摘要 | 第1-8页 |
ABSTRACT | 第8-9页 |
第1章 绪论 | 第9-13页 |
1.1 问题的提出 | 第9-10页 |
1.2 文献综述 | 第10-11页 |
1.3 文章的研究方法及基本思路 | 第11-13页 |
第2章 《巴塞尔新资本协议》内部评级法与商业银行信息系统的内在关系 | 第13-21页 |
2.1 《巴塞尔新资本协议》的形成及特点 | 第13-15页 |
2.1.1 《巴塞尔新资本协议》的形成 | 第13-14页 |
2.1.2 《巴塞尔新资本协议》的特点 | 第14-15页 |
2.2 《巴塞尔新资本协议》内部评级法:对信用风险的精确计量 | 第15-17页 |
2.2.1 基础内部评级法 | 第16-17页 |
2.2.2 高级内部评级法 | 第17页 |
2.3 《巴塞尔新资本协议》内部评级法对商业银行信息系统的要求 | 第17-21页 |
2.3.1 基础数据的收集 | 第18页 |
2.3.2 基础数据的处理 | 第18-19页 |
2.3.3 内部评级模型的应用 | 第19页 |
2.3.4 违约概率的测算 | 第19-20页 |
2.3.5 内部评级的验证 | 第20-21页 |
第3章 数据仓库与商业银行信用风险管理创新 | 第21-33页 |
3.1 数据仓库及其特点 | 第21-22页 |
3.1.1 数据仓库是面向主题的 | 第21-22页 |
3.1.2 数据仓库是集成化的 | 第22页 |
3.1.3 数据仓库是相对稳定的 | 第22页 |
3.1.4 数据仓库是随时变化的 | 第22页 |
3.2 数据仓库设计过程和体系结构 | 第22-25页 |
3.2.1 数据仓库的设计过程 | 第22-24页 |
3.2.2 数据仓库的体系结构 | 第24-25页 |
3.3 数据仓库技术 | 第25-29页 |
3.3.1 联机分析处理技术 | 第25-26页 |
3.3.2 数据挖掘技术 | 第26-29页 |
3.4 数据仓库与商业银行信用风险管理创新 | 第29-33页 |
3.4.1 信用风险管理方法的演变 | 第29-30页 |
3.4.2 数据仓库与信用风险管理创新 | 第30-33页 |
第4章 数据仓库技术在银行内部评级中应用的途径探讨 | 第33-45页 |
4.1 银行数据仓库与内部评级的数据要求 | 第33-36页 |
4.1.1 银行数据仓库与内部评级数据的广度要求 | 第33-34页 |
4.1.2 银行数据仓库与内部评级数据的深度要求 | 第34-35页 |
4.1.3 数据仓库技术对异种客户数据的兼容分析 | 第35-36页 |
4.2 数据仓库技术与客户信用级别的划分 | 第36-39页 |
4.2.1 传统客户信用评级技术的缺陷 | 第36页 |
4.2.2 基于数据仓库技术的现代客户信用评级技术的应用 | 第36-39页 |
4.3 数据仓库技术与违约概率模型的应用 | 第39-42页 |
4.3.1 数据挖掘技术与资产组合联合违约概率模型的应用 | 第39-42页 |
4.3.2 数据挖掘技术与单个交易对手违约概率模型的应用 | 第42页 |
4.4 数据仓库技术与信用评级的验证 | 第42-44页 |
4.5 银行数据仓库与信用评级信息披露要求 | 第44-45页 |
第5章 银行数据库仓库的建立及其在内部评级中应用的举例分析 | 第45-64页 |
5.1 银行数据仓库的建立 | 第45-56页 |
5.1.1 需求分析 | 第45-46页 |
5.1.2 商业银行数据仓库设计的框架分析 | 第46-47页 |
5.1.3 数据源的确定和数据的预处理 | 第47-50页 |
5.1.4 数据模型的选择和数据粒度的确定 | 第50-53页 |
5.1.5 部门级数据集市的建立 | 第53-54页 |
5.1.6 银行数据仓库的功能实现 | 第54-55页 |
5.1.7 银行数据仓库建设中应注意的问题 | 第55-56页 |
5.2 数据仓库技术在内部评级应用的举例分析 | 第56-64页 |
5.2.1 分类挖掘算法的分类与选择 | 第57页 |
5.2.2 评级指标体系的建立 | 第57-58页 |
5.2.3 样本的选取和标准化 | 第58-60页 |
5.2.4 内部评级神经网络模型的构建 | 第60-62页 |
5.2.5 内部评级神经网络模型的实际应用 | 第62-64页 |
结论 | 第64-66页 |
参考文献 | 第66-69页 |
致谢 | 第69-70页 |
附录A 攻读学位期间所发表的学术论文目录 | 第70页 |