中小企业的授信识别及风险管理--基于某市政府大数据平台
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 第一节 研究背景与研究意义 | 第8-13页 |
| 一、研究背景 | 第8-11页 |
| 二、研究意义 | 第11-13页 |
| 第二节 基本框架与研究内容 | 第13-14页 |
| 一、基本框架 | 第13页 |
| 二、研究内容 | 第13-14页 |
| 第三节 可能的创新 | 第14-15页 |
| 第二章 企业授信评估文献综述 | 第15-22页 |
| 第一节 国外企业授信评估相关文献综述 | 第15-18页 |
| 第二节 国内企业授信信任相关文献综述 | 第18-21页 |
| 第三节 文献评述 | 第21-22页 |
| 第三章 企业授信评估相关算法介绍 | 第22-35页 |
| 第一节 神经网络算法的阐述 | 第22-25页 |
| 第二节 决策树算法的阐述 | 第25-31页 |
| 一、决策树模型的原理 | 第25页 |
| 二、线性决策树算法介绍 | 第25-28页 |
| 三、非线性决策树算法介绍 | 第28-31页 |
| 第三节 非参数方法的介绍 | 第31-35页 |
| 一、非参数变量选择方法 | 第31-33页 |
| 二、非参数基准模型方法介绍 | 第33-35页 |
| 第四章 授信识别的实证分析结果 | 第35-70页 |
| 第一节 数据选取及预处理 | 第35-39页 |
| 一、数据来源与整合 | 第35-36页 |
| 二、缺失处理与变量选择 | 第36-37页 |
| 三、数据同度量转换 | 第37-38页 |
| 四、划分数据集 | 第38-39页 |
| 第二节 各分类算法的授信识别结果 | 第39-54页 |
| 一、线性决策树 | 第39-44页 |
| 二、B-P神经网络 | 第44-49页 |
| 三、非线性决策树 | 第49-54页 |
| 第三节 基于非参数基准模型的各分类器实证结果 | 第54-70页 |
| 一、非参数基准模型 | 第54-58页 |
| 二、基于基准模型的各分类器预测结果 | 第58-70页 |
| 第四节 模型分析比较 | 第70页 |
| 第五章 中小企业授信风险管理综合研究 | 第70-78页 |
| 第一节 授信评估决策系统的构建 | 第70-76页 |
| 一、授信评估决策系统的推荐授信 | 第70-71页 |
| 二、授信评估决策系统的授信审核 | 第71-73页 |
| 三、授信评估决策系统的授信评价 | 第73-74页 |
| 四、授信评估决策系统的风险预警 | 第74-75页 |
| 五、授信评估决策系统的政策设计 | 第75-76页 |
| 第二节 研究总结与展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
