| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国内外信贷风险管理研究现状 | 第12-14页 |
| 1.2.2 国内外信贷风险预警研究现状 | 第14-16页 |
| 1.3 主要研究内容和研究方法 | 第16-18页 |
| 1.3.1 研究内容 | 第16-17页 |
| 1.3.2 研究方法和技术路线 | 第17-18页 |
| 1.4 本文创新点 | 第18-20页 |
| 第2章 相关理论概述 | 第20-38页 |
| 2.1 商业银行信贷风险定义及分类 | 第20-25页 |
| 2.1.1 风险 | 第20页 |
| 2.1.2 商业银行风险 | 第20-21页 |
| 2.1.3 商业银行信贷风险定义 | 第21-22页 |
| 2.1.4 商业银行信贷风险的分类 | 第22-24页 |
| 2.1.5《巴塞尔协议》关于风险管理的主要内容 | 第24-25页 |
| 2.2 商业银行信贷风险的主要特征 | 第25-26页 |
| 2.2.1 商业银行信贷风险是金融风险中最主要的风险 | 第25页 |
| 2.2.2 商业银行信贷风险具有客观必然性 | 第25页 |
| 2.2.3 商业银行信贷风险具有极强的危害性 | 第25-26页 |
| 2.2.4 信贷风险具有可控性 | 第26页 |
| 2.3 商业银行信贷风险产生的原因 | 第26-27页 |
| 2.3.1 内部原因 | 第26-27页 |
| 2.3.2 外部原因 | 第27页 |
| 2.4 粗集理论 | 第27-34页 |
| 2.4.1 基本概念 | 第27-30页 |
| 2.4.2 决策信息系统及决策表的约简 | 第30-33页 |
| 2.4.3 决策规则约简 | 第33-34页 |
| 2.5 支持向量机算法 | 第34-37页 |
| 2.5.1 基本原理 | 第34-36页 |
| 2.5.2 用于回归估计的支持向量机 | 第36页 |
| 2.5.3 核函数 | 第36-37页 |
| 2.6 本章小结 | 第37-38页 |
| 第3章 商业银行的信贷风险识别 | 第38-47页 |
| 3.1 信贷风险识别 | 第38-40页 |
| 3.1.1 商业银行信贷风险识别内涵 | 第38页 |
| 3.1.2 商业银行信贷风险的成因 | 第38-40页 |
| 3.2 商业银行信贷风险识别原则 | 第40-41页 |
| 3.2.1 全面性原则 | 第40页 |
| 3.2.2 综合性原则 | 第40页 |
| 3.2.3 科学性原则 | 第40页 |
| 3.2.4 系统化原则 | 第40-41页 |
| 3.3 商业银行信贷风险因素分析 | 第41-42页 |
| 3.3.1 国家相关经济政策及行业宏观环境因素分析 | 第41页 |
| 3.3.2 中观市场行为影响因素分析 | 第41-42页 |
| 3.3.3 客户经营状况及财务状况等微观方面影响因素分析 | 第42页 |
| 3.4 商业银行信贷风险识别流程 | 第42-44页 |
| 3.4.1 整体框架 | 第43页 |
| 3.4.2 业务流程 | 第43-44页 |
| 3.5 商业银行信贷风险识别方法 | 第44-46页 |
| 3.5.1 财务指标法 | 第44页 |
| 3.5.2 幕景分析法 | 第44页 |
| 3.5.3 专家意见法 | 第44页 |
| 3.5.4 故障树分析法 | 第44-45页 |
| 3.5.5 BP神经网络信贷风险识别 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 商业银行信贷风险预警指标体系建立 | 第47-56页 |
| 4.1 商业银行信贷风险预警指标体系建立原则 | 第47-48页 |
| 4.1.1 系统科学性 | 第47页 |
| 4.1.2 简明合理性 | 第47页 |
| 4.1.3 可操作性 | 第47-48页 |
| 4.1.4 可预测性 | 第48页 |
| 4.2 商业银行信贷风险影响因素分析 | 第48-49页 |
| 4.2.1 商业银行企业履约能力分析 | 第48页 |
| 4.2.2 商业银行企业履约意愿分析 | 第48-49页 |
| 4.2.3 商业银行自身因素分析 | 第49页 |
| 4.3 商业银行信贷风险预警指标体系的建立 | 第49-54页 |
| 4.3.1 偿债能力 | 第50页 |
| 4.3.2 现金流量 | 第50-51页 |
| 4.3.3 盈利能力 | 第51-52页 |
| 4.3.4 营运能力 | 第52-53页 |
| 4.3.5 地区及行业政策 | 第53页 |
| 4.3.6 企业类型 | 第53页 |
| 4.3.7 企业人员素质 | 第53-54页 |
| 4.3.8 企业管理模式 | 第54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 基于粗集-粒子群支持向量机商业银行信贷风险预警模型 | 第56-61页 |
| 5.1 商业银行信贷风险预警各分指标体系构建过程 | 第56-57页 |
| 5.1.1 概述 | 第56页 |
| 5.1.2 各分指标综合体系构建 | 第56-57页 |
| 5.2 粗集指标约简 | 第57-58页 |
| 5.3 支持向量机商业银行信贷风险预警模型 | 第58页 |
| 5.4 基于粒子群的支持向量机参数优化 | 第58-59页 |
| 5.5 基于粗集-粒子群支持向量机模型商业银行信贷风险预警过程 | 第59-60页 |
| 5.6 本章小结 | 第60-61页 |
| 第6章 商业银行信贷风险预警模型实证分析 | 第61-69页 |
| 6.1 样本选取 | 第61页 |
| 6.2 数据处理 | 第61页 |
| 6.3 指标约简 | 第61-63页 |
| 6.4 基于支持向量机的商业银行信贷风险预警 | 第63-66页 |
| 6.5 建议与对策 | 第66-68页 |
| 6.5.1 大对高风险企业的信贷管理 | 第66页 |
| 6.5.2 用预警技术事前评估商业银行信贷风险 | 第66-67页 |
| 6.5.3 稳定并培养高素质专业风险预警人才队伍 | 第67页 |
| 6.5.4 其他具体建议 | 第67-68页 |
| 6.6 本章小结 | 第68-69页 |
| 结论与展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第77-78页 |
