| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第1章 绪论 | 第7-16页 |
| ·研究背景及意义 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·商业银行企业客户信用风险评估研究现状 | 第9-11页 |
| ·数据挖掘技术研究现状 | 第11-12页 |
| ·我国商业银行企业客户信用风险评估管理现状 | 第12-14页 |
| ·研究内容与框架 | 第14-16页 |
| 第2章 商业银行信用风险评估理论及数据挖掘技术概述 | 第16-27页 |
| ·商业银行信用风险及信用风险管理 | 第16-18页 |
| ·商业银行信用风险的内涵及成因 | 第16-17页 |
| ·商业银行信用风险管理概念及内容 | 第17-18页 |
| ·商业银行信用风险评估 | 第18-22页 |
| ·商业银行信用评级 | 第19页 |
| ·商业银行信用风险评估的要素分析 | 第19-20页 |
| ·商业银行信用风险评估方法 | 第20-22页 |
| ·数据挖掘技术 | 第22-24页 |
| ·数据挖掘的概念及内容 | 第22-23页 |
| ·数据挖掘的功能与应用领域 | 第23-24页 |
| ·应用于信用风险评估的数据挖掘模型 | 第24-27页 |
| ·Logistic回归模型 | 第24页 |
| ·决策树模型 | 第24-25页 |
| ·SVM模型 | 第25-26页 |
| ·神经网络模型 | 第26-27页 |
| 第3章 神经网络模型在商业银行企业客户信用风险评估中的适用性分析 | 第27-35页 |
| ·商业银行企业客户信用风险特点 | 第27-28页 |
| ·信用风险概率分布的不对称性 | 第27页 |
| ·信用风险的非系统性 | 第27页 |
| ·信用风险数据的不易得性 | 第27-28页 |
| ·几种信用风险评估数据挖掘模型的比较分析 | 第28-30页 |
| ·神经网络模型在信用风险评估中的具体优势 | 第30-35页 |
| 第4章 商业银行企业客户信用风险评估神经网络模型的理论构建 | 第35-48页 |
| ·商业银行企业客户信用风险评估神经网络模型的框架 | 第35-36页 |
| ·商业银行企业客户信用风险评估指标体系的构建 | 第36-44页 |
| ·信用风险评估指标体系要素分析 | 第36-40页 |
| ·现有商业银行企业客户信用风险评估指标体系 | 第40-42页 |
| ·商业银行企业客户信用风险评估指标体系的确立 | 第42-43页 |
| ·商业银行企业客户信用风险评估指标体系的修正 | 第43-44页 |
| ·商业银行企业客户信用风险评估神经网络模型数据预处理 | 第44-45页 |
| ·样本T检验 | 第44页 |
| ·归一化处理 | 第44-45页 |
| ·商业银行企业客户信用风险评估神经网络模型的方法设计 | 第45-47页 |
| ·神经网络层的设计 | 第45-46页 |
| ·神经网络模型其它参数的设计 | 第46-47页 |
| ·商业银行企业客户信用风险评估神经网络模型预测精度检验 | 第47-48页 |
| 第5章 商业银行企业客户信用风险评估神经网络模型的实证应用 | 第48-60页 |
| ·样本选取 | 第48-49页 |
| ·数据处理 | 第49-52页 |
| ·样本T检验 | 第49-50页 |
| ·信度与效度分析 | 第50-52页 |
| ·数据归一化 | 第52页 |
| ·模型仿真 | 第52-60页 |
| ·参数设定 | 第53页 |
| ·运行过程及结果 | 第53-57页 |
| ·敏感性分析 | 第57-60页 |
| 第6章 结论 | 第60-62页 |
| ·研究结论 | 第60页 |
| ·论文局限及展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间主要的研究成果 | 第66页 |
