| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外相关研究综述 | 第12-14页 |
| 1.2.1 国外相关研究综述 | 第12-13页 |
| 1.2.2 国内相关研究综述 | 第13-14页 |
| 1.3 本文研究内容与章节安排 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 信用风险管理理论与度量方法 | 第15-27页 |
| 2.1 信用风险的含义、产生及其特点 | 第15-17页 |
| 2.1.1 信用、信用风险的含义 | 第15-16页 |
| 2.1.2 信用风险的产生 | 第16页 |
| 2.1.3 信用风险的特点 | 第16-17页 |
| 2.2 《巴塞尔资本协议》与商业银行信用风险管理 | 第17-19页 |
| 2.2.1 1988 年的《巴塞尔报告》与商业银行信用风险管理 | 第17-18页 |
| 2.2.2 《新巴塞尔资本协议》对银行信用风险的防范要求 | 第18-19页 |
| 2.2.3 《巴塞尔协议Ⅲ》与商业银行信用风险管理 | 第19页 |
| 2.3 现代信用风险度量模型 | 第19-26页 |
| 2.3.1 Credit Metrices模型 | 第19-21页 |
| 2.3.2 KMV模型 | 第21-23页 |
| 2.3.3 Credit Risk+模型 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 本文研究样本选取及指标体系的构建 | 第27-31页 |
| 3.1 本文信用风险度量系统构建及步骤设计 | 第27-28页 |
| 3.2 本文研究样本的选取 | 第28页 |
| 3.3 本文构建信用风险评价指标体系遵循的原则 | 第28-29页 |
| 3.4 本文信用风险评价指标筛选方法 | 第29页 |
| 3.5 基于本文数据库情况选取的信用风险评价指标 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于Fisher判别分析及BP神经网络的信用风险度量系统构建 | 第31-47页 |
| 4.1 判别分析原理 | 第31-33页 |
| 4.1.1 判别分析概述 | 第31页 |
| 4.1.2 费舍（Fisher）判别法 | 第31-33页 |
| 4.2 基于Fisher判别分析法的信用风险度量系统的建立 | 第33-38页 |
| 4.2.1 Fisher判别分析法的信用风险度量系统流程 | 第33-34页 |
| 4.2.2 对数据进行归一化处理 | 第34-36页 |
| 4.2.3 样本数据适用性检验 | 第36-37页 |
| 4.2.4 Fisher判别模型建立及模型检验 | 第37-38页 |
| 4.3 BP神经网络基本理论 | 第38-41页 |
| 4.3.1 BP神经网络介绍 | 第38-39页 |
| 4.3.2 三层BP神经网络的数学模型 | 第39-40页 |
| 4.3.3 BP算法实现步骤及流程图 | 第40-41页 |
| 4.4 基于BP神经网络的信用风险度量系统的构建 | 第41-45页 |
| 4.4.1 划分数据集 | 第41-42页 |
| 4.4.2 对数据进行归一化处理 | 第42页 |
| 4.4.3 BP神经网络网络模型的参数设计 | 第42-43页 |
| 4.4.4 BP神经网络模型的训练及检验 | 第43-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第5章 信用风险度量系统实证应用 | 第47-50页 |
| 5.1 基于Fisher判别分析法的信用风险度量系统的实证应用 | 第47-48页 |
| 5.2 基于BP神经网络的信用风险度量系统的实证应用 | 第48页 |
| 5.3 模型结果对比分析 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 结论 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 附录A 数据库中企业财务报表示例 | 第55-61页 |
| 附录B BP神经网络模型MALTAB源代码 | 第61-65页 |
| 致谢 | 第65页 |
