| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 研究方法 | 第11页 |
| 1.4 研究内容与技术路线图 | 第11-14页 |
| 1.4.1 研究内容 | 第11-13页 |
| 1.4.2 技术路线图 | 第13-14页 |
| 1.5 本文创新之处 | 第14-15页 |
| 2 文献综述与基础理论 | 第15-23页 |
| 2.1 相关概念的界定 | 第15-16页 |
| 2.1.1 专利权质押贷款的概念及特征 | 第15-16页 |
| 2.1.2 风险的概念及特征 | 第16页 |
| 2.2 文献综述 | 第16-22页 |
| 2.2.1 专利权质押贷款风险及其控制研究综述 | 第16-19页 |
| 2.2.2 商业银行专利权质押贷款风险评估研究综述 | 第19-21页 |
| 2.2.3 对相关文献的评述 | 第21-22页 |
| 2.3 理论基础 | 第22-23页 |
| 2.3.1 信息不对称理论 | 第22页 |
| 2.3.2 风险管理理论 | 第22-23页 |
| 3 商业银行专利权质押贷款风险指标体系的构建 | 第23-31页 |
| 3.1 宏观因素 | 第23-25页 |
| 3.2 专利权因素 | 第25-26页 |
| 3.3 出质企业因素 | 第26-28页 |
| 3.4 指标体系的构建 | 第28-31页 |
| 3.4.1 准入性指标 | 第28页 |
| 3.4.2 判定性指标 | 第28-31页 |
| 4 基于BP神经网络法对专利权质押贷款的风险识别 | 第31-45页 |
| 4.1 风险预警标准的确立 | 第31页 |
| 4.2 BP神经网络法下的模型构建 | 第31-35页 |
| 4.2.1 BP神经网络结构的设计 | 第32-33页 |
| 4.2.2 激活函数的选取 | 第33页 |
| 4.2.3 输入/输出数据的预处理 | 第33-34页 |
| 4.2.4 学习算法的改进 | 第34-35页 |
| 4.3 预警指标的正态性检验 | 第35-36页 |
| 4.4 主成分分析 | 第36-40页 |
| 4.4.1 主成分的抽取 | 第38-40页 |
| 4.4.2 主成分的正态性检验 | 第40页 |
| 4.5 风险状况的警度判断 | 第40-41页 |
| 4.6 风险预警模型的仿真分析 | 第41-45页 |
| 4.6.1 参数的设定 | 第41页 |
| 4.6.2 仿真结果的分析 | 第41-45页 |
| 5 基于模糊综合评价法对专利权质押贷款的风险识别 | 第45-59页 |
| 5.1 模糊评价法及熵权法的数学原理 | 第45-48页 |
| 5.1.1 模糊评价法的数学原理 | 第45-47页 |
| 5.1.2 熵权法的数学原理 | 第47-48页 |
| 5.2 模糊评价法的应用案例 | 第48-56页 |
| 5.2.1 案例一 | 第48-52页 |
| 5.2.2 案例二 | 第52-56页 |
| 5.3 模糊评价法对质押贷款风险识别的评述 | 第56-59页 |
| 6 专利权质押贷款的风险控制研究 | 第59-63页 |
| 6.1 商业银行层面 | 第59-60页 |
| 6.2 出质企业层面 | 第60页 |
| 6.3 政府层面 | 第60-62页 |
| 6.4 中介机构层面 | 第62-63页 |
| 7 总结 | 第63-65页 |
| 7.1 研究结论 | 第63页 |
| 7.2 研究局限与展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录 | 第71-85页 |
| 附表1 主成分因子与风险判定值 | 第71-75页 |
| 附录2 调查问卷 | 第75-81页 |
| 附录3 基于BP神经网络的预警模型运算程序 | 第81-83页 |
| 附录4 基于模糊综合评价法的MATLAB运算程序 | 第83-85页 |
| 攻读学位期间的研究成果 | 第85-87页 |
| 致谢 | 第87页 |