |
| ·国内外研究现状 | 第8-9页 |
| ·研究思路的与分析框架 | 第9-11页 |
| 2 信用风险理论及模型介绍 | 第11-16页 |
| ·信用风险基本理论 | 第11-12页 |
| ·信用风脸的来源 | 第11页 |
| ·信用风险的内涵 | 第11-12页 |
| ·信用风险度量方法与评价 | 第12-14页 |
| ·商业银行的信用风险 | 第14-16页 |
| 3 人工神经网络、专家系统的结构及应用 | 第16-30页 |
| ·人工神经网络的结构及原理 | 第16-21页 |
| ·人工神经网络的结构 | 第16-19页 |
| ·单层感知器及其学习算法 | 第19-21页 |
| ·基于BP算法的人工神经网络 | 第21-24页 |
| ·多层前向网络与反向传播网络 | 第21-22页 |
| ·BP学习算法 | 第22-24页 |
| ·专家系统的定义及分类 | 第24-25页 |
| ·专家系统的结构原理及应用 | 第25-30页 |
| ·专家系统的结构原理 | 第25-28页 |
| ·专家系统在文中的应用 | 第28-30页 |
| 4 信用评价模型在Matlab中的实现 | 第30-35页 |
| ·Matlab神经网络工具箱简介 | 第30页 |
| ·数据处理 | 第30-31页 |
| ·神经网络结构层的确定 | 第31-32页 |
| ·网络层数的确定 | 第31页 |
| ·各层节点数的确定 | 第31-32页 |
| ·传递函数确定 | 第32页 |
| ·算法确定 | 第32-33页 |
| ·目标误差确定 | 第33-34页 |
| ·初始权值和学习率的选取 | 第34-35页 |
| 5 实证研究 | 第35-45页 |
| ·指标选取与确定 | 第35-37页 |
| ·市场竞争力分析 | 第35-36页 |
| ·流动性分析 | 第36页 |
| ·管理水平 | 第36-37页 |
| ·其它指标 | 第37页 |
| ·数据采集与处理 | 第37-40页 |
| ·隐含层节点数确定 | 第40-41页 |
| ·输出函数确定 | 第41-42页 |
| ·算法及循环次数确定 | 第42-43页 |
| ·训练模拟 | 第43-45页 |
| 6 结论及政策建议 | 第45-48页 |
| ·结论 | 第45-46页 |
| ·政策建议 | 第46-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52-58页 |
