基于人工智能方法的贷款分类模型研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序 | 第8-11页 |
| 1 引言 | 第11-12页 |
| 2 我国贷款分类的方法 | 第12-16页 |
| ·“一逾两呆”分类方法 | 第12页 |
| ·五级分类法 | 第12-14页 |
| ·五级分类法与“一逾两呆”的比较 | 第14-16页 |
| 3 影响贷款归还可能性的因素 | 第16-32页 |
| ·财务因素分析 | 第16-23页 |
| ·财务因素分析的内容 | 第16页 |
| ·盈利能力分析 | 第16-17页 |
| ·营运能力分析 | 第17-20页 |
| ·长期偿债能力分析 | 第20-21页 |
| ·短期偿债能力分析 | 第21-23页 |
| ·现金流量分析 | 第23-24页 |
| ·现金 | 第23-24页 |
| ·现金流量 | 第24页 |
| ·非财务因素分析 | 第24-29页 |
| ·行业风险分析 | 第24-26页 |
| ·经营风险分析 | 第26-27页 |
| ·管理风险分析 | 第27-28页 |
| ·银行贷款管理 | 第28-29页 |
| ·信用支持 | 第29-32页 |
| ·担保的种类 | 第30-32页 |
| 4 专家系统及人工神经网络概述 | 第32-44页 |
| ·专家系统 | 第32-36页 |
| ·专家系统的特点 | 第32-33页 |
| ·专家系统的优点 | 第33-34页 |
| ·专家系统分类 | 第34页 |
| ·专家系统的一般结构 | 第34-35页 |
| ·产生式专家系统 | 第35-36页 |
| ·人工神经网络 | 第36-44页 |
| ·人工神经网络的特点 | 第38-39页 |
| ·人工神经网络的结构 | 第39-41页 |
| ·前向三层BP神经网络模型 | 第41页 |
| ·B—P网络的学习算法 | 第41-44页 |
| 5 贷款分类研究 | 第44-64页 |
| ·基于人工智能研究的基本框架 | 第44-45页 |
| ·基于B—P神经网络的财务因素分析 | 第45-52页 |
| ·建立财务分析指标体系 | 第45-46页 |
| ·人工神经网络模型构造 | 第46页 |
| ·财务分析的实证研究 | 第46-52页 |
| ·现金流量因素分析及实证 | 第52-54页 |
| ·基于专家系统的非财务因素分析 | 第54-60页 |
| ·贷款风险分类的综合分析 | 第60-64页 |
| ·贷款风险分类综合分析专家系统知识结构 | 第60页 |
| ·贷款分类综合分析的知识表示 | 第60-64页 |
| 6 结论 | 第64-65页 |
| 参考文献 | 第65-66页 |
| 作者简历 | 第66-68页 |
| 学位论文数据集 | 第68页 |
