| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-15页 |
| ·选题背景与意义 | 第10-12页 |
| ·选题的背景 | 第10-11页 |
| ·选题的必要性 | 第11页 |
| ·选题的意义 | 第11-12页 |
| ·商业银行信用卡风险管理的文献综述 | 第12-14页 |
| ·国内研究文献综述 | 第12页 |
| ·国外研究文献综述 | 第12-14页 |
| ·本文研究方法和主要工作及创新 | 第14-15页 |
| ·研究方法 | 第14页 |
| ·本文的主要工作与创新 | 第14-15页 |
| 2 信用卡和信用风险识别度量基本理论 | 第15-29页 |
| ·信用卡的产生与发展 | 第15-21页 |
| ·信用卡基本概念 | 第15页 |
| ·信用卡产业发展模式 | 第15-18页 |
| ·信用卡国内外发展现状 | 第18-21页 |
| ·信用卡信用风险 | 第21-22页 |
| ·信用卡评分技术 | 第22-28页 |
| ·专家评分法 | 第22页 |
| ·统计评分法 | 第22-24页 |
| ·人工智能方法 | 第24-28页 |
| ·小结 | 第28-29页 |
| 3 巴塞尔新资本协议理论 | 第29-39页 |
| ·巴塞尔新资本协议的发展及影响 | 第29页 |
| ·巴塞尔新资本协议对零售业务的规定 | 第29-32页 |
| ·巴塞尔新资本协议对零售风险的监管 | 第29-31页 |
| ·巴塞尔新资本协议对内部评级法的规定 | 第31-32页 |
| ·内部评级体系方法及相关因素的计算 | 第32-38页 |
| ·PD的估测 | 第32-36页 |
| ·LGD的估测 | 第36-38页 |
| ·小结 | 第38-39页 |
| 4 集成打分卡、神经网络与Logistic回归模型的构建 | 第39-47页 |
| ·集成打分卡、神经网络与Logistic回归的信用评分模型的可行性 | 第39-40页 |
| ·打分卡方法对指标的选择 | 第40-43页 |
| ·集成打分卡模型、Logistic回归模型的构建 | 第43-45页 |
| ·集成打分卡模型、BP网络模型、Logistic回归模型的构建 | 第45-46页 |
| ·BP网络模型的建立 | 第45页 |
| ·集成信用评分模型的建立 | 第45-46页 |
| ·小结 | 第46-47页 |
| 5 对集成打分卡模型和Logistic回归模型的实证分析 | 第47-52页 |
| ·数据处理 | 第47页 |
| ·利用Eviews软件对上述数据作回归分析 | 第47-51页 |
| ·小结 | 第51-52页 |
| 结论与展望 | 第52-54页 |
| 结论 | 第52-53页 |
| 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |
