| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 0 引言 | 第10-24页 |
| ·研究背景及研究意义 | 第10-15页 |
| ·论题的选题背景、课题研究 | 第10-12页 |
| ·重要意义和必要性 | 第12-15页 |
| ·国内外研究现状 | 第15-21页 |
| ·国外房地产信贷个人信用风险评估研究现状 | 第15-18页 |
| ·国内房地产信贷个人信用风险评估研究现状 | 第18-21页 |
| ·研究思路和方法 | 第21-23页 |
| ·研究思路和结构安排 | 第21-22页 |
| ·研究方法 | 第22-23页 |
| ·本文的创新之处 | 第23-24页 |
| 1 房地产信贷个人信用风险评估概述 | 第24-35页 |
| ·房地产信贷个人信用风险的基本概念 | 第24-27页 |
| ·房地产信贷个人信用风险定义及特点 | 第24-25页 |
| ·房地产信贷个人信用风险成因分析 | 第25-27页 |
| ·传统信用风险的度量方法 | 第27-30页 |
| ·“6C”评分法 | 第27-28页 |
| ·信用评分方法 | 第28-30页 |
| ·现代信用风险评价模型分析及比较 | 第30-35页 |
| ·Credit Metrics 模型 | 第30-32页 |
| ·Credit Portfolio View 信贷组合模型 | 第32页 |
| ·Credit Risk+信用风险附加计量模型 | 第32-33页 |
| ·基于人工神经网络的个人房地产信用风险模型 | 第33-35页 |
| 2 人工神经网络与粗集的原理及其在房地产信用评价的应用 | 第35-45页 |
| ·人工智能学科的应用发展简述 | 第35页 |
| ·人工神经网络及 B-P 神经网络的基本原理及算法 | 第35-38页 |
| ·B-P 神经网络的基本原理 | 第35-37页 |
| ·B-P 算法 | 第37-38页 |
| ·粗糙集的基本原理 | 第38-39页 |
| ·B-P 神经网络在房地产信贷个人信用风险评价中的可行性 | 第39-45页 |
| ·我国房地产信贷个人信用风险评估的特点 | 第39-42页 |
| ·B-P 网络在房地产个人信用风险评估应用的优越性 | 第42-45页 |
| 3 我国房地产信贷个人信用风险评估模型的建立及验证 | 第45-62页 |
| ·房地产信贷中个人信用风险评价 | 第45-48页 |
| ·房地产个人信用风险的影响因素 | 第45-48页 |
| ·神经网络技术对房地产个人信用风险管理的影响 | 第48页 |
| ·个人信用风险模型指标体系的构建 | 第48-56页 |
| ·个人信用风险评估模型指标的选取原则 | 第48-50页 |
| ·个人信用风险评估模型指标的选择 | 第50-52页 |
| ·个人信用风险评估模型指标权重的确定及取值 | 第52-56页 |
| ·B-P 网络结构的确定 | 第56-57页 |
| ·B-P 网络模型的仿真 | 第57-60页 |
| ·数据的获得及归一化处理 | 第57-58页 |
| ·基于粗集-神经网络的房地产信贷个人信用风险评估模型的构建 | 第58-59页 |
| ·模型的仿真与实证检验 | 第59页 |
| ·应用实例 | 第59-60页 |
| ·研究结论 | 第60-62页 |
| 4 对策与建议 | 第62-67页 |
| ·美国次贷危机给我们的启示 | 第62-64页 |
| ·对策与建议 | 第64-66页 |
| ·有待进一步研究的问题 | 第66-67页 |
| 参考文献 | 第67-69页 |
