基于BP神经网络的商业银行信贷风险评估研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-16页 |
| 1.1 课题研究的目的及意义 | 第8-9页 |
| 1.2 银行信贷管理理论概述 | 第9-11页 |
| 1.3 国内外银行信贷风险评估研究现状 | 第11-13页 |
| 1.3.1 国外银行信贷风险评估的研究现状 | 第11页 |
| 1.3.2 我国银行信贷风险评估的研究现状 | 第11-13页 |
| 1.4 银行信贷管理系统存在不足 | 第13-14页 |
| 1.5 本文研究内容 | 第14-15页 |
| 1.6 本文的组织结构 | 第15-16页 |
| 第2章 商业银行信贷风险评估理论研究 | 第16-26页 |
| 2.1 信贷风险管理的定义 | 第16-17页 |
| 2.2 研究新的信贷风险评估方法的重要意义 | 第17-20页 |
| 2.3 我国商业银行信贷风险管理研究 | 第20-26页 |
| 2.3.1 信贷业务处理流程 | 第20-22页 |
| 2.3.2 信贷风险管理流程 | 第22-23页 |
| 2.3.3 我国信贷风险管理存在的问题 | 第23-24页 |
| 2.3.4 贷款风险评估 | 第24-26页 |
| 第3章 数据挖掘之BP神经网络 | 第26-40页 |
| 3.1 数据挖掘简介 | 第26-27页 |
| 3.2 BP神经网络详解 | 第27-35页 |
| 3.2.1 神经网络综述 | 第28-29页 |
| 3.2.2 BP神经网络原理 | 第29-33页 |
| 3.2.3 BP神经网络应用 | 第33-35页 |
| 3.3 BP神经网络编程实现 | 第35-38页 |
| 3.3.1 面向对象的神经网络实现 | 第35-37页 |
| 3.3.2 验证实现的神经网络性能 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于神经网络的信贷风险评估模型实现 | 第40-49页 |
| 4.1 构建神经网络的准备工作 | 第40-44页 |
| 4.1.1 商业银行信贷风险评估体系指标 | 第40-43页 |
| 4.1.2 数据的量化 | 第43页 |
| 4.1.3 数据清洗 | 第43-44页 |
| 4.2 神经网络参数的选择 | 第44-45页 |
| 4.2.1 BP神经网络激活函数的选择 | 第44页 |
| 4.2.2 神经网络初始值 | 第44页 |
| 4.2.3 神经网络学习率的选择 | 第44-45页 |
| 4.2.4 样本数据处理 | 第45页 |
| 4.3 训练并测试神经网络 | 第45-48页 |
| 4.3.1 训练模型 | 第45-46页 |
| 4.3.2 测试模型 | 第46-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 后续工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
