| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 选题背景及意义 | 第12-13页 |
| 1.2 文献综述 | 第13-18页 |
| 1.2.1 商业银行流动性风险的相关研究 | 第13-17页 |
| 1.2.2 神经网络算法在银行流动性风险应用的相关研究 | 第17-18页 |
| 1.3 结构安排与研究方法 | 第18-19页 |
| 1.3.1 结构安排 | 第18页 |
| 1.3.2 研究方法 | 第18-19页 |
| 第2章 BP 神经网络及主成分分析相关理论概述 | 第19-30页 |
| 2.1 人工神经网络基本理论 | 第19-24页 |
| 2.1.1 神经元结构模型 | 第19-21页 |
| 2.1.2 神经网络的学习 | 第21-22页 |
| 2.1.3 神经网络模型主要类型 | 第22-24页 |
| 2.2 BP 神经网络 | 第24-27页 |
| 2.2.1 BP 神经网络模型 | 第24-25页 |
| 2.2.2 BP 神经网络基本工作原理 | 第25-26页 |
| 2.2.3 BP 神经网络学习过程 | 第26-27页 |
| 2.3 主成分分析相关理论 | 第27-28页 |
| 2.3.1 主成分分析 | 第28页 |
| 2.3.2 因子分析 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 商业银行流动性风险预警系统分析与设计 | 第30-41页 |
| 3.1 商业银行流动性风险的成因 | 第30-32页 |
| 3.1.1 商业银行发生流动性风险的内部因素 | 第30-32页 |
| 3.1.2 商业银行发生流动性风险的外部因素 | 第32页 |
| 3.2 商业银行流动性风险的衡量 | 第32-34页 |
| 3.2.1 商业银行发生流动性风险的静态度量 | 第32-34页 |
| 3.2.2 商业银行发生流动性风险的动态度量 | 第34页 |
| 3.3 商业银行流动性风险预警指标体系的构建 | 第34-39页 |
| 3.3.1 流动性风险预警机制 | 第34-36页 |
| 3.3.2 神经网络模型预警机制 | 第36-38页 |
| 3.3.3 灰色系统理论模型预警机制 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 商业银行流动性风险预警系统的实证研究 | 第41-54页 |
| 4.1 研究对象的选择 | 第41页 |
| 4.2 样本数据的选择与整理 | 第41-45页 |
| 4.3 样本商业银行流动性风险的判定 | 第45-51页 |
| 4.3.1 样本数据初步处理与分析 | 第45-48页 |
| 4.3.2 样本数据主成分分析结果 | 第48-50页 |
| 4.3.3 样本银行流动性风险的判定 | 第50-51页 |
| 4.4 BP 神经网络模型的流动性风险预警模型实证分析 | 第51-52页 |
| 4.5 灰色系统理论预警模型实证分析 | 第52-53页 |
| 4.6 BP 神经网络和灰色系统理论预警模型的对比分析 | 第53页 |
| 4.7 本章小结 | 第53-54页 |
| 第5章 对建立我国商业银行流动性风险预警的思考 | 第54-57页 |
| 5.1 完善政府在防控银行流动性风险中的作用 | 第54-55页 |
| 5.2 商业银行自身内部风险防控的加强 | 第55页 |
| 5.3 完善商业银行流动性指标体系的构建 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录 A 本文相关数据 | 第63-65页 |
| 附录 B BP 神经网络运行程序 | 第65页 |
