| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景与意义 | 第9-10页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10页 |
| ·国内外研究现状综述 | 第10-14页 |
| ·国外研究现状综述 | 第10-12页 |
| ·国内研究现状综述 | 第12-14页 |
| ·研究内容、方法 | 第14-15页 |
| ·研究内容 | 第14-15页 |
| ·研究方法 | 第15页 |
| ·本文的创新点 | 第15-16页 |
| 第2章 信用风险概述 | 第16-19页 |
| ·信用风险的概念 | 第16-17页 |
| ·信用风险的特征 | 第17-19页 |
| 第3章 商业银行信用风险的度量 | 第19-28页 |
| ·巴塞尔资本协议 | 第19页 |
| ·新巴塞尔资本协议下的内部评级法 | 第19-20页 |
| ·信用风险度量的传统方法 | 第20-24页 |
| ·专家法 | 第20-21页 |
| ·多元统计判别模型 | 第21-24页 |
| ·信用风险的现代内部计量模型 | 第24-28页 |
| ·基于期权定价理论的KMV模型 | 第25页 |
| ·基于在险价值(VaR)方法的信用度量模型 | 第25-26页 |
| ·信用风险附加模型(Credit Risk+) | 第26-28页 |
| 第4章 支持向量机理论概述 | 第28-38页 |
| ·统计学习理论 | 第28-31页 |
| ·学习过程一致性条件 | 第28-29页 |
| ·VC维和推广性的界 | 第29-30页 |
| ·结构化风险最小化 | 第30-31页 |
| ·支持向量机基本原理 | 第31-38页 |
| ·线性分类器 | 第31-35页 |
| ·非线性分类器 | 第35-38页 |
| 第5章 SVM模型的旋转算法 | 第38-49页 |
| ·旋转算法基本理论 | 第38-39页 |
| ·凸二次规划的旋转算法 | 第39-41页 |
| ·凸二次规划旋转算法步骤 | 第41-42页 |
| ·变量有上界的凸二次规划 | 第42-45页 |
| ·旋转算法在SVM模型中的应用 | 第45-47页 |
| ·仿真试验 | 第47-49页 |
| 第6章 基于SVM商业银行信用风险识别模型应用 | 第49-57页 |
| ·基于SVM的我国商业银行信用风险识别模型 | 第49-54页 |
| ·模型假设 | 第49-50页 |
| ·样本选择 | 第50-51页 |
| ·指标的选择 | 第51页 |
| ·数据的预处理 | 第51-52页 |
| ·模型的建立 | 第52-54页 |
| ·基于SVM的我国商业银行信用风险识别模型结果分析 | 第54-55页 |
| ·基于SVM的我国商业银行信用风险识别模型有待解决的问题 | 第55-57页 |
| 第7章 全文总结与研究展望 | 第57-59页 |
| ·全文总结 | 第57-58页 |
| ·研究展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 附录 | 第63-74页 |