| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-14页 |
| 第一节 选题背景及意义 | 第7-9页 |
| 第二节 研究现状与评价 | 第9-12页 |
| 第三节 本文拟研究的主要问题 | 第12-14页 |
| 第二章 信用评分与信用卡风险控制概述 | 第14-28页 |
| 第一节 信用风险成因分析 | 第14-16页 |
| 第二节 信用评分的发展与方法 | 第16-19页 |
| 第三节 新巴塞尔协议与信用卡风险管理要求 | 第19-21页 |
| 第四节 信用卡及信用卡风险 | 第21-25页 |
| 第五节 信用卡生命周期不同阶段的风险度量与控制 | 第25-27页 |
| 第六节 小结 | 第27-28页 |
| 第三章 信用评分方法 | 第28-50页 |
| 第一节 信用评分的统计学方法 | 第28-36页 |
| 第二节 信用评分的人工智能方法 | 第36-47页 |
| 第三节 各种方法的优势与局限性 | 第47-49页 |
| 第四节 小结 | 第49-50页 |
| 第四章 基于多智能体的信用卡风险度量与控制系统设计 | 第50-64页 |
| 第一节 智能体与多智能体概述 | 第50-54页 |
| 第二节 建立基于 MAS 的信用卡风险度量与控制系统 | 第54-62页 |
| 第三节 小结 | 第62-64页 |
| 第五章 集成神经网络与 Logistic 回归的信用评分模型 | 第64-87页 |
| 第一节 引言 | 第64-65页 |
| 第二节 集成神经网络与 Logistic 回归信用评分模型的可行性 | 第65页 |
| 第三节 模型参量设计 | 第65-67页 |
| 第四节 神经网络评分模型的建立 | 第67-77页 |
| 第五节 集成信用评分模型的建立 | 第77-82页 |
| 第六节 实证分析 | 第82-86页 |
| 第七节 小结 | 第86-87页 |
| 第六章 基于二维评分的客户细分模型 | 第87-107页 |
| 第一节 信用卡客户的市场细分 | 第87-92页 |
| 第二节 二维评分模型 | 第92-96页 |
| 第三节 二维评分客户细分模型 | 第96-101页 |
| 第四节 二维评分模型实证分析 | 第101-106页 |
| 第五节 小结 | 第106-107页 |
| 第七章 信用卡欺诈侦测及其风险预警 | 第107-121页 |
| 第一节 引言 | 第107-108页 |
| 第二节 信用卡交易欺诈种类 | 第108-109页 |
| 第三节 以欺诈侦测模型为基础的智能型反欺诈策略 | 第109-110页 |
| 第四节 基于专家规则的交易欺诈风险预警 | 第110-113页 |
| 第五节 基于遗传算法的交易欺诈风险预警 | 第113-120页 |
| 第六节 小结 | 第120-121页 |
| 结论 | 第121-124页 |
| 参考文献 | 第124-131页 |
| 攻读博士学位期间发表的主要论文及其他成果 | 第131-132页 |
| 致谢 | 第132-133页 |
| 中文摘要 | 第133-136页 |
| 英文摘要 | 第136-139页 |
