摘要 | 第5-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第11-21页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 文献综述 | 第12-18页 |
1.2.1 供应链金融研究综述 | 第12-15页 |
1.2.2 信用风险研究综述 | 第15-18页 |
1.3 研究思路与研究框架 | 第18-20页 |
1.4 创新点 | 第20-21页 |
第二章 供应链金融信用风险评价指标体系的构建 | 第21-36页 |
2.1 供应链金融系统概况 | 第21-27页 |
2.1.1 供应链金融内涵及特点 | 第21-23页 |
2.1.2 供应链金融参与主体 | 第23页 |
2.1.3 供应链金融产品 | 第23-24页 |
2.1.4 供应链金融的意义 | 第24-27页 |
2.2 供应链金触信用风险影响因素 | 第27-32页 |
2.2.1 融资企业自身状况 | 第28-30页 |
2.2.2 核心企业影响因素 | 第30-31页 |
2.2.3 供应链运营状况 | 第31页 |
2.2.4 宏观环境因素 | 第31-32页 |
2.3 供应链金融信用风险评价指标体系 | 第32-34页 |
2.3.1 指标选取的基本原则 | 第32-33页 |
2.3.2 供应链金融信用风险评价指标筛选 | 第33页 |
2.3.3 构建供应链金融信用风险评价指标体系 | 第33-34页 |
2.4 本章小结 | 第34-36页 |
第三章 供应链金融信用风险评价方法的选择 | 第36-46页 |
3.1 信用风险评价方法 | 第36-38页 |
3.1.1 主观分析和传统比例的信用评价方法 | 第36页 |
3.1.2 统计分析类评价方法 | 第36-37页 |
3.1.3 非线性评价方法 | 第37-38页 |
3.1.4 现代信用风险计量模型 | 第38页 |
3.2 评价方法的选择 | 第38-40页 |
3.2.1 现有评价方法的问题分析 | 第38-40页 |
3.2.2 评价方法的确定 | 第40页 |
3.3 支持向量机 SVM | 第40-44页 |
3.3.1 最优分类超平面 | 第41-42页 |
3.3.2 线性可分支持向量机 | 第42-44页 |
3.3.3 非线性可分支持向量机 | 第44页 |
3.4 本章小结 | 第44-46页 |
第四章 支持向量机分类的算法改进 | 第46-53页 |
4.1 改进思路 | 第46页 |
4.2 带模糊隶属度的 SVM | 第46-49页 |
4.2.1 变量的模糊化处理 | 第47-48页 |
4.2.2 隶属度函数的选择 | 第48-49页 |
4.3 带可变惩罚因子的 FSVM | 第49-51页 |
4.3.1 可变惩罚因子的引进 | 第49-50页 |
4.3.2 带可变惩罚因子的 FSVM 求解 | 第50-51页 |
4.4 本章小结 | 第51-53页 |
第五章 供应链金融信用风险评估模型的构建 | 第53-60页 |
5.0 模型结构 | 第53-54页 |
5.1 基于主成分分析的信用指标选取 | 第54-56页 |
5.1.1 主成分分析原理 | 第54-55页 |
5.1.2 主成分的计算 | 第55-56页 |
5.2 LSFSVM 参数的选择 | 第56-57页 |
5.2.1 核函数的选取 | 第56页 |
5.2.2 模型参数的确定 | 第56-57页 |
5.3 模型性能分析 | 第57-59页 |
5.4 本章小结 | 第59-60页 |
第六章 应用分析 | 第60-75页 |
6.1 数据采集及说明 | 第60-62页 |
6.2 评价指标的主成分分析 | 第62-64页 |
6.3 模型样本的选取及参数的确定 | 第64-68页 |
6.3.1 训练样本和测试样本的确定 | 第64-67页 |
6.3.2 基于交叉检验的参数寻优 | 第67-68页 |
6.4 评估结果及对比分析 | 第68-74页 |
6.4.1 基于 PCA-LSFSVM 的供应链金融信用风险评估 | 第68-69页 |
6.4.2 基于 PCA-Logistic 回归的供应链金融信用风险评估 | 第69-72页 |
6.4.3 对比分析 | 第72-74页 |
6.5 本章小结 | 第74-75页 |
结论与展望 | 第75-77页 |
参考文献 | 第77-82页 |
攻读硕士学位期间取得的研究成果 | 第82-83页 |
致谢 | 第83-84页 |
附件 | 第84页 |