银行内部评级的数据挖掘技术应用
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 0 引言 | 第10-13页 |
| ·研究背景 | 第10-11页 |
| ·本论文的框架结构 | 第11-13页 |
| 1 内部评级理论 | 第13-26页 |
| ·内部评级的基本概念 | 第13-18页 |
| ·内部评级与外部评级 | 第13页 |
| ·内部评级体系与内部评级法 | 第13-14页 |
| ·内部评级体系的基本要素 | 第14-16页 |
| ·内部评级法的关键指标 | 第16-18页 |
| ·内部评级的分析框架 | 第18-26页 |
| ·内部评级的宏观分析 | 第19页 |
| ·内部评级的中观分析 | 第19-21页 |
| ·内部评级的微观分析 | 第21-25页 |
| ·内部评级的综合分析 | 第25-26页 |
| 2 内部评级的核心技术 | 第26-49页 |
| ·违约概率（PD）模型 | 第26-29页 |
| ·违约概率的计算工具 | 第26-28页 |
| ·违约概率模型的比较分析 | 第28-29页 |
| ·违约损失率（LGD）模型 | 第29-34页 |
| ·测算违约损失率的基本要求 | 第30页 |
| ·初级内部评级法的违约损失率模型 | 第30-31页 |
| ·高级内部评级法的违约损失率模型 | 第31-34页 |
| ·预期损失（EL）和非预期损失（UL）模型 | 第34-38页 |
| ·基本概念 | 第34-35页 |
| ·单笔债项的预期损失与非预期损失 | 第35-36页 |
| ·资产组合的预期损失与非预期损失 | 第36-37页 |
| ·资产组合的信用风险价值CVaR | 第37-38页 |
| ·返回检验 | 第38-41页 |
| ·K-S 检验 | 第39-40页 |
| ·能力曲线 | 第40-41页 |
| ·对数似然率 | 第41页 |
| ·模型体系建设 | 第41-49页 |
| ·关键指标提取 | 第41-44页 |
| ·模型筛选流程 | 第44页 |
| ·模型组合技术——组合平均技术 | 第44-49页 |
| 3 内部评级的数据管理 | 第49-68页 |
| ·数据处理流程 | 第49-52页 |
| ·内部评级中的数据挖掘技术 | 第52-53页 |
| ·具体数据挖掘分析 | 第53-68页 |
| ·数据的分类分析 | 第53-56页 |
| ·数据的聚类分析 | 第56-59页 |
| ·关联规则的挖掘 | 第59-68页 |
| 4 公司敞口内部评级 | 第68-86页 |
| ·公司的风险分类 | 第68-69页 |
| ·公司评级的基本模式——风险搜索模式 | 第69-71页 |
| ·公司评级的基本流程 | 第71-72页 |
| ·现金流分析 | 第72-81页 |
| ·现金流基本面分析 | 第73-76页 |
| ·现金流比率分析 | 第76-78页 |
| ·现金流趋势分析 | 第78-79页 |
| ·现金流结构分析 | 第79-81页 |
| ·行业风险评级 | 第81-86页 |
| ·行业评级的基本框架 | 第81页 |
| ·行业环境特征评价 | 第81-82页 |
| ·行业经营状况评价 | 第82-83页 |
| ·行业财务数据分析 | 第83页 |
| ·行业信贷质量评价 | 第83-84页 |
| ·行业风险评级模型的建立 | 第84-86页 |
| 5 零售敞口的内部评级 | 第86-92页 |
| ·零售敞口的内部评级体系 | 第86-91页 |
| ·零售敞口内部评级的模型构建 | 第91-92页 |
| 6 问题的总结与展望 | 第92-94页 |
| 参考文献 | 第94-96页 |
| 后记 | 第96-97页 |
| 致谢 | 第97-98页 |
| 在读期间科研成果目录 | 第98页 |
