基于支持向量机的商业银行信用风险研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-10页 |
| 1 引言 | 第10-14页 |
| ·问题的提出 | 第10-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究内容与方法 | 第12-13页 |
| ·本文的创新点 | 第13-14页 |
| 2 国内外研究现状 | 第14-23页 |
| ·支持向量机的国内外研究现状 | 第14-16页 |
| ·商业银行信用风险评估方法的研究 | 第16-20页 |
| ·判别分析 | 第16-17页 |
| ·Logistic回归 | 第17页 |
| ·一般非参方法 | 第17-18页 |
| ·CreditMetrics方法 | 第18页 |
| ·KMV模型 | 第18页 |
| ·神经网络模型 | 第18-19页 |
| ·支持向量机方法 | 第19-20页 |
| ·支持向量机集成方法 | 第20-21页 |
| ·研究现状评述 | 第21-23页 |
| 3 我国商业银行信用风险概述 | 第23-30页 |
| ·商业银行信用风险概述 | 第23页 |
| ·我国商业银行信用风险现状 | 第23-30页 |
| ·风险集中 | 第23-26页 |
| ·期限错配 | 第26-27页 |
| ·资产质量逐步提高 | 第27-30页 |
| 4 基于支持向量机的预测模型 | 第30-38页 |
| ·模型的变量降维 | 第30-31页 |
| ·因子分析 | 第30-31页 |
| ·粗糙集 | 第31页 |
| ·支持向量机分类算法 | 第31-35页 |
| ·财务指标的选择 | 第35-37页 |
| ·模型流程 | 第37-38页 |
| 5 实证研究 | 第38-51页 |
| ·描述性统计 | 第38-41页 |
| ·变量降维 | 第41-43页 |
| ·支持向量机分类 | 第43-51页 |
| ·主成分-支持向量分类机 | 第44-48页 |
| ·因子-支持向量分类机 | 第48-49页 |
| ·粗糙集-支持向量分类机 | 第49-51页 |
| 6 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
