基于遺傳進化型模糊神經(jīng)網(wǎng)絡(luò)的信用風險評估模型構(gòu)建及應(yīng)用

第1章　導論
　1.1　問題提出背景
　1.2　研究目的與意義
　　1.2.1　研究目的
　　1.2.2　研究意義
　1.3　研究動態(tài)
　1.4　本書研究內(nèi)容與研究框架
　　1.4.1　研究內(nèi)容
　　1.4.2　研究方法
　　1.4.3　技術(shù)路線
　　1.4.4　本書框架結(jié)構(gòu)
　1.5　本書研究的關(guān)鍵技術(shù)問題與創(chuàng)新之處
　　1.5.1　本書研究的關(guān)鍵技術(shù)問題
　　1.5.2　研究的創(chuàng)新之處
第2章　信用風險管理理論與方法綜述
　2.1　信用風險涵義與特點
　　2.1.1　信用風險涵義
　　2.1.2　信用風險的產(chǎn)生
　　2.1.3　信用風險影響因素
　　2.1.4　信用風險主要特點
　　2.1.5　信用風險管理原則
　2.2　巴塞爾新資本協(xié)議關(guān)于信用風險管理的主要內(nèi)容
　　2.2.1　計量信用風險的標準法
　　2.2.2　信用風險資本計算的內(nèi)部評級法(IRB)
　2.3　信用風險評估模型比較分析
　　2.3.1　古典信用分析方法
　　2.3.2　現(xiàn)代信用風險評估模型
　2.4　現(xiàn)行信用風險評估模型存在的主要問題
　2.5　利用綜合智能技術(shù)改進信用風險評估模型的基本思想
　本章小結(jié)
第3章　智能計算技術(shù)理論基礎(chǔ)
　3.1　神經(jīng)網(wǎng)絡(luò)基本理論
　　3.1.1　神經(jīng)元和神經(jīng)網(wǎng)絡(luò)及其模式識別能力
　　3.1.2　神經(jīng)網(wǎng)絡(luò)的學習算法及訓練評價準則
　　3.1.3　隱含層及隱含層節(jié)點數(shù)目的確定
　3.2　模糊邏輯基本理論
　　3.2.1　模糊集基本運算與模糊關(guān)系
　　3.2.2　模糊邏輯推理系統(tǒng)的分類
　3.3　遺傳算法基本理論
　　3.3.1　遺傳算法基本流程
　　3.3.2　遺傳算法搜索策略
　本章小結(jié)
第4章　改進的遺傳算法設(shè)計與綜合智能計算研究
　4.1　神經(jīng)網(wǎng)絡(luò)、模糊邏輯和遺傳算法特性的比較分析
　4.2　改進的遺傳算法設(shè)計
　　4.2.1　多子群模型結(jié)構(gòu)設(shè)計
　　4.2.2　遺傳算法的編碼方式
　　4.2.3　選擇策略的改進研究
　　4.2.4　基于標準差的自適應(yīng)交叉、變異算子
　4.3　神經(jīng)網(wǎng)絡(luò)、模糊邏輯和遺傳算法的綜合技術(shù)研究
　　4.3.1　神經(jīng)網(wǎng)絡(luò)、模糊邏輯和遺傳算法的結(jié)合方式分析
　　4.3.2　遺傳進化型模糊神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)與算法設(shè)計
　本章小結(jié)
第5章　基于遺傳進化型模糊神經(jīng)網(wǎng)絡(luò)的信用風險評估模型設(shè)計
　5.1　信用評級概念
　5.2　信用風險指標體系的建立
　5.3　樣本采集和數(shù)據(jù)統(tǒng)計
　　5.3.1　二分類信用樣本
　　5.3.2　多分類信用樣本
　5.4　信用風險影響因子分析
　　5.4.1　二分類信用樣本因子分析
　　5.4.2　多分類信用樣本因子分析
　5.5　基于信用樣本的風險評估模型設(shè)計
　　5.5.1　基于BP神經(jīng)網(wǎng)絡(luò)的信用風險評估模型
　　5.5.2　基于模糊神經(jīng)網(wǎng)絡(luò)的信用風險評估模型
　　5.5.3　基于遺傳進化型模糊神經(jīng)網(wǎng)絡(luò)的信用風險評估模型
　　5.5.4　n重交叉驗證技術(shù)
　本章小結(jié)
第6章　信用風險評估模型實驗結(jié)果的比較分析
　6.1　二分類信用風險評估模型的比較分析
　　6.1.1　實驗結(jié)果
　　6.1.2　比較分析
　　6.1.3　初步結(jié)論
　6.2　多分類信用風險評估模型的比較分析
　　6.2.1　實驗結(jié)果
　　6.2.2　比較分析
　　6.2.3　初步結(jié)論
　本章小結(jié)
結(jié)束語
附錄
主要參考文獻