| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-9页 |
| 1 绪论 | 第9-12页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.2.1 国内信用评级的现状及问题 | 第10页 |
| 1.2.2 国外研究动态 | 第10-11页 |
| 1.3 本论文的组织结构 | 第11-12页 |
| 2 客户信用评价基本理论 | 第12-17页 |
| 2.1 信用、信用风险及客户信用评价的涵义 | 第12-13页 |
| 2.2 客户信用评价在商业银行中的作用 | 第13页 |
| 2.3 国内外商业银行客户信用评价研究概况 | 第13-16页 |
| 2.3.1 5C、5W、5P要素分析法 | 第13-14页 |
| 2.3.2 财务比率综合分析法 | 第14页 |
| 2.3.3 多变量信用风险判别模型 | 第14-15页 |
| 2.3.4 人工智能模型 | 第15-16页 |
| 2.4 本章小结 | 第16-17页 |
| 3 银行客户信用评价指标体系 | 第17-27页 |
| 3.1 信用评价指标体系的设置 | 第17-19页 |
| 3.1.1 人工智能模型评级“五不推”原则 | 第17-18页 |
| 3.1.2 评级限额“三不调”原则 | 第18-19页 |
| 3.2 信用评价指标体系的构建 | 第19-20页 |
| 3.3 信用评价指标体系的确定 | 第20-26页 |
| 3.3.1 定量指标 | 第20-21页 |
| 3.3.2 定性指标 | 第21-24页 |
| 3.3.3 信用评价等级的确定 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 4 基于多属性决策的支持向量机的信用评价方法 | 第27-43页 |
| 4.1 引言 | 第27-28页 |
| 4.2 支持向量机在财务评价中的应用 | 第28-29页 |
| 4.3 多属性决策理论 | 第29页 |
| 4.4 多属性决策支持向量机方法的原理 | 第29-32页 |
| 4.5 基于属性效用函数估计的学习样本的构造方法 | 第32-35页 |
| 4.5.1 样本的预处理 | 第32页 |
| 4.5.2 归一化处理 | 第32-33页 |
| 4.5.3 基于属性效用函数估计的学习样本构造方法 | 第33-35页 |
| 4.6 多属性决策支持向量机信用评价方法的实现 | 第35-38页 |
| 4.7 系统模型仿真实验结果分析 | 第38-40页 |
| 4.8 本模型的不足之处与下阶段研究计划与展望 | 第40-42页 |
| 4.9 本章小结 | 第42-43页 |
| 5 工作总结与展望 | 第43-47页 |
| 5.1 研究总结 | 第43-45页 |
| 5.2 研究不足及展望 | 第45-46页 |
| 5.3 结束语 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 致谢 | 第51页 |