| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-14页 |
| 1.1.1 创新型小微企业迎来前所未有的发展机遇 | 第11页 |
| 1.1.2 创新型小微企业的重要性和企业融资难形成鲜明对比 | 第11-12页 |
| 1.1.3 政府出台投贷联动政策 | 第12-13页 |
| 1.1.4 湖南省A行受经济下行影响需要调整信贷结构 | 第13-14页 |
| 1.2 研究意义 | 第14-15页 |
| 1.3 本文的主要工作及框架图 | 第15-16页 |
| 1.4 本文的创新点 | 第16-18页 |
| 第2章 创新型小微企业信贷评级模型的介绍和应用分析 | 第18-28页 |
| 2.1 创新型小微企业的界定及其贷款可获得性分析 | 第18-21页 |
| 2.1.1 创新型小微企业的定义及划分标准 | 第18-19页 |
| 2.1.2 创新型小微企业的信贷业务特点 | 第19-20页 |
| 2.1.3 创新型小微企业信贷评级不高的原因探究 | 第20-21页 |
| 2.2 企业信贷评级产生的背景及定义 | 第21-22页 |
| 2.2.1 信贷评级产生的背景 | 第21-22页 |
| 2.2.2 信贷评级的定义 | 第22页 |
| 2.3 信贷评级的方法模型综述 | 第22-25页 |
| 2.3.1 定性分析模型 | 第22-23页 |
| 2.3.2 统计分析法 | 第23-24页 |
| 2.3.3 信贷评级其他方法 | 第24-25页 |
| 2.4 湖南省A行现有信贷评级系统的缺点 | 第25页 |
| 2.5 信贷评级嵌入贷款环节概述 | 第25-27页 |
| 2.6 利用信贷评级降低运营成本和信贷风险的有效性分析 | 第27-28页 |
| 第3章 样本数据的筛选及预处理 | 第28-35页 |
| 3.1 建模样本数据的选取 | 第28-29页 |
| 3.1.1 样本数据的选取原则 | 第28-29页 |
| 3.1.2 样本数据的选取 | 第29页 |
| 3.1.3 样本数据的预处理 | 第29页 |
| 3.2 信贷评级指标的处理 | 第29-34页 |
| 3.2.1 评级指标的选取与分组 | 第29-31页 |
| 3.2.2 信贷评级指标预处理 | 第31-34页 |
| 3.3 企业评级结果的界定 | 第34-35页 |
| 第4章 信贷评级模型的建立 | 第35-47页 |
| 4.1 BP神经网络概述 | 第35-39页 |
| 4.1.1 BP神经网络基本原理 | 第35-36页 |
| 4.1.2 算法推导 | 第36-38页 |
| 4.1.3 BP算法流程图 | 第38-39页 |
| 4.2 基于BP神经网络信贷评级模型的设计和分析 | 第39-41页 |
| 4.2.1 网络结构的确定 | 第39页 |
| 4.2.2 隐含层的设计 | 第39页 |
| 4.2.3 网络学习参数的选取 | 第39-40页 |
| 4.2.4 BP神经网络的训练 | 第40-41页 |
| 4.3 AdaBoost组合分类算法概述 | 第41-43页 |
| 4.3.1 基本思想 | 第41页 |
| 4.3.2 算法推导 | 第41-42页 |
| 4.3.3 AdaBoost算法流程图 | 第42-43页 |
| 4.4 基于AdaBoost组合分类算法信贷评级模型设计和分析 | 第43-45页 |
| 4.4.1 基分类器模型的确定 | 第43页 |
| 4.4.2 基分类器数量的确定 | 第43-44页 |
| 4.4.3 迭代次数的确定 | 第44-45页 |
| 4.5 两种信贷评级模型的实用性对比分析 | 第45-47页 |
| 第5章 全文总结及未来展望 | 第47-49页 |
| 5.1 全文总结 | 第47页 |
| 5.2 全文的局限性及未来展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 作者在学期间取得的学术成果 | 第52-53页 |
| 附录A 通过因子分析降维后325家企业各指标数据 | 第53-60页 |
| 附录B 专业信贷人员对样本企业的评分和评级结果 | 第60-62页 |
