| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究背景 | 第10-11页 |
| ·研究目的和意义 | 第11-12页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11-12页 |
| ·国内外研究动态 | 第12-18页 |
| ·国外研究动态 | 第12-15页 |
| ·国内研究动态 | 第15-18页 |
| ·国内外研究动态评析 | 第18页 |
| ·研究思路与方法 | 第18-19页 |
| ·研究思路 | 第18-19页 |
| ·研究方法 | 第19页 |
| ·创新之处 | 第19-20页 |
| 第二章 我国农户小额信贷理论及其信用风险分析 | 第20-26页 |
| ·小额信贷概述 | 第20-22页 |
| ·小额信贷概念 | 第20页 |
| ·我国小额信贷发展历程 | 第20-21页 |
| ·农户小额信贷及其特点 | 第21-22页 |
| ·农户小额信贷信用风险及其产生原因 | 第22-26页 |
| ·信用风险定义 | 第22页 |
| ·农户小额信贷信用风险产生原因 | 第22-26页 |
| 第三章 人工神经网络理论及BP 学习算法 | 第26-35页 |
| ·人工神经网络 | 第26-28页 |
| ·神经元模型及其变换函数 | 第26-28页 |
| ·神经网络的学习 | 第28页 |
| ·BP 学习算法 | 第28-34页 |
| ·BP 算法推导 | 第29-31页 |
| ·BP 算法的改进 | 第31-33页 |
| ·BP 网络训练模式 | 第33-34页 |
| ·人工神经网络特点 | 第34-35页 |
| 第四章 农户小额信贷信用风险评估的实证研究 | 第35-50页 |
| ·样本选择与分组 | 第35页 |
| ·指标确定 | 第35-38页 |
| ·原始指标选择 | 第35-36页 |
| ·指标筛选 | 第36-38页 |
| ·基于BP 神经网络的信用风险评估的实现 | 第38-46页 |
| ·数据归一化处理 | 第38-39页 |
| ·BP 网络结构设计 | 第39-41页 |
| ·权值初始化及训练参数设置 | 第41-42页 |
| ·网络训练 | 第42-44页 |
| ·网络测试 | 第44-46页 |
| ·基于Logit 模型的信用风险评估的实现 | 第46-49页 |
| ·模型介绍 | 第46-47页 |
| ·模型建立 | 第47-48页 |
| ·模型测试 | 第48-49页 |
| ·小结 | 第49-50页 |
| 第五章 结论及政策建议 | 第50-53页 |
| ·结论 | 第50-51页 |
| ·政策建议 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 附录 | 第56-59页 |
| 附录1：样本正态性检验 | 第56-57页 |
| 附录2：基于BP 神经网络的农户小额信贷信用风险评估的程序实现 | 第57-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |