| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景 | 第9-11页 |
| ·研究意义 | 第11页 |
| ·本文的主要工作及框架图 | 第11-13页 |
| ·本文的创新点 | 第13-14页 |
| 第2章 商业银行信贷风险预警研究概述 | 第14-36页 |
| ·商业银行风险 | 第14-16页 |
| ·商业银行风险的定义 | 第14页 |
| ·商业银行风险的特点 | 第14-16页 |
| ·商业银行信贷风险 | 第16-17页 |
| ·信贷与银行信贷 | 第16-17页 |
| ·信贷风险 | 第17页 |
| ·商业银行信贷风险分析方法概述 | 第17-25页 |
| ·商业银行信贷风险的定性分析方法概述 | 第17-20页 |
| ·专家方法 | 第17-19页 |
| ·信贷评级方法 | 第19-20页 |
| ·信贷风险的定量分析方法概述 | 第20-25页 |
| ·统计分析方法 | 第21-22页 |
| ·分类树法 | 第22页 |
| ·人工专家系统法 | 第22页 |
| ·数据包络分析方法 | 第22-23页 |
| ·期权模型 | 第23-24页 |
| ·信贷计量模型 | 第24页 |
| ·违约风险统计模型 | 第24-25页 |
| ·麦肯锡模型 | 第25页 |
| ·信贷风险评估的新视角:神经网络方法 | 第25-27页 |
| ·商业银行风险预警系统内涵 | 第27-30页 |
| ·商业银行风险预警的涵义 | 第27-28页 |
| ·商业银行风险预警与风险管理 | 第28-29页 |
| ·符合中国国情的商业银行风险预警体系框架的构建 | 第29-30页 |
| ·银行信贷风险预警管理系统研究综述 | 第30-36页 |
| ·国外银行信贷风险预警系统研究概述 | 第30-32页 |
| ·国内银行信贷风险预警系统研究概述 | 第32-35页 |
| ·目前国内商业银行信贷风险研究的缺陷 | 第35-36页 |
| 第3章 信贷风险评估新视角:人工神经网络 | 第36-47页 |
| ·人工神经元的结构模型 | 第36-38页 |
| ·神经网络的拓扑结构 | 第38页 |
| ·神经网络的工作原理 | 第38-40页 |
| ·学习过程(训练过程) | 第38-39页 |
| ·运行过程(联想过程) | 第39页 |
| ·神经网络的学习规则 | 第39-40页 |
| ·BP神经网络 | 第40-45页 |
| ·基本思想 | 第40-41页 |
| ·算法推导 | 第41-44页 |
| ·BP算法流程图 | 第44-45页 |
| ·BP神经网络方法用于信贷风险评估预警的可行性分析 | 第45-47页 |
| 第4章 商业银行信贷风险预警模型的构建 | 第47-65页 |
| ·预警指标体系的构建 | 第47-52页 |
| ·商业银行信贷风险预警指标体系构建原则 | 第47-49页 |
| ·商业银行信贷风险预警指标体系的建立 | 第49-52页 |
| ·信贷风险的判定标准和分类 | 第52-55页 |
| ·信贷风险识别标准 | 第52-53页 |
| ·违约的标准 | 第53页 |
| ·信贷风险的分类 | 第53-55页 |
| ·基于BP神经网络的信贷风险预警系统的设计和分析 | 第55-57页 |
| ·网络结构的确定 | 第55页 |
| ·隐含层的设计 | 第55-56页 |
| ·网络学习参数的选取 | 第56-57页 |
| ·样本数据的处理 | 第57页 |
| ·对风险预警BP神经网络的改进 | 第57-59页 |
| ·传统BP网络的限制与不足 | 第57-58页 |
| ·BP网络的改进优化方法 | 第58-59页 |
| ·采用正则化方法—改进误差函数法优化神经网络 | 第58页 |
| ·采用Levenberg-Marquardt算法优化神经网络 | 第58-59页 |
| ·基于BP神经网络的信贷风险预警模型构建及其MATLAB实现 | 第59-65页 |
| ·MATLAB神经网络工具箱函数 | 第60-63页 |
| ·基于神经网络的信贷风险预警模型构建 | 第63-64页 |
| ·BP网络程序设计的MATLAB实现 | 第64-65页 |
| 第5章 我国商业银行信贷风险预警模型的实证分析 | 第65-82页 |
| ·样本的设计 | 第65-66页 |
| ·样本选取的方法 | 第65-66页 |
| ·样本数据来源 | 第66页 |
| ·信贷风险预警指标的筛选 | 第66-74页 |
| ·预警指标的正态性检验 | 第67-68页 |
| ·预警指标的显著性检验(Wilcoxon配对秩和检验) | 第68-70页 |
| ·信贷风险预警指标的进一步筛选 | 第70-74页 |
| ·Bartlett球度检验和KMO检验 | 第71-72页 |
| ·因子分析 | 第72-74页 |
| ·借鉴"3σ"法则确定信贷风险状况 | 第74-78页 |
| ·F得分值的均值及标准差确定 | 第74页 |
| ·信贷风险状况确定 | 第74-78页 |
| ·我国商业银行信贷风险评估预警模型的实证分析 | 第78-82页 |
| ·优化改进BP神经网络模型的训练 | 第78-81页 |
| ·利用训练好的网络对检测样本进行预测 | 第81-82页 |
| 第6章 全文总结及未来展望 | 第82-84页 |
| ·全文总结 | 第82-83页 |
| ·未来展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 附录 | 第88-101页 |
| 在校期间发表论文 | 第101-102页 |
| 致谢 | 第102页 |
