首页--经济论文--财政、金融论文--金融、银行论文--金融、银行理论论文--金融组织、银行论文--商业银行论文

数据挖掘在商业银行信用风险管理中的应用研究

中文摘要第1-6页
英文摘要第6-12页
第1章 引言第12-16页
   ·研究背景及意义第12-13页
   ·问题的提出第13-14页
   ·论文的研究思路和方法第14-15页
     ·论文研究思路第14页
     ·论文研究方法第14-15页
   ·论文的结构第15-16页
第2章 商业银行风险理论及信用风险管理第16-35页
   ·商业银行风险第16-28页
     ·金融风险第16页
     ·金融风险管理第16-19页
     ·商业银行风险理论及风险管理第19-26页
     ·商业银行风险研究意义第26-28页
   ·商业银行信用风险管理概述第28-29页
   ·商业银行信用风险管理的传统方法第29-30页
     ·专家系统第29页
     ·信用评等系统第29-30页
     ·信用评分系统第30页
   ·商业信用风险管理的现代方法第30-32页
     ·现代信用风险方法简介第30-31页
     ·现代信用风险方法评述第31-32页
   ·商业银行实施信用风险管理的必要性第32-35页
     ·信用风险是我国国有商业银行所面临的最重要的风险第33页
     ·《新巴塞尔协议》对商业银行的信用风险管理影响第33-35页
第3章 数据挖掘在信用风险管理中的应用与现状分析第35-48页
   ·数据挖掘及其在银行中的应用第35-40页
     ·数据挖掘的基本原理第35-38页
     ·数据挖掘工具第38-39页
     ·数据挖掘技术在商业银行中的应用第39-40页
   ·应用数据挖掘分析商业银行信用风险的必要性第40页
   ·数据挖掘在信用风险管理中的作用第40-42页
     ·对信用数据的概念/类描述:特征化和区分第41页
     ·对信用数据的关联分析第41页
     ·对信用风险分类和预测分析第41-42页
     ·对信用数据的聚类分析第42页
     ·信用数据的孤立点分析第42页
     ·信用数据的时间序列分析第42页
   ·数据挖掘在信用风险管理中的应用现状分析第42-48页
     ·国外数据挖掘在信用风险管理中的应用第43页
     ·国内数据挖掘在信用风险管理中的应用第43-45页
     ·数据挖掘在我国商业的信用风险的应用前景展望第45-48页
第4章 商业银行信用风险违约模型研究第48-55页
   ·违约的标准定义第48-49页
   ·计算违约的数学工具第49-50页
     ·判别分析第49页
     ·逻辑回归第49-50页
     ·主成分分析第50页
     ·神经网络分析第50页
   ·违约模型的比较研究第50-53页
     ·古典违约分析第50-51页
     ·奥特曼模型第51页
     ·决策树模型第51-52页
     ·宏观迁移模型第52-53页
     ·违约模型评述第53页
   ·违约概率模型在中国银行业的建立和应用第53-55页
     ·加强违约概率模型的研究、开发和使用第53页
     ·建立规范化的银行数据仓库第53-54页
     ·强化财务数据反欺诈能力第54页
     ·组建一支专业化的人才队伍第54-55页
第5章 商业银行信用风险违约实证研究第55-87页
   ·背景介绍第55页
   ·样本设计第55-56页
   ·数据预处理第56-58页
   ·数据特征化与比较第58-65页
   ·主成分分析选取主成分第65-68页
     ·主成分分析简介第65页
     ·主成分分析选取主成分第65-68页
   ·变量检验与筛选第68-70页
     ·组均值相等的检验第68-69页
     ·变量筛选第69-70页
     ·多重共线性检验第70页
   ·模型的预测与比较第70-87页
     ·多元判别分析模型第70-72页
     ·Logistic模型第72-74页
     ·决策树模型第74-82页
     ·神经网络模型第82-85页
     ·判别结果比较及模型修正第85-87页
第6章 结论及进一步研究的展望第87-90页
   ·本文的研究贡献和结论第87-88页
   ·本研究的局限第88页
   ·进一步研究的展望第88-90页
致谢第90-91页
参考文献第91-92页

论文共92页,点击 下载论文
上一篇:基于遗传算法的城市中压配电网规划自动布线
下一篇:药物预防应激性溃疡出血的随机对照试验的系统评价