| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-22页 |
| ·研究背景、目的及意义 | 第9页 |
| ·国别风险评估方法的国内外研究现状和评价 | 第9-19页 |
| ·国别风险的定性评估方法 | 第10-12页 |
| ·国别风险的定量评估方法 | 第12-17页 |
| ·国别风险的定性与定量相结合的方法 | 第17页 |
| ·文献评述 | 第17-19页 |
| ·研究思路与模型选取 | 第19页 |
| ·本文主要研究内容 | 第19-21页 |
| ·本文的创新点 | 第21-22页 |
| 2 国别风险简介及指标体系设置 | 第22-32页 |
| ·国别风险及影响因素分析 | 第22-25页 |
| ·国别风险指标体系的设置 | 第25-32页 |
| ·指标体系建立依据 | 第25-29页 |
| ·指标选择原则 | 第29页 |
| ·指标体系设置 | 第29-32页 |
| 3 混合神经网络原理及具体建模思路介绍 | 第32-39页 |
| ·人工神经网络与混合神经网络 | 第32-35页 |
| ·人工神经网络 | 第32-35页 |
| ·混合神经网络 | 第35页 |
| ·国别风险评估中混合神经网络模型的应用条件 | 第35-36页 |
| ·具体模型选取及应用 | 第36-39页 |
| ·统计模型选取及应用 | 第36页 |
| ·神经网络模型选取及应用 | 第36-39页 |
| 4 基于混合神经网络模型的国别风险实证分析 | 第39-57页 |
| ·数据来源与指标选择 | 第39-41页 |
| ·因变量的选择及来源 | 第39-40页 |
| ·协变量的选择及来源 | 第40-41页 |
| ·样本数据的选择与处理 | 第41-46页 |
| ·指标数据的筛选与预处理 | 第41-45页 |
| ·Logit实证处理过程 | 第45-46页 |
| ·多层感知器神经网络(MLP)二元分类的国别风险评估 | 第46-52页 |
| ·多层感知器神经网络二元分类评估过程 | 第46页 |
| ·多层感知器神经网络二元分类的国别风险评估结果 | 第46-52页 |
| ·径向基概率神经网络(PNN)多分类的国别风险评估 | 第52-57页 |
| ·概率神经网络多分类评估过程 | 第53页 |
| ·概率神经网络多分类的国别风险评估结果 | 第53-57页 |
| 5 评估结果分析及改进措施 | 第57-59页 |
| ·模型评估结果分析 | 第57页 |
| ·模型的改进措施 | 第57-58页 |
| ·本文研究的局限性及后续研究方向 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录A PNN网络训练编程说明 | 第61-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-67页 |