数据挖掘在银行信用风险管理中的应用及实证研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景及意义 | 第10页 |
| ·论文的研究思路和方法 | 第10-11页 |
| ·论文研究思路 | 第11页 |
| ·论文研究方法 | 第11页 |
| ·论文结构 | 第11-13页 |
| 第二章 信用卡风险管理及信用评分的现状和发展 | 第13-18页 |
| ·信用卡及其发展现状 | 第13页 |
| ·信用卡风险管理必要性 | 第13-14页 |
| ·信用卡风险管理方法 | 第14-15页 |
| ·信用评分现状及发展 | 第15-18页 |
| ·信用评分模型发展历史 | 第16页 |
| ·信用评分模型的优势 | 第16-17页 |
| ·国内商业银行应用现状 | 第17-18页 |
| 第三章 数据挖掘技术概述 | 第18-33页 |
| ·数据挖掘的产生 | 第18页 |
| ·数据挖掘的定义 | 第18-19页 |
| ·数据挖掘的功能 | 第19-21页 |
| ·概念描述:定性与对比 | 第20页 |
| ·关联分析 | 第20页 |
| ·分类与预测 | 第20-21页 |
| ·聚类分析 | 第21页 |
| ·异类分析 | 第21页 |
| ·演化分析 | 第21页 |
| ·数据挖掘的过程模型 | 第21-22页 |
| ·CRISP-DM模型 | 第22页 |
| ·数据挖掘中相关技术 | 第22-24页 |
| ·为何要建数据仓库 | 第23-24页 |
| ·数据挖掘与数据仓库 | 第24页 |
| ·数据挖据在信用卡风险生命周期中的主要运用分析 | 第24-25页 |
| ·分析工具介绍 | 第25-26页 |
| ·决策树模型 | 第26-30页 |
| ·什么是决策树 | 第26页 |
| ·决策树模型描述 | 第26-27页 |
| ·决策树类型 | 第27-28页 |
| ·决策树一般生成过程 | 第28页 |
| ·决策树简化方法 | 第28-30页 |
| ·决策树的评价指标 | 第30页 |
| ·Logistic模型 | 第30-33页 |
| ·Logistic回归基本概念 | 第30-32页 |
| ·Logistic回归模型的估计与检验 | 第32-33页 |
| 第四章 数据挖掘模型在信用卡发卡管理的应用 | 第33-53页 |
| ·数据集介绍 | 第33-34页 |
| ·模型分析 | 第34-53页 |
| ·数据操作 | 第34-35页 |
| ·数据特征分析 | 第35-39页 |
| ·变量对客户分类的统计及分布 | 第39-46页 |
| ·决策树模型决策树分析 | 第46-49页 |
| ·Logistic模型分析 | 第49-50页 |
| ·模型评估 | 第50-52页 |
| ·模型应用 | 第52-53页 |
| 第五章 基于数据挖掘的信用卡管理系统解决方案 | 第53-60页 |
| ·系统设计必要性 | 第53-54页 |
| ·系统总计设计 | 第54-60页 |
| ·系统架构 | 第54-55页 |
| ·系统总体设计 | 第55-56页 |
| ·系统功能 | 第56-58页 |
| ·审批管理 | 第56-57页 |
| ·催收管理 | 第57页 |
| ·系统安全管理 | 第57页 |
| ·项目管理 | 第57页 |
| ·数据获取 | 第57-58页 |
| ·系统实现 | 第58-60页 |
| 第六章 结论及近一步研究展望 | 第60-62页 |
| ·本文研究贡献和结论 | 第60页 |
| ·本文研究的局限 | 第60-61页 |
| ·近一步研究的展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-64页 |
