| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·选题背景与研究意义 | 第8-10页 |
| ·选题背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究文献综述 | 第10-14页 |
| ·国外研究文献综述 | 第10-12页 |
| ·国内研究文献综述 | 第12-14页 |
| ·研究方法与结构 | 第14-15页 |
| ·本文可能创新点 | 第15-16页 |
| 第二章 相关理论分析 | 第16-26页 |
| ·商业银行公司客户信用风险理论概述 | 第16-18页 |
| ·信用风险的概念与分类 | 第16页 |
| ·信用风险的内涵与本质 | 第16-17页 |
| ·信用风险的数学特征 | 第17-18页 |
| ·信用风险精准度量和管理概述 | 第18-21页 |
| ·信用风险精准度量和管理的概念 | 第18-19页 |
| ·信用风险精准度量方法及对比分析 | 第19-21页 |
| ·数据挖掘技术及理论分析 | 第21-26页 |
| ·数据挖掘的定义、任务及流程 | 第21-23页 |
| ·数据挖掘在金融行业的应用及意义 | 第23-24页 |
| ·数据挖掘在信用风险精准度量的应用优势 | 第24-26页 |
| 第三章 商业银行公司客户信用风险模型的设计 | 第26-37页 |
| ·信用风险精准度量指标体系构建 | 第26-33页 |
| ·指标选取原则和依据 | 第26页 |
| ·财务类指标选取 | 第26-32页 |
| ·非财务类指标选取 | 第32-33页 |
| ·信用风险精准度量模型构建 | 第33-37页 |
| ·模型构建原则与注意事项 | 第33-34页 |
| ·本文基于数据挖掘的风险精准度流量模型构建 | 第34-37页 |
| 第四章 基于数据挖掘的信用风险精准度量 LOGISTIC 实证分析 | 第37-52页 |
| ·挖掘技术工具 Clementine 软件 | 第37-39页 |
| ·Clementine 功能及特点 | 第37-38页 |
| ·Clementine 数据挖掘步骤及建模标准 | 第38-39页 |
| ·数据理解和数据准备 | 第39-42页 |
| ·样本选取来源 | 第39页 |
| ·样本分组界定 | 第39-40页 |
| ·样本数据配比及选取 | 第40-42页 |
| ·建立模型 | 第42-49页 |
| ·因子分析模型建立及求解 | 第42-47页 |
| ·Logistic 模型建立及求解 | 第47-49页 |
| ·模型检验及改进 | 第49-50页 |
| ·模型总结与评价 | 第50-52页 |
| 第五章 结论及意义 | 第52-55页 |
| ·结论 | 第52-53页 |
| ·研究不足与未来展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 发表论文和参加科研情况说明 | 第58-59页 |
| 致谢 | 第59页 |