| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 致谢 | 第9-10页 |
| 一、绪论 | 第10-26页 |
| (一) 研究背景及意义 | 第10-14页 |
| 1. 研究背景 | 第10-12页 |
| 2. 研究意义 | 第12-14页 |
| (二) 国内外研究现状及发展动态 | 第14-22页 |
| 1. 银行信贷风险预警建模研究现状 | 第14-18页 |
| 2. 类别非平衡数据分类问题研究现状 | 第18-21页 |
| 3. 当前研究评述及发展动态 | 第21-22页 |
| (三) 研究内容和论文的组织结构 | 第22-23页 |
| (四) 研究方法和技术路线 | 第23-24页 |
| (五) 本文的创新之处 | 第24-26页 |
| 二、基于决策树的银行信贷风险预警理论概述 | 第26-35页 |
| (一) 信贷风险基础理论 | 第26-29页 |
| 1. 信贷风险的界定 | 第26-28页 |
| 2. 信贷风险的种类 | 第28页 |
| 3. 信贷风险的特征 | 第28-29页 |
| (二) 信贷风险预警基础理论 | 第29-31页 |
| 1. 信贷风险预警的定义 | 第29-30页 |
| 2. 信贷风险预警的理论基础 | 第30-31页 |
| (三) 信贷风险预警的决策树模型原理 | 第31-35页 |
| 1. 决策树算法的发展 | 第31-32页 |
| 2. 决策树ID3算法的原理概述 | 第32-35页 |
| 三、银行信贷风险预警的类别非平衡决策树模型构建 | 第35-44页 |
| (一) 基于随机过采样技术的决策树ID3预警模型(OS-ID3) | 第35-36页 |
| 1. OS-ID3预警模型原理 | 第35页 |
| 2. OS-ID3预警模型优缺点分析 | 第35-36页 |
| (二) 基于过欠双重采样技术的决策树ID3预警模型(OUS-ID3) | 第36-37页 |
| 1. OUS-ID3预警模型原理 | 第36-37页 |
| 2. OUS-ID3预警模型优缺点分析 | 第37页 |
| (三) 基于DSRA,SMOTE及Bagging的决策树ID3预警模型(DSB-ID3) | 第37-44页 |
| 1. 差异采样率重采样技术(DSRA) | 第37-38页 |
| 2. SMOTE算法 | 第38-40页 |
| 3. Bagging算法原理 | 第40-41页 |
| 4. DSB-ID3银行信贷风险预警模型的原理 | 第41-42页 |
| 5. DSB-ID3模型用于银行信贷风险预警的优点分析 | 第42-44页 |
| 四、实证研究 | 第44-57页 |
| (一) 数据来源 | 第44页 |
| (二) 财务指标体系 | 第44-46页 |
| (三) 评价指标选择 | 第46-47页 |
| (四) 实验及建模过程设计 | 第47-48页 |
| (五) 实验结果分析 | 第48-57页 |
| 1. 图象判别分析 | 第48-53页 |
| 2. 定量判别分析 | 第53-57页 |
| 五、研究结论和未来展望 | 第57-59页 |
| (一) 全文研究结论 | 第57页 |
| (二) 模型应用存在的问题及展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 浙江师范大学学位论文诚信承诺书 | 第67-68页 |
