| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-13页 |
| 1.3 本文的研究内容与方法 | 第13-15页 |
| 1.4 本文的创新点 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 个人信用评估理论 | 第16-23页 |
| 2.1 信用风险 | 第16-19页 |
| 2.2 巴塞尔新资本协议与内部评级法 | 第19-21页 |
| 2.3 个人信用评估 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 集成方法基分类器模型 | 第23-32页 |
| 3.1 传统统计分析方法 | 第23-27页 |
| 3.2 现代人工智能方法 | 第27-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 构建个人信用评估指标体系 | 第32-41页 |
| 4.1 样本数据来源 | 第32页 |
| 4.2 样本指标选择 | 第32-33页 |
| 4.3 指标初步分析 | 第33-35页 |
| 4.4 样本数据预处理 | 第35-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 集成分类模型应用 | 第41-59页 |
| 5.1 集成学习理论基础 | 第41-42页 |
| 5.2 Bagging集成工作原理 | 第42-44页 |
| 5.3 Bagging集成模型的建立 | 第44-52页 |
| 5.3.1 Bagging基分类器数目的选择 | 第44-47页 |
| 5.3.2 Bagging集成模型应用结果 | 第47-52页 |
| 5.4 以Bagging为基分类器的集成Bagging模型 | 第52-54页 |
| 5.4.1 模型预测准确率的比较 | 第52-53页 |
| 5.4.2 模型稳健性的比较 | 第53-54页 |
| 5.5 Adaboost集成分类模型应用 | 第54-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-62页 |
| 6.1 全文总结 | 第59-60页 |
| 6.2 政策建议 | 第60-61页 |
| 6.3 研究不足及展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 作者简介 | 第68-69页 |
| 致谢 | 第69页 |