首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于BP神经网络的商业银行信用风险评估研究

摘要第3-4页
abstract第4页
第一章 绪论第8-14页
    1.1 选题背景和选题意义第8-9页
        1.1.1 选题背景第8-9页
        1.1.2 选题意义第9页
    1.2 国内外文献综述第9-12页
        1.2.1 国外文献综述第9-10页
        1.2.2 国内文献综述第10-11页
        1.2.3 文献综述评述第11-12页
    1.3 研究内容和方法第12-13页
        1.3.1 研究内容第12页
        1.3.2 研究方法第12-13页
    1.4 主要创新点第13-14页
第二章 商业银行信用风险管理概述第14-20页
    2.1 商业银行信用风险界定与特征第14-16页
        2.1.1 商业银行信用风险的概念第14-15页
        2.1.2 商业银行信用风险的特征第15-16页
    2.2 信用风险的产生的经济机理第16-18页
    2.3 商业银行信用风险管理流程第18-20页
        2.3.1 信用风险识别第18页
        2.3.2 信用风险评估第18页
        2.3.3 信用风险检测与预警第18-19页
        2.3.4 信用风险控制第19-20页
第三章 我国商业银行信用风险评估体系第20-31页
    3.1 我国商业银行信用风险评估的发展现状第20-22页
    3.2 我国商业银行信用风险评估存在的问题第22-24页
        3.2.1 企业财务数据准确率低第22页
        3.2.2 信用风险评估方式简单第22-23页
        3.2.3 信用风险评估模型选择不当第23页
        3.2.4 金融市场中介服务机构不健全第23页
        3.2.5 历史数据利用率低第23-24页
    3.3 我国商业银行信用风险评估的主要影响因素第24-27页
        3.3.1 非财务因素第24-25页
        3.3.2 财务因素第25-27页
    3.4 商业银行信用风险评估方法及适用性分析第27-31页
        3.4.1 专家制度法第27页
        3.4.2 信用评级分类系统第27-28页
        3.4.3 信用风险附加模型(Credit Risk+)第28页
        3.4.4 KMV模型第28-29页
        3.4.5 Credit Portfolio View模型第29-31页
第四章 基于BP神经网络的我国商业银行信用风险评估模型的建立第31-40页
    4.1 指标体系的建立第31-33页
        4.1.1 信用风险评估指标体系建立原则第31页
        4.1.2 商业银行信用风险评估指标的筛选第31-33页
    4.2 神经网络基本原理第33-35页
        4.2.1 神经网络概述第33-34页
        4.2.2 BP网络基本原理第34页
        4.2.3 可行性分析第34-35页
    4.3 实证分析第35-40页
        4.3.1 数据选取第35页
        4.3.2 划分数据集第35-36页
        4.3.3 指标数据归一化第36页
        4.3.4 网络模型参数初始化第36-37页
        4.3.5 网络的训练和检验第37-38页
        4.3.6 评估模型的仿真第38-40页
第五章 提高我国商业银行信用风险评估水平的对策意见第40-43页
    5.1 加强基础数据库的建设第40页
    5.2 建立和完善内外部信用评级制度第40-42页
        5.2.1 完善银行内部评级体系第40-42页
        5.2.2 大力培育外部独立的评级机构第42页
        5.2.3 建立评级结果的检验系统第42页
    5.3 选择合适的信用风险评估模型第42-43页
第六章 结论与展望第43-44页
参考文献第44-47页
个人简介及攻读学位期间获得成果目录清单第47-48页
致谢第48页

论文共48页,点击 下载论文
上一篇:呼包鄂能源消费与经济增长的关系研究
下一篇:我国医药上市公司财务欺诈信息辨识研究--基于几种不同方法的比较