| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第1章 绪论 | 第12-26页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究综述 | 第13-22页 |
| ·商业银行流动性风险度量 | 第13-16页 |
| ·商业银行流动性风险成因及其影响因素 | 第16-18页 |
| ·商业银行流动性风险管理 | 第18-22页 |
| ·文献述评 | 第22页 |
| ·研究内容及框架 | 第22-24页 |
| ·论文的创新点、难点和不足 | 第24-26页 |
| 第2章 我国股份制商业银行流动性风险分析 | 第26-34页 |
| ·相关概念的界定 | 第26-27页 |
| ·流动性的界定 | 第26页 |
| ·商业银行流动性风险的界定 | 第26-27页 |
| ·我国股份制商业银行流动性现状分析 | 第27-30页 |
| ·我国股份制商业银行流动性风险成因分析 | 第30-32页 |
| ·外生性原因 | 第30-31页 |
| ·内生性原因 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于粒子群神经网络算法的商业银行流动性风险预测模型 | 第34-48页 |
| ·神经网络和粒子群算法 | 第34-42页 |
| ·神经网络 | 第34-38页 |
| ·粒子群算法 | 第38-42页 |
| ·模型的引入 | 第42-43页 |
| ·模型的测试和评价 | 第43-46页 |
| ·模型的测试 | 第43-46页 |
| ·模型的评价 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 粒子群神经网络模型在商业银行流动性风险预测中的实证应用 | 第48-60页 |
| ·研究对象的界定 | 第48-49页 |
| ·我国股份制商业银行 | 第48页 |
| ·四家股份制商业银行流动性现状 | 第48-49页 |
| ·流动性指标体系 | 第49-53页 |
| ·选取原则 | 第49-50页 |
| ·基本指标 | 第50-53页 |
| ·主要实证结果及相关建议 | 第53-58页 |
| ·主要预测结果 | 第53-55页 |
| ·结果分析 | 第55-57页 |
| ·相关建议 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 附录 | 第68-86页 |
| 附录一:中资全国中小型银行信贷收支表部分原始数据 | 第68-71页 |
| 附录二:四家股份制商业银行流动性指标原始数据 | 第71-81页 |
| 附录三:粒子群神经网络运行程序 | 第81-83页 |
| 附录四:BP神经网络运行程序 | 第83-86页 |
| 攻读学位期间发表的学术论文 | 第86-88页 |
| 致谢 | 第88页 |