| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 选题背景 | 第10页 |
| 1.2 研究目的与意义 | 第10-11页 |
| 1.2.1 研究目的 | 第10-11页 |
| 1.2.2 研究意义 | 第11页 |
| 1.3 研究框架 | 第11页 |
| 1.4 论文的创新点 | 第11-13页 |
| 第二章 文献综述 | 第13-24页 |
| 2.1 信贷信用评估研究现状 | 第13-24页 |
| 2.1.1 信用评估指标体系研究 | 第13-17页 |
| 2.1.2 信用评估模型研究 | 第17-20页 |
| 2.1.3 信用等级划分模型研究 | 第20-24页 |
| 第三章 信用评估模型及理论基础 | 第24-32页 |
| 3.1 Logistic回归 | 第24-25页 |
| 3.1.1 Logistic回归简介 | 第24页 |
| 3.1.2 Logistic回归的缺陷 | 第24-25页 |
| 3.2 随机森林 | 第25-30页 |
| 3.2.1 决策树模型 | 第25-28页 |
| 3.2.2 随机森林简介 | 第28-29页 |
| 3.2.3 随机森林的生成过程 | 第29页 |
| 3.2.4 随机森林的优缺点 | 第29-30页 |
| 3.3 朴素贝叶斯 | 第30-32页 |
| 3.3.1 朴素贝叶斯的简介 | 第30-31页 |
| 3.3.2 朴素贝叶斯的理论基础 | 第31页 |
| 3.3.3 朴素贝叶斯的优缺点 | 第31-32页 |
| 第四章 个人贷款信用风险评估研究 | 第32-41页 |
| 4.1 样本构建 | 第32-33页 |
| 4.2 信用评估模型 | 第33-38页 |
| 4.2.1 Logistic回归 | 第33-35页 |
| 4.2.2 随机森林 | 第35-36页 |
| 4.2.3 朴素贝叶斯 | 第36-38页 |
| 4.3 最优信用评估模型 | 第38-39页 |
| 4.4 重要指标遴选 | 第39-40页 |
| 4.5 违约概率到信用评分的转换 | 第40-41页 |
| 第五章 改进的信用等级划分模型研究 | 第41-51页 |
| 5.1 信用等级划分模型 | 第41-44页 |
| 5.1.1 等距转换模型 | 第41页 |
| 5.1.2 基于人数分布的转换模型 | 第41-42页 |
| 5.1.3 基于客户违约概率阈值的转换模型 | 第42-43页 |
| 5.1.4 基于违约金字塔原理的信用等级划分模型 | 第43-44页 |
| 5.2 改进的金字塔信用等级划分模型 | 第44-49页 |
| 5.2.1 改进一：局部寻优方案的改进 | 第45-47页 |
| 5.2.2 改进二：全局目标函数的改进 | 第47页 |
| 5.2.3 改进三：基于“分而治之”思想的分段寻优方案 | 第47-49页 |
| 5.3 改进的信用等级划分模型效果检验 | 第49-51页 |
| 第六章 结论 | 第51-52页 |
| 6.1 本文结论 | 第51页 |
| 6.2 存在的不足与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |