光大银行信贷风险分类决策支持系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-10页 |
| ·研究背景 | 第8页 |
| ·研究目标 | 第8-9页 |
| ·研究目的与意义 | 第9-10页 |
| 2 理论综述 | 第10-27页 |
| ·信贷风险管理 | 第10-12页 |
| ·商业银行信贷风险概念及特征 | 第10-11页 |
| ·信贷风险管理的主要内容 | 第11页 |
| ·与西方商业银行信贷风险管理的比较 | 第11-12页 |
| ·决策支持系统 | 第12-15页 |
| ·DSS 的定义 | 第12-13页 |
| ·决策支持系统体系结构 | 第13-14页 |
| ·决策支持系统的基本要求 | 第14-15页 |
| ·知识管理 | 第15-18页 |
| ·知识分类与集成 | 第15-16页 |
| ·知识管理的内涵 | 第16-17页 |
| ·知识管理系统 | 第17-18页 |
| ·人工智能 | 第18-27页 |
| ·人工智能概述 | 第19页 |
| ·知识管理与人工智能 | 第19-21页 |
| ·人工智能技术中的知识表示方法 | 第21-25页 |
| ·基于知识管理的智能型系统结构 | 第25-27页 |
| 3 光大银行信贷风险分类模型分析 | 第27-39页 |
| ·光大银行风险管理现状 | 第27-28页 |
| ·光大银行简介 | 第27页 |
| ·光大银行不良信贷资产现状 | 第27-28页 |
| ·光大银行信贷风险管理分析 | 第28-29页 |
| ·国内外建立信贷风险决策的模型的研究状况 | 第29-32页 |
| ·信贷风险管理与知识管理 | 第32-36页 |
| ·我国贷款风险五级分类法 | 第32页 |
| ·贷款风险分类与知识管理的关系 | 第32-34页 |
| ·基于知识管理的贷款风险分类分析 | 第34-36页 |
| ·光大银行信贷风险决策模型的建立 | 第36-39页 |
| 4 光大银行信贷风险分类决策支持系统设计 | 第39-64页 |
| ·基于专家系统技术（ES）的非财务因素的分析 | 第39-52页 |
| ·非财务因素分析的重要性 | 第39-40页 |
| ·基于知识系统的（KBS）开发方法 | 第40-46页 |
| ·非财务因素分析的专家系统 | 第46-52页 |
| ·基于神经网络（ANN）的财务因素分析 | 第52-55页 |
| ·财务因素分析的重要性 | 第52-53页 |
| ·ANN 的开发 | 第53-55页 |
| ·财务因素分析系统设计目标 | 第55页 |
| ·ANN 与ES 集成系统的结构 | 第55-60页 |
| ·ANN 与ES 集成的必要性 | 第55-56页 |
| ·ANN 与ES 集成系统的结构 | 第56-60页 |
| ·光大银行贷款风险分类的综合分析 | 第60-64页 |
| 5 实施效果评价 | 第64-66页 |
| ·主要硬性指标 | 第64-65页 |
| ·其它技术指标 | 第65-66页 |
| 6 结论 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-69页 |
