| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 目录 | 第8-11页 |
| 1 引言 | 第11-18页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·研究内容和框架 | 第13-15页 |
| ·研究方法 | 第15-16页 |
| ·研究创新 | 第16-17页 |
| ·研究不足 | 第17-18页 |
| 2 文献综述 | 第18-24页 |
| ·商业银行信贷风险现状分析 | 第18-19页 |
| ·商业银行信贷风险度量模型国内外研究现状 | 第19-24页 |
| ·传统信贷风险度量模型文献综述 | 第19-21页 |
| ·现代信贷风险度量模型文献综述 | 第21-24页 |
| 3 我国商业银行信贷风险度量管理的现状与挑战 | 第24-33页 |
| ·中国商业银行信贷风险度量和管理现状 | 第24-27页 |
| ·商业银行信贷风险度量和管理主要指标 | 第24-26页 |
| ·我国商业银行信贷风险度量主要参数 | 第26-27页 |
| ·我国商业银行信贷风险度量所面临的主要问题 | 第27-33页 |
| ·信贷结构改变增加度量难度 | 第27-28页 |
| ·政府融资平台财务信息获取困难 | 第28-31页 |
| ·房地产市场调控降低资产质量 | 第31-33页 |
| 4 商业银行信贷风险度量模型综述 | 第33-46页 |
| ·商业银行信贷风险度量模型 | 第33页 |
| ·传统商业银行信贷风险度量模型 | 第33-40页 |
| ·多元判别分析模型 | 第34-35页 |
| ·Logit评价模型 | 第35-36页 |
| ·主成分分析法 | 第36页 |
| ·非参数法 | 第36-37页 |
| ·支持向量机 | 第37-39页 |
| ·神经网络算法 | 第39-40页 |
| ·现代商业银行信贷风险计量模型 | 第40-46页 |
| ·信用度量模型(CreditMetrics) | 第40-41页 |
| ·KMV模型 | 第41-43页 |
| ·信用度量(Credit Risk+)模型 | 第43-46页 |
| 5 基于数据融合的风险评估模型研究以及实证分析 | 第46-57页 |
| ·数据融合技术 | 第46页 |
| ·基于数据融合的LSD模型 | 第46-49页 |
| ·DS证据理论 | 第47页 |
| ·LSD模型算法设计 | 第47-49页 |
| ·模型验证与实证分析 | 第49-54页 |
| ·Logit模型回归分析 | 第50-51页 |
| ·支持向量机输入指标确定 | 第51-54页 |
| ·LSD模型验证与实证分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 6 结论及政策建议 | 第57-63页 |
| ·本文结论 | 第57页 |
| ·政策建议 | 第57-62页 |
| ·完善信贷财务数据库 | 第57-58页 |
| ·加强适合国内银行信贷风险度量模型的建设 | 第58页 |
| ·加强信贷风险管理机制 | 第58-59页 |
| ·调整和优化信贷结构 | 第59-60页 |
| ·加强和完善融资管理平台建设 | 第60-62页 |
| ·需要进一步研究的问题 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68-83页 |
| 附录1：Logit模型的训练样本(主成分分析成分因子) | 第68-72页 |
| 附录2：Logit模型的测试样本(主成分分析成分因子) | 第72-74页 |
| 附录3：支持向量机归一化样本 | 第74-80页 |
| 附录4：SPSS因素负荷分析 | 第80-81页 |
| 附录5：Logit模型主成分分析结果 | 第81-82页 |
| 附录6：Logit模型主成分分析结果 | 第82-83页 |
| 附录7：因子分析各项指标权重 | 第83页 |