| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 选题背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 研究进展和发展趋势 | 第12-19页 |
| 1.3.1 国外个人信用风险评估的相关研究 | 第12-14页 |
| 1.3.2 国内个人信用风险评估的相关研究 | 第14-19页 |
| 1.4 本文的主要研究内容 | 第19-21页 |
| 第二章 个人信用风险评估指标 | 第21-31页 |
| 2.1 引言 | 第21页 |
| 2.2 个人信用风险评估指标的选取 | 第21-23页 |
| 2.3 样本数据的选择及标准化 | 第23页 |
| 2.4 基于因子分析的指标优化 | 第23-30页 |
| 2.4.1 因子分析 | 第23-26页 |
| 2.4.2 因子分析的应用 | 第26-30页 |
| 2.4.3 指标的确定 | 第30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 单一的个人信用风险评估模型 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 Logistic回归模型 | 第32-36页 |
| 3.2.1Logistic回归模型的原理 | 第32-33页 |
| 3.2.2 基于因子分析的Logistic回归模型的应用 | 第33-36页 |
| 3.3 多元线性回归模型 | 第36-40页 |
| 3.3.1 多元线性回归模型的原理 | 第36页 |
| 3.3.2 基于因子分析的多元线性回归模型的应用 | 第36-40页 |
| 3.4 神经网络模型 | 第40-44页 |
| 3.4.1RBF神经网络的基本原理 | 第40页 |
| 3.4.2RBF神经网络的特点 | 第40-41页 |
| 3.4.3RBF神经网络的网格结构 | 第41-42页 |
| 3.4.4PCA-RBF神经网络模型的应用 | 第42-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 构建基于遗传算法的个人信用风险组合评估模型 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 组合评估模型的基本原理 | 第46页 |
| 4.3 基于遗传算法组合评估模型的构建思路 | 第46-50页 |
| 4.3.1 遗传算法的基本原理 | 第46-47页 |
| 4.3.2 遗传算法构建组合评估模型 | 第47-50页 |
| 4.4 基于遗传算法的个人信用风险组合评估模型的应用 | 第50-52页 |
| 4.5 单一模型和组合评估模型的比较 | 第52-55页 |
| 4.5.1 基于模型准确率的比较 | 第52-54页 |
| 4.5.2 基于模型稳健性的比较 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 总结及展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
