我国互联网金融公司信用风险预警方法与实证研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 第一节 研究背景及意义 | 第10-12页 |
| 一 研究背景 | 第10-11页 |
| 二 研究意义 | 第11-12页 |
| 第二节 主要研究内容和方法 | 第12-15页 |
| 第三节 本文特色和创新之处 | 第15-16页 |
| 第二章 国内外信用风险研究综述 | 第16-23页 |
| 第一节 信用风险预警方法研究现状 | 第16-20页 |
| 一 统计模型评级法 | 第16-18页 |
| 二 结构化模型 | 第18-19页 |
| 三 神经网络预警模型 | 第19-20页 |
| 第二节 信用风险预警指标研究概况 | 第20-23页 |
| 一 财务指标 | 第20-21页 |
| 二 非财务指标 | 第21-23页 |
| 第三章 我国互联网金融公司信用风险现状分析 | 第23-36页 |
| 第一节 我国互联网金融的发展历程 | 第23-27页 |
| 一 我国互联网金融产生的背景 | 第23-24页 |
| 二 互联网金融发展的阶段 | 第24-26页 |
| 三 互联网金融发展的趋势 | 第26-27页 |
| 第二节 我国互联网金融的主要模式 | 第27-30页 |
| 一 第三方支付 | 第28-29页 |
| 二 P2P网络贷款平台 | 第29-30页 |
| 三 众筹 | 第30页 |
| 第三节 互联网金融公司信用风险问题分析 | 第30-36页 |
| 一 互联网金融公司信用风险特点 | 第31-32页 |
| 二 互联网金融公司信用风险的来源 | 第32-34页 |
| 三 互联网金融公司信用风险问题 | 第34-36页 |
| 第四章 我国互联网金融公司信用风险预警方法 | 第36-46页 |
| 第一节 信用风险预警指标选取的原则 | 第36-37页 |
| 第二节 互联网金融公司信用风险预警指标 | 第37-40页 |
| 一 信用风险预警指标的分类 | 第37-38页 |
| 二 信用风险预警指标的确定 | 第38-40页 |
| 第三节 信用风险预警方法 | 第40-46页 |
| 一 主成份分析方法 | 第40-41页 |
| 二 BP神经网络方法 | 第41-44页 |
| 三 基于PCA-BPNN的组合预警方法 | 第44-46页 |
| 第五章 我国互联网金融公司信用风险预警实证分析 | 第46-63页 |
| 第一节 互联网金融上市公司样本的选取 | 第46-48页 |
| 一 数据来源和样本选择 | 第46-47页 |
| 二 样本数据的预处理 | 第47-48页 |
| 第二节 样本数据的处理 | 第48-57页 |
| 一 预警指标的显著性检验 | 第48-52页 |
| 二 主成份分析 | 第52-57页 |
| 第三节 BP神经网络预警模型 | 第57-63页 |
| 一 神经网络层数 | 第57-58页 |
| 二 神经元激活函数 | 第58-59页 |
| 三 实证分析结果 | 第59-63页 |
| 第六章 结论与展望 | 第63-65页 |
| 第一节 研究结论 | 第63-64页 |
| 第二节 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 个人简历 | 第68-69页 |
| 致谢 | 第69页 |
