基于人工智能的银行信贷风险管理决策研究PDF|Epub|txt|kindle电子书版本网盘下载

基于人工智能的银行信贷风险管理决策研究PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第一章 绪论1

第一节 贷款及贷款对象1

1.1 贷款的种类1

1.2 贷款对象及条件3

第二节 贷款风险与贷款风险管理4

2.1 贷款风险4

2.2 贷款风险管理6

3.1 信用风险的含义9

第三节 信用风险9

3.3 我国信用风险管理的现状10

第四节 企业信用等级评估11

4.1 信用等级评估的概念和意义11

4.2 企业信用等级的标准12

4.3 企业信用等级评估的过程13

4.4 企业信用等级评估的指标体系14

第五节 贷款风险五级分类法的提出15

5.1 贷款分类概念15

5.2 我国贷款分类的主要方法16

5.3 贷款分类制度的国际比较18

5.5 在信贷MIS中实现五级分类功能的意义和可行性19

5.4 对信贷资产进行五级分类的必要性19

第六节 金融信息化及人工智能方法技术的应用20

6.1 国内金融信息化发展的现状20

6.2 金融技术发展的智能化趋势21

本章小结23

第二章 专家系统24

第一节 专家系统与专家系统组成24

1.1 专家系统的一般特点25

1.2 专家系统的分类26

1.3 专家系统的一般结构28

2.1 专家系统语言、外壳与工具32

第二节 专家系统语言与开发工具32

2.2 智能程序设计语言33

2.3 骨架系统33

2.4 通用开发工具34

第三节 专家系统实施的关键技术36

3.1 专家系统的建造步骤36

3.2 专家系统的设计技巧37

3.3 专家系统的关键技术38

第四节 应用于管理决策KBS原型系统设计思想40

4.1 结构化情景分析（Structured Situation Analysis）40

4.4 决策表（Decision charts）41

4.3 知识库与系统的实施41

4.2 原型系统的描述——关联图（Dependency Diagrams）41

4.5 系统作出建议（Recommendations）42

第五节 KBS系统开发举例：商业贷款评价系统42

5.1 详细信贷分析42

5.2 原型系统文档化46

本章小结51

第三章 人工神经网络概述52

第一节 神经网络概述52

1.1 人工神经网络研究历程52

1.2 ANN的特征54

2.1 人工神经网络的结构55

1.3 ANN的主要应用领域55

第二节 ANN的构成和分类55

2.2 人工神经网络的基本类型57

2.3 人工神经网络示例及其算法58

第三节 前向三层BP神经网络模型62

3.1 网络的结构与数学描述62

3.2 B-P网络的学习算法63

3.3 B-P网络的误差讨论65

3.4 共轭梯度法原理65

3.5 共轭因子β的确定及？E的接受原则66

4.1 ANN与ES集成的必要性67

3.6 共轭梯度法改进BP算法的收敛性验证67

第四节 ANN与ES的结合67

4.2 ANN与ES集成系统的结构68

本章小结70

第四章 基于知识的银行贷款内部监管与稽核系统71

第一节 问题的提出71

1.1 内部控制的概念极其重要性71

1.2 银行内部控制的内容72

1.3 银行内部控制的重要组成部分——内部监管稽核控制73

2.1 系统设计目标74

第二节 系统设计目标与开发步骤74

1.5 基于知识的银行内部单笔单款的稽核方法74

1.4 基于知识系统（KBS）在银行内部监管稽核方面的运用74

2.2 系统开发步骤75

第三节 情景分析75

3.1 贷款发放的流程75

3.2 系统的基本决策要素76

3.3 贷款审批稽核的结构化分析77

3.4 贷款分析稽核的结构化分析77

3.5 贷后监督的稽核结构化分析77

3.6 系统总体结构化分析79

4.1 系统作出的建议81

4.2 用户界面描述81

第四节 编写系统说明文档81

4.3 系统的知识结构及推理过程82

第五节 绘制系统关联图82

5.1 贷款审批的稽核关联图83

5.2 贷款分析的稽核关联图83

5.3 贷后监督的稽核关联图83

5.4 系统总体关联图83

第六节 编制系统决策表87

第七节 设计组建知识库及系统的整体实施88

7.1 设计和组建知识库88

本章小结89

7.2 系统的实施89

第五章 基于人工神经网络的商业贷款风险预警研究90

第一节 银行信贷风险预警概述90

1.1 银行信贷风险预警管理90

1.2 信贷风险预警指标体系91

1.3 基于人工智能技术的风险预警研究方法92

第二节 基于人工神经网络的预警研究92

2.1 前向三层BP网络商业银行信贷风险预警系统的构造92

2.2 贷款风险预警信号的知识处理94

2.3 实验设计95

2.4 BP网络模型的计算机实现96

第三节 人工神经网络在企业财务危机预警之应用97

3.1 统计方法和神经网络方法比较97

3.2 财务状况预警信号与财务比率指标97

3.3 财务预警模式建立98

3.4 实验设计101

第四节 基于ANN与ES混合系统的银行贷款风险预警104

4.1 贷款风险预警信号及KBS结构化情景分析105

4.2 KBS原型系统107

本章小结110

1.1 贷款风险分类中财务分析的内容112

第一节 财务因素分析112

第六章 贷款风险分类管理112

1.2 损益分析114

1.3 资产负债管理分析115

第二节 现金流量118

2.1 现金及现金流量118

2.2 现金流量模型118

2.3 现金流量与贷款风险分类119

第三节 非财务因素分析120

3.1 非财务因素分析在贷款风险分类中的作用120

3.2 非财务因素分析的主要内容121

4.1 确定还款可能性125

4.3 信用支持125

第四节 信用支持125

本章小结128

第七章 基于人工智能的贷款风险分类研究129

第一节 基于人工智能研究的基本框架129

1.1 贷款风险分类概述129

1.2 影响归还贷款可能性的主要因素130

1.3 基于人工智能研究的贷款风险分类构架130

第二节 BP神经网络的财务因素分析131

2.1 建立贷款风险分类的财务指标体系132

2.2 人工神经网络模型构造133

第三节 现金流量因素分析的探讨139

3.1 建立现金流量分析的指标体系140

3.2 专家系统的知识表示140

3.3 现金流量因素的知识表示141

3.4 现金流量分析的进一步探讨——人工神经网络模型的构造142

第四节 基于KBS的非财务因素分析144

4.1 非财务因素的知识框架145

4.2 非财务因素分析的知识表示146

4.3 专家系统的推理方法149

第五节 贷款风险分类的综合分析150

5.1 贷款风险分类综合分析专家系统知识结构150

5.2 贷款风险分类综合分析的知识表示151

本章小结154

第一节 智能型系统155

第八章 基于知识管理（KM）的智能型系统展望155

第二节 知识管理158

2.1 信息与信息管理158

2.2 知识与知识管理159

2.3 从信息管理到知识管理159

2.4 知识分类161

第三节 知识管理系统的构建164

3.1 知识管理系统设计目标165

3.2 知识运用167

3.3 知识管理系统169

4.1 知识转换171

第四节 知识转化与知识求精171

4.2 知识求精172

第五节 知识转换技术应用举例：神经网络规则抽取技术176

5.1 神经网络规则抽取技术概述176

5.2 规则抽取算法描述177

5.3 神经网络规则抽取技术应用实例178

本章小结179

附录1：采用Java语言进行实施的KBS原型系统知识库的部分内容181

附录2：BP的C＋＋实现183

附录3：MATLAB辅助神经网络分析方法介绍189

参考文献199