首页--经济论文--财政、金融论文--金融、银行论文--中国金融、银行论文--信贷论文

BP神经网络和Logistic回归在信用评级上的应用与模型对比

摘要第3-4页
ABSTRACT第4页
1 绪论第7-11页
    1.1 问题的提出及研究意义第7-8页
        1.1.1 问题的提出第7页
        1.1.2 研究意义第7-8页
    1.2 国内外研究现状第8-9页
        1.2.1 国外研究现状第8页
        1.2.2 国内研究现状第8-9页
    1.3 研究方法与论文框架第9-11页
        1.3.1 研究方法第9页
        1.3.2 论文框架第9-11页
2 相关理论分析第11-25页
    2.1 银行个人信用评估第11-13页
        2.1.1 银行个人信用风险第11页
        2.1.2 银行个人信用评估的参考标准第11-13页
    2.2 BP神经网络模型第13-19页
        2.2.1 神经网络第13-15页
        2.2.2 BP神经网络第15-19页
    2.3 Logistic回归模型第19-21页
        2.3.1 模型介绍第19-20页
        2.3.2 模型中的参数估计第20-21页
    2.4 银行个人信用评估模型常用的评价指标第21-25页
        2.4.1 分类结果混淆矩阵、ROC曲线与AUC统计量第21-23页
        2.4.2 LIFT提升图与LIFT统计量第23页
        2.4.3 K-S曲线与K-S统计量第23-25页
3 银行个人信用评估模型的实证分析第25-46页
    3.1 数据来源与变量分析第25-27页
    3.2 数据预处理第27-31页
        3.2.1 原始数据进行分列处理第27-28页
        3.2.2 数据进行标准化处理第28-30页
        3.2.3 数据进行主成分分析与相关性讨论第30-31页
    3.3 BP神经网络模型的实证分析第31-38页
        3.3.1 BP神将网络模型的建立第31-33页
        3.3.2 模型的训练结果与测试集的预测结果分析第33-34页
        3.3.3 BP神经模型的评估第34-38页
    3.4 LOGISTIC回归模型的实证分析第38-46页
        3.4.1 Logistic回归模型的建立第38页
        3.4.2 模型的训练结果与测试集的预测结果分析第38-42页
        3.4.3 LOGISTIC回归模型的评估第42-46页
4 两个模型的对比分析第46-50页
    4.1 两个模型的预测结果的分析第46页
    4.2 两个模型的ROC曲线与AUC值对比分析第46-47页
    4.3 两个模型的LIFT提升图与LIFT统计量对比分析第47-48页
    4.4 两个模型的K-S曲线图与KS统计量对比分析第48-50页
5 总结与展望第50-52页
致谢第52-53页
参考文献第53-54页

论文共54页,点击 下载论文
上一篇:中国概念股私有化回归A股路径研究--以如家酒店为例
下一篇:绿地集团借壳上市案例研究