| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究的背景和意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外文献综述 | 第14-17页 |
| 1.2.1 国外文献综述 | 第14-15页 |
| 1.2.2 国内文献综述 | 第15-17页 |
| 1.2.3 文献综评 | 第17页 |
| 1.3 研究思路 | 第17页 |
| 1.4 论文的创新点 | 第17-19页 |
| 第2章 利率市场化改革及其对贷款定价的影响 | 第19-24页 |
| 2.1 影响贷款定价的因素 | 第19-20页 |
| 2.1.1 成本因素 | 第19页 |
| 2.1.2 风险因素 | 第19-20页 |
| 2.1.3 目标利润 | 第20页 |
| 2.1.4 调整项因素 | 第20页 |
| 2.2 利率市场化 | 第20-23页 |
| 2.2.1 我国利率市场化进程 | 第21-22页 |
| 2.2.2 利率市场化对银行定价能力的影响 | 第22-23页 |
| 2.2.3 新环境下对贷款定价模型需求的影响 | 第23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 目标利润率在成本加成贷款定价模型中的重要性 | 第24-31页 |
| 3.1 成本加成定价法的简介 | 第24-25页 |
| 3.1.1 成本加成贷款定价法的基本原理 | 第24-25页 |
| 3.1.2 成本加成定价法的优点 | 第25页 |
| 3.2 成本加成贷款定价模型的建立 | 第25-28页 |
| 3.2.1 本文选取的具体模型 | 第25-26页 |
| 3.2.2 模型中各因素的计量原则 | 第26-28页 |
| 3.3 测度目标利润率的作用 | 第28-30页 |
| 3.3.1 目标利润率的一般测度方法 | 第28-29页 |
| 3.3.2 测度目标利润率在成本加成定价法中的重要性 | 第29页 |
| 3.3.3 测度目标利润率的困难 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于BP神经网络测度目标利润率的理论分析 | 第31-38页 |
| 4.1 本文所选数据 | 第31-32页 |
| 4.1.1 所选数据的特性 | 第31-32页 |
| 4.1.2 多分类数据分析的困难 | 第32页 |
| 4.2 BP神经网络 | 第32-35页 |
| 4.2.1 BP神经网络的简介 | 第32-33页 |
| 4.2.2 BP神经网络基本原理 | 第33-34页 |
| 4.2.3 学习算法 | 第34-35页 |
| 4.2.4 传递函数 | 第35页 |
| 4.3 BP神经网络模型测度预期目标利润率的优势 | 第35-36页 |
| 4.3.1 BP神经网络的能力 | 第35-36页 |
| 4.3.2 选用BP神经网络模型测度预期目标利润率的原因 | 第36页 |
| 4.4 本章小结 | 第36-38页 |
| 第5章 BP神经网络测度预期目标利润率实证分析 | 第38-50页 |
| 5.1 数据的预处理 | 第38-41页 |
| 5.1.1 逆算目标收益率 | 第38-39页 |
| 5.1.2 多分类型数据的量化 | 第39-41页 |
| 5.2 相关性分析 | 第41-42页 |
| 5.2.1 多分类型数据与目标利润率序列相关性分析 | 第41-42页 |
| 5.2.2 数值型数据与目标利润率序列相关性分析 | 第42页 |
| 5.3 BP神经网络模型的构建 | 第42-45页 |
| 5.3.1 数据归一化方法的选取 | 第42-43页 |
| 5.3.2 训练参数的选取 | 第43页 |
| 5.3.3 传递函数和训练方法的选取 | 第43-44页 |
| 5.3.4 各层神经元个数确定 | 第44-45页 |
| 5.4 基于BP神经网络的预期目标利润率预测分析 | 第45-49页 |
| 5.4.1 训练结果分析 | 第45-47页 |
| 5.4.2 预测结果分析 | 第47-48页 |
| 5.4.3 建议 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 附录A | 第55-56页 |
| 攻读硕士学位期间取得的学术成果 | 第56-57页 |
| 致谢 | 第57页 |
