| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 前言 | 第8-18页 |
| ·研究背景 | 第8页 |
| ·研究的目的及意义 | 第8-9页 |
| ·国外研究现状 | 第9-13页 |
| ·国内研究现状 | 第13-16页 |
| ·本文的研究方法及内容 | 第16-18页 |
| 第二章 统计学习理论 | 第18-31页 |
| ·统计学习 | 第18-22页 |
| ·机器学习简介 | 第18-19页 |
| ·机器学习基本模型 | 第19-21页 |
| ·结构风险最小化原则 | 第21-22页 |
| ·VC 维 | 第22页 |
| ·支持向量机 | 第22-31页 |
| ·线性支持向量机 | 第23-27页 |
| ·核函数 | 第27-28页 |
| ·非线性支持向量机 | 第28-31页 |
| 第三章 多银行贷款池 | 第31-39页 |
| ·多银行贷款池 | 第31-33页 |
| ·资产证券化理论 | 第31-32页 |
| ·金融中介理论 | 第32页 |
| ·多银行贷款池理论 | 第32-33页 |
| ·多银行贷款的特征 | 第33-34页 |
| ·多银行贷款池模型的建立 | 第34-36页 |
| ·多银行贷款池模型的求解 | 第36-39页 |
| 第四章 贷款池运作对象——中小企业的风险特征及财务指标遴选 | 第39-51页 |
| ·中小企业的定义 | 第39页 |
| ·贷款池运作对象——中小企业的风险分析 | 第39-47页 |
| ·中小企业的特征 | 第39-43页 |
| ·中小企业的风险特征 | 第43-45页 |
| ·中小企业与大企业的风险差异 | 第45-47页 |
| ·贷款池运作对象——中小企业的财务指标分析 | 第47-51页 |
| ·中小企业财务指标遴选 | 第47-49页 |
| ·中小企业财务指标特征 | 第49-51页 |
| 第五章 基于支持向量机的多银行贷款池风险评估模型 | 第51-62页 |
| ·信用风险评估 | 第51-52页 |
| ·评估指标选取 | 第52-53页 |
| ·样本的选取与预处理 | 第53-57页 |
| ·样本的选取 | 第53页 |
| ·数据预处理 | 第53-57页 |
| ·数据的处理与分析 | 第57-58页 |
| ·核函数的选取 | 第57页 |
| ·相关参数的确定 | 第57-58页 |
| ·模型的建立 | 第58-59页 |
| ·实验结果及与BP神经网络的比较 | 第59-60页 |
| ·数据分两类 | 第59页 |
| ·数据分三类 | 第59-60页 |
| ·小结 | 第60-62页 |
| 第六章 结论与展望 | 第62-64页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表论文情况 | 第69页 |
| 攻读硕士学位期间参与的科研项目 | 第69-70页 |
| 致谢 | 第70页 |