基于人工智能的銀行信貸風險管理決策研究

第一章　緒論
第一節(jié)　貸款及貸款對象
1.1 貸款的種類
1.2 貸款對象及條件
第二節(jié)　貸款風險與貸款風險管理
2.1 貸款風險
2.2 貸款風險管理
第三節(jié)　信用風險
3.1 信用風險的含義
3.3 我國信用風險管理的現(xiàn)狀
第四節(jié)　企業(yè)信用等級評估
4.1 信用等級評估的概念和意義
4.2 企業(yè)信用等級的標準
4-3企業(yè)信用等級評估的過程
4.4 企業(yè)信用等級評估的指標體系
第五節(jié)　貸款風險五級分類法的提出
5.1 貸款分類概念
5.2 我國貸款分類的主要方法
513貸款分類制度的國際比較
5.4 對信貸資產進行五級分類的必要性
5.5 在信貸MIS中實現(xiàn)五級分類功能的意義和可行性
第六節(jié)　金融信息化及人工智能方法技術的應用
6.1 國內金融信息化發(fā)展的現(xiàn)狀
6.2 金融技術發(fā)展的智能化趨勢
本章小結
第二章 專家系統(tǒng)
第一節(jié) 專家系統(tǒng)與專家系統(tǒng)組成
1．1專家系統(tǒng)的一般特點
1．2專家系統(tǒng)的分類
1．3專家系統(tǒng)的一般結構
第二節(jié) 專家系統(tǒng)語言與開發(fā)工具
2．1專家系統(tǒng)語言、外殼與工具
2．2智能程序設計語言
2．3骨架系統(tǒng)
2.4 通用開發(fā)工具
第三節(jié)　專家系統(tǒng)實施的關鍵技術
3.1 專家系統(tǒng)的建造步驟
3.2 專家系統(tǒng)的設計技巧
3.3 專家系統(tǒng)的關鍵技術
第四節(jié)　應用于管理決策KBS原型系統(tǒng)設計思想
4.1 結構化情景分析（StructuredSituationAnalysis）
4.2 原型系統(tǒng)的描述--關聯(lián)圖（DependencyDiagrams）
4.3 知識庫與系統(tǒng)的實施
4.4 決策表（Decisioncharts）
4.5 系統(tǒng)作出建議（Recommendations）
第五節(jié)　KBS系統(tǒng)開發(fā)舉例：商業(yè)貸款評價系統(tǒng)
5.1 詳細信貸分析
5.2 原型系統(tǒng)文檔化
本章小結
第三章　人工神經網絡概述
第一節(jié)　神經網絡概述
1.1 人工神經網絡研究歷程
1.2 ANN的特征
1.3 ANN的主要應用領域
第二節(jié)　ANN的構成和分類
2.1 人工神經網絡的結構
2.2 人工神經網絡的基本類型
2.3 人工神經網絡示例及其算法
第三節(jié)　前向三層BP神經網絡模型
3.1 網絡的結構與數(shù)學描述
3.2 B.P網絡的學習算法
3.3 B.P網絡的誤差討論
3.4 共軛梯度法原理
3.5 共軛因子B的確定及E的接受原則
3.6 共軛梯度法改進BP算法的收斂性驗證
第四節(jié)ANN與ES的結合
4.1 ANN與ES集成的必要性
4.2 ANN與ES集成系統(tǒng)的結構
本章小結
第四章　基于知識的銀行貸款內部監(jiān)管與稽核系統(tǒng)
第一節(jié)　問題的提出
1.1 內部控制的概念極其重要性
1.2 銀行內部控制的內容
……
第五章　基于人工神經網絡的商業(yè)貸款風險預警研究
第六章　貸款風險分類管理．
第七章　基于人工智能的貸款風險分類研究
第八章　基于知識管理(KM)的智能型系統(tǒng)展望．
附錄l：采用Java語言進行實施的KBS原型系統(tǒng)知識庫的部分內容
附錄2：BP的C++實現(xiàn)
附錄3：MATLAB輔助神經網絡分析方法介紹
參考文獻