基于SVM的我国商业银行信用风险管理模型研究
| 中文摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 信用风险管理的研究背景、发展和一般方法 | 第11-16页 |
| §1.1 信用风险和信用风险管理的概念 | 第11-12页 |
| §1.2 信用风险管理的研究背景 | 第12-13页 |
| §1.3 信用风险管理的发展和一般方法 | 第13-16页 |
| 1.3.1 参数统计方法 | 第13-14页 |
| 1.3.2 非参数统计方法 | 第14-15页 |
| 1.3.3 专家系统 | 第15页 |
| 1.3.4 神经网络方法 | 第15-16页 |
| 1.3.5 支持向量机 | 第16页 |
| 第二章 支持向量机方法 | 第16-30页 |
| §2.1 SVM的理论基础 | 第16-21页 |
| 2.1.1 经验风险 | 第18-19页 |
| 2.1.2 学习过程的一致性与VC维 | 第19-20页 |
| 2.1.3 结构风险最小化原则 | 第20-21页 |
| §2.2 支持向量机方法 | 第21-27页 |
| 2.2.1 线性可分情况下的SVM | 第22-24页 |
| 2.2.2 线性不可分情况下的SVM | 第24-27页 |
| §2.3 含异常点情况下的支持向量机 | 第27-30页 |
| 第三章 信用风险管理模型的建立 | 第30-34页 |
| §3.1 确定数据源与数据的清洗 | 第30页 |
| §3.2 指标变量的筛选 | 第30-32页 |
| §3.3 SVM算法的改进 | 第32-34页 |
| 3.3.1 SVM算法核函数的优选 | 第32-33页 |
| 3.3.2 SVM算法参数的优选 | 第33-34页 |
| 第四章 改进算法在信用风险管理中的实证分析 | 第34-37页 |
| §4.1 样本数据的选取与处理 | 第34-35页 |
| §4.2 仿真实验及结果分析 | 第35-37页 |
| 参考文献 | 第37-40页 |
| 致谢 | 第40-41页 |
| 附录 | 第41-48页 |
| 附件 | 第48页 |
