基于主成分分析和BP的商业银行个人信贷风险评价研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·国外研究现状 | 第12-13页 |
| ·国内研究现状 | 第13-15页 |
| ·论文的研究思路和主要内容 | 第15-17页 |
| 第2章 风险与信贷风险理论概述 | 第17-23页 |
| ·风险的概念 | 第17页 |
| ·信贷风险理论概述 | 第17-20页 |
| ·信贷风险的内涵 | 第17-18页 |
| ·信贷风险的主要特征 | 第18页 |
| ·个人信贷风险的分类 | 第18-20页 |
| ·商业银行信贷风险评估方法 | 第20-21页 |
| ·信贷风险评估中的定性评估方法 | 第20页 |
| ·信贷风险评估中的定量评估方法 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 商业银行个人信贷风险评价模型的构建 | 第23-35页 |
| ·商业银行个人信贷风险评价指标体系的构建 | 第23-27页 |
| ·评价指标体系构建的原则 | 第23页 |
| ·个人信贷风险评价指标体系的构建 | 第23-27页 |
| ·主成分分析法模型的构建 | 第27-30页 |
| ·主成分分析的基本概念 | 第27页 |
| ·主成分分析的一般步骤 | 第27页 |
| ·主成分分析数学模型的建立 | 第27-29页 |
| ·主成分分析模型统计量的意义 | 第29页 |
| ·主成分分析在个人信贷风险评价中的优势 | 第29-30页 |
| ·基于人工神经网络的个人信贷风险评价模型设计 | 第30-33页 |
| ·人工神经网络 | 第30-31页 |
| ·BP学习算法 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 实证分析 | 第35-43页 |
| ·基于主成分分析的个人信贷指标筛选 | 第35-37页 |
| ·原始数据的建立 | 第35页 |
| ·KMO and Bartlett's检验 | 第35-36页 |
| ·主成分因子初始解分析 | 第36-37页 |
| ·方差贡献率分析 | 第37页 |
| ·基于BP神经网络的个人信贷风险评价实现 | 第37-42页 |
| ·个人信贷风险评价指标的量化 | 第37-38页 |
| ·样本选择 | 第38-39页 |
| ·基于BP神经网络的个人信贷风险评价 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第5章 提升商业银行个人信贷风险管理水平的对策 | 第43-47页 |
| ·个人信贷风险控制体系的构建 | 第43-44页 |
| ·加强商业银行个人信贷风险管理的对策 | 第44-46页 |
| ·完善商业银行个人信用评估系统 | 第44-45页 |
| ·强化商业银行内部的风险控制 | 第45页 |
| ·提升商业银行信贷工作人员的综合素质 | 第45-46页 |
| ·提升现代信息技术的应用水平 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第6章 结论与展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第52-53页 |
| 致谢 | 第53页 |
