| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究方法 | 第12-14页 |
| 第2章 相关理论和文献综述 | 第14-25页 |
| 2.1 关联公司 | 第14-19页 |
| 2.1.1 关联公司概念 | 第14页 |
| 2.1.2 关联公司组织形式 | 第14-16页 |
| 2.1.3 关联公司相互关系 | 第16-17页 |
| 2.1.4 关联公司债权人的法律保护 | 第17-19页 |
| 2.2 国内外研究综述 | 第19-24页 |
| 2.2.1 关联公司贷款风险研究综述 | 第19-20页 |
| 2.2.2 关联公司存在原因综述 | 第20-23页 |
| 2.2.3 控制权和企业集团存在性理论综述 | 第23-24页 |
| 2.3 信贷欺诈与反欺诈理论 | 第24-25页 |
| 第3章 关联公司实例现状与分析 | 第25-35页 |
| 3.1 关联公司实例介绍 | 第26-27页 |
| 3.2 关联公司实例分析 | 第27-30页 |
| 3.2.1 实际控制人和控制权 | 第27-28页 |
| 3.2.2 关联关系 | 第28页 |
| 3.2.3 关联公司贷款的特征 | 第28-30页 |
| 3.3 关联公司贷款发生的背景和存在的问题 | 第30-35页 |
| 3.3.1 实际控制人的选择 | 第30-31页 |
| 3.3.2 发现的问题 | 第31-35页 |
| 第4章 民营企业融资中关联公司贷款风险预警模型的建立与风险识别 | 第35-60页 |
| 4.1 识别实际控制人 | 第36-38页 |
| 4.1.1 制定标准 | 第36-37页 |
| 4.1.2 发现实际控制人 | 第37-38页 |
| 4.2 梳理关联关系 | 第38-39页 |
| 4.3 识别关联公司贷款特征 | 第39页 |
| 4.4 建立风险预警模型 | 第39-59页 |
| 4.4.1 神经元网络结构分析 | 第40-45页 |
| 4.4.2 建立风险预警指标体系 | 第45-47页 |
| 4.4.3 采用专家打分机制 | 第47-49页 |
| 4.4.4 建立BP神经元网络模型 | 第49-54页 |
| 4.4.5 模型训练 | 第54-56页 |
| 4.4.6 模型实例检测 | 第56-57页 |
| 4.4.7 模型实例预测 | 第57-58页 |
| 4.4.8 制定相应的风险应对措施 | 第58-59页 |
| 4.5 明确和追究责任 | 第59-60页 |
| 第5章 民营企业融资中关联公司贷款的风险防范 | 第60-67页 |
| 5.1 制度建设 | 第60-62页 |
| 5.1.1 完善国内法律建设 | 第60-61页 |
| 5.1.2 搭建关联信息共享平台 | 第61页 |
| 5.1.3 建立政银企多方联动机制 | 第61-62页 |
| 5.2 客户分析 | 第62-64页 |
| 5.2.1 加强贷前调查及关联审查 | 第62-63页 |
| 5.2.2 加强集团融资担保和现金流调查 | 第63-64页 |
| 5.2.3 识别公司关联特征 | 第64页 |
| 5.3 银行管理 | 第64-66页 |
| 5.3.1 做好客户选择及风险缓释措施 | 第64-65页 |
| 5.3.2 做好集团公司评级授信 | 第65页 |
| 5.3.3 创建内部督察体系 | 第65页 |
| 5.3.4 加强贷后管理 | 第65-66页 |
| 5.4 技术手段 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 作者简介 | 第71-72页 |