一、信用风险的量化和计算（论文文献综述）
魏思琪[1]（2021）在《商业银行信用风险量化管理的研究与应用》文中认为现代金融体系一直处于波动之中,商业银行作为重要的金融机构,其运营过程中面临着市场风险、安全风险、信用风险等诸多风险类型。其中,信用风险是占比非常大的一类风险。近年来,商业银行面临的信用风险不断加剧,利用风险模型等量化管理工具对信用风险进行全面评估成为重要的话题。本文首先介绍了商业银行信用风险相关的基础理论,分析了商业银行信用风险管理体系的构建以及常见的信用风险量化模型。之后基于Credit Metrics模型,用实例计算出银行发放的贷款在贷款方处于不同信用等级下的VaR。最后,从银行间信息共享、与互联网巨头合作和优化信贷行业结构三个角度出发,提出加强商业银行信用风险管理的建议。
邢旭东[2]（2021）在《银行对中小微企业的信贷策略分析》文中进行了进一步梳理当前,我国中小企业发展较晚,财务信息公开制度不完善,企业盈利能力和担保能力难以保证。中小民营企业对拉动就业人数增长,使社会稳定发展等方面都举足轻重。中小企业高管人员自身信用缺失等问题,导致商业银行贷款成本上升,风险增大。因此,尽快解决银行信贷问题,是关系到我国国民经济健康发展的关键。
韩嵩,李晓俊[3]（2021）在《融合互联网文本大数据的上市企业信用评价》文中研究表明以2008—2019年制造业上市企业为研究样本,爬取年度财务报告与互联网股民评论文本数据,建立包含风险透明度和股民信心的上市公司信用评价指标体系,并利用随机森林、AdaBoost和Bagging三种集成学习模型构建评价模型。研究发现,年度财务报告与股民评论文本中所蕴涵的文本数据对信用评价具有有效性,且随机森林具有更优的预测效果与模型泛化能力。
周彪[4]（2021）在《小微企业互联网融资信用评价研究》文中进行了进一步梳理我国正处于经济结构、产业结构调整优化的重要阶段,小微企业由于产业类型多样、覆盖范围广、市场反应敏感等特征,对促进我国产业结构的调整和社会经济的持续、平稳运行,发挥着关键的作用。然而,小微企业的融资难题,特别是传统融资的困境限制了小微企业的发展,转向民间信贷融资又使得小微企业面临融资贵的风险,并加剧了市场动荡。信息不对称是小微企业融资困境产生的关键原因,在“互联网+”背景下,加快我国金融供给侧改革、推动互联网金融的发展,既为小微企业融资渠道的拓展提供条件,又为小微企业融资信用水平相关信息的获取提供重要手段。大数据背景下的小微企业互联网融资,成为解决小微企业融资困境的有力方式;基于大数据技术、对小微企业互联网融资信用评价问题展开深入而细致的研究,是该方式发挥作用的关键。本文研究的关键科学问题包括:（1）评价机理分析。研究国外小微企业特征及信贷服务实践的成功经验,分析小微企业互联网融资信用数据来源、剖析小微企业传统渠道与互联网渠道下融资信用评价的异同点等,分析大数据背景下小微企业互联网融资信用评价机理。（2）评价体系构建。加快适用于小微企业互联网融资信用评价体系的针对性研究,强化小微企业互联网融资信用评价的有效性,成为银行等金融机构服务小微企业互联网融资、防控小微企业互联网融资风险的重要举措;（3）数据模型构建。借助互联网技术、大数据技术对海量、多元信息的获取能力,利用数据挖掘及机器学习技术如何改进小微企业融资信用评价模型及模型精确度;（4）评价结果及应用。研究信用评价对金融机构与小微企互联网融资信任关系形成的作用机理,是需要深入分析和研究的重点问题。文章在基本理论模型分析的基础上,通过对四大类问题的研究,产生如下的研究成果:（1）基于大数据的小微企业互联网融资评价机理模型。针对小微企业互联网金融产品、服务及融资流程不明晰、不系统的现状,对小微企业互联网融资途径及大数据信用评价机理展开分析。我国小微企业是国民经济发展的重要力量,从国外小微企业特征及信贷服务实践的分析入手,实现我国小微企业特征的详细统计分析和对比分析,我国小微企地域分布和行业分布等总体情况、金融行为、竞争力、社会关联性以及还款能力和还款意愿上,表现出显着差异性特征。基于案例提出小微企业互联网融资模式共包含传统融资业务的互联网化、基于互联网平台的融资模式、“互联网+”金融的全新模式以及上市融资四种类型。提出信息不对称风险、财务风险、关联关系复杂性风险、脆弱性风险四类小微企业互联网融资信用的风险来源,剖析小微企业传统渠道与互联网渠道下融资信用评价的异同点,界定小微企业互联网融资信用评价的四维概念模型。研讨大数据技术小微企业互联网融资信用评价中的应用机理,提出评价的基本框架。（2）“互联网+”的小微企业互联网融资评价体系模型。充分利用“互联网+”下小微企业融资渠道拓宽所带来的海量信息获取优势,分析影响小微企业互联网融资信用水平的相关因素,构建针对小微企业互联网融资信用评价的专门指标框架,形成具体、细致的评价指标储备。界定反映小微企业互联网融资信用水平的硬信息、软信息,从双重维度提炼81项影响小微企业互联网融资信用水平的具体因素。继而,从经营活动信息、金融行为信息、企业基本信息、企业竞争力信息、企业关联关系信息系和企业融资申请陈述信息等六个维度提炼、储备90个具体评价指标,构建小微企业互联网融资信用评价指标体系的总体框架,明确各评价指标的指标类型、评分方法及数据的标准化方法。构建融合熵值法、CRITIC方法、方差齐性检验的小微企业互联网融资信用评价指标组合赋权方法,强化指标体系区分小微企业互联网融资信用履约客户和违约客户的能力。（3）基于主题挖掘的小微企业互联网融资数据获取模型。信息量暴增、数据结构多元化,是大数据背景下小微企业互联网融资评价的鲜明特征,小微企业互联网融资信用评价研究需围绕硬信息、软信息多元结构的融合展开。基于小微企业互联网融资信用指标框架中的部分软信息变量,构建小微企业互联网融资信用相关软信息LDA主题挖掘模型,获取17个主题变量及各主题对应每条样本的概率分布,实现小微企业互联网融资信用软信息的量化挖掘。（4）基于神经网络的小微企业互联网融资评价模型。针对小微企业互联网融资信用评价的二分类问题,构建基于BP神经网络的小微企业互联网融资信用评价模型。选取同花顺行情中心新三板作为数据来源开展案例分析,分别将硬信息、软信息、硬信息+软信息纳入BP神经网络模型,形成三组对比实验。结果发现硬信息能够更直观地反映小微企业互联网融资的偿债能力、偿债意愿,相对于单独使用软信息进行小微企业互联网融资信用评价而言,单独使用硬信息进行评价的精确度更高;融入软信息的小微企业互联网融资信用评价精确度高于仅使用软信息或硬信息进行评价的精确度,因而将软信息、硬信息同时纳入小微企业互联网融资信用评价模型,是提升银行等金融机构信贷风险评估准确性的重要方式。（5）小微企业互联网融资发展政策建议。以多元数据的合理化运用为脉络,研究大数据背景下信用评价对金融机构与小微企业信任关系形成的作用机理,给出促进小微企业与金融机构互联网融资信任体系良性发展的策略和管理建议。明确了不同阶段银行等金融机构对多元信息的处理范式,分析小微企业多元信息发挥作用的方式。将小微企业的互联网融资行为和银行等金融机构的放贷行为,抽象为小微企业与金融机构之间互联网融资信任关系形成的博弈问题,构建演化博弈模型,分析二者互联网融资信任关系形成过程中的策略选择,逆向推理信用评价中的相关因素对二者策略选择的影响,进而为银行等金融机构提供相应的管理建议。本文产生的创新点可能包括:（1）基于大数据的小微企业互联网融资信用评价体系总体框架。从我国小微企业的概念和范围界定入手,具体考虑我国小微企业特征,提出大数据背景下、针对小微企业互联网融资信用评价的指标体系总体框架,为后续相关研究提供范式参考。小微企业融资过程中存在大量财务管理数据等结构性硬信息获取不足的问题,致使银行等经融机构难以作出准确的风险评估,造成严重的“信息不对称风险”,进而加剧小微企业互联网融资难度。非结构性文本信息等软信息暴增、数据结构多元化,是大数据背景下小微企业互联网融资评价的鲜明特征,小微企业互联网融资信用评价研究需围绕硬信息、软信息多元结构的融合展开。针对我国小微企业特征,综合考虑小微企业经营过程中产生硬信息、软信息的双重维度,提炼影响小微企业互联网融资信用水平的多项因素,构建针对小微企业互联网融资信用评价的指标体系总体框架,确定具体评价指标及指标类型、标准化方法。大数据技术能够大大提升不同类型、不同来源数据的可得性,因而该数据集合在大数据技术的辅助下,获取更多数据成为可能,这也为其他相关研究提供借鉴。（2）基于多元信息融合的小微企业互联网融资信用评价模型的构建方法。研究大数据技术下非结构性软信息的获取方式、使用方式。软信息暴增、数据结构多元化,是大数据背景下小微企业互联网融资评价的鲜明特征。基于文本挖掘技术,提出大数据背景下小微企业互联网融资信用评价非结构性软信息的量化方法,实现大数据背景下小微企业互联网融资信用评价结构性硬信息和非结构性软信息的量化融合。基于机器学习方法、神经网络模型,构建大数据背景下的小微企业互联网融资信用评价模型。利用网络爬虫技术,研究针对我国小微企业互联网融资信用评价的多元数据获取方法。案例分析设计三重实验,分别采用硬信息数据集、软信息数据集、硬信息+软信息数据集,将三类数据集合分别纳入评价模型中,发现不同数据类型的使用对模型精度具有显着影响。硬信息能够更直观地反映小微企业互联网融资的偿债能力、偿债意愿,相对于单独使用软信息进行小微企业互联网融资信用评价而言,单独使用硬信息进行评价的精确度更高;融入软信息的小微企业互联网融资信用评价精确度高于仅使用软信息或硬信息进行评价的精确度。（3）基于演化博弈的金融机构与小微企业互联网融资信任的关系模型。针对我国小微企业与银行等金融机构之间相互信任不足的特征,构建金融机构与小微企业互联网融资信任关系的演化博弈模型,分析如何通过大数据技术下互联网融资信用评价不同策略选择,实现信用评价的改进、促进小微企业与金融机构互联网融资互利互信共赢的最终目标。围绕多元数据的合理化运用脉络,将小微企业的互联网融资行为和金融机构的放贷行为,抽象为小微企业与金融机构之间互联网融资信任关系形成的博弈问题,构建演化博弈模型。通过演化博弈均衡的分析及影响因素分析,模拟二者互联网融资信任关系形成过程中的策略选择,发现金融机构在小微企业互联网融资中的潜在损益、体现小微企业信用水平的结构性软信息潜在损益以及对软信息硬化边界、机器评价与人际沟通关系的掌握,是影响二者策略选择和良好信任关系形成的重要因素。基于此,为银行等金融机构提供相应的管理建议,以期在大数据背景下实现小微企业互联网融资信用评价效果的提升。图58幅,表27个,参考文献204篇。
张墨竹[5]（2021）在《“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型》文中研究说明国际化经营是世界银行业改革发展的必然趋势,也是中资银行转型发展的必要环节。对于银行国际化发展来说,无论是海外业务改革、国际并购或重组,都需要通过海外布局作为载体得以实施,而设立海外分支机构、加强区域布局是国际化最直接的表现方式,也是成就一流跨国银行的基本路径。发达国家老牌跨国银行在过去几十年间,通过海外布局大幅推动了自身的国际化进程,取得了辉煌的成就。但金融危机、欧债危机使得发达国家老牌跨国银行国际化发展进入瓶颈期,前期的业务优势、区位优势不复存在,甚至部分老牌跨国银行选择退出次要区域市场以保存竞争实力。这对于新兴经济体来说,无疑是一个抢占国际市场的机遇窗口。世界银行业的彼消此涨,使中资银行不得不思考,在经历了国际化初期的快速发展后,今天要如何进一步深化海外市场布局、强化业务管理,实现由“走出去”到“沉下去”、由“做大”到“做强”的转变?中资银行正处于谋求战略发展和国际化转型的关键阶段。然而,当前世界经济低迷,疫情影响持续,逆全球化思潮抬头,中资银行的国际化发展之路并非一帆风顺。但中国坚挺的经济金融市场,以及“一带一路”倡议、RECP自由贸易区等国际经济合作平台的逆势表现,仍为中资银行提供了足够的发展空间。特别是我国主张的“一带一路”倡议的高质量发展,更是为中资银行国际化开辟了崭新路径。于是,无论是理论界还是实务界,对中资银行国际化发展与“一带一路”倡议的相关课题研究也变得愈发关注和重视。梳理众多关于中资银行国际化发展与“一带一路”倡议的相关课题研究,我们发现,宏观研究多于微观研究、务虚探索多于务实研判,有许多问题值得思考:一是银行国际化问题的主流研究重点仍集中在如何提高银行国际化竞争力、银行国际化发展影响因子分析等课题上,而忽视了非常重要的区位选择布局及环境背景研究;二是对于中资银行作为“一带一路”倡议资金融通的中坚力量,关注两者之间勾稽推动关系的研究成果却比较少;三是少有研究者会从“一带一路”沿线整体角度切入,对区位选择问题进行具体分析,并探索建立系统数据模型,提供可量化的对策建议。基于上述问题,本文认为,对于中资银行来说,充分利用好“一带一路”倡议平台,抢占银行国际化发展机遇,区位选择布局问题是当前亟待解决的首要问题。因此,对“一带一路”倡议下中资银行国际化区位选择的研究是一项充满挑战性的工作,这不仅是对“一带一路”倡议沿线国家整体情况的广泛整理,是对银行国际化区位选择路径的深入挖掘,更是对两者间关联匹配度的创新研究。本文通过构建“一带一路”倡议与中资银行国际化合作评估体系（以下简称“中资银行国际化合作评估体系”）,选取“一带一路”倡议沿线69个国家2015年至2019年政治、经济、金融、贸易、营商数据作为样本,借助SVM支持向量机模型（以下简称“SVM模型”）进行分类评估,对“一带一路”沿线国家是否适合中资银行发展进行实证分析。同时,结合银行国际化动因涉及的指标与实证结果进行差异化对标对比,对中资银行国际化区位选择给出具有针对性的对策建议。在面对选择“一带一路”倡议沿线目标国家进行国际化布局时,中资银行可以借助研究结果,结合自身业务发展需求,做具有针对性的差异化选择,降低区位选择布局成本。同时,研究结论也能为不同性质、或处于不同国际化发展阶段的中资银行,提供可量化的区位选择建议,具有较大的现实意义和理论价值。整体研究分为六个部分:第1章,介绍论文选题的背景、意义,主要研究内容、研究方法,以及主要创新点与不足。第2章,梳理银行国际化区位选择理论研究脉络,说明相关理论基本概念,形成文献综述,并对国内外学者的研究成果进行评述。同时,为进一步探究理论运作机理,引入国内外大型银行国际化优秀案例,提炼可供借鉴的国际化区位选择经验。第3章,对中资银行在“一带一路”倡议下进行区位选择的具体影响因素进行识别,并在此基础上全面梳理中资银行与“一带一路”倡议的合作现状,判断中资银行在“一带一路”倡议下的优势和劣势。第4章,介绍中资银行国际化合作评估体系的构建思路和方法,数据库的建立和指标选取等,并进一步阐释SVM模型原理和指标内涵。第5章,运用SVM模型进行实证分析,并基于SVM模型实验结果,回归银行国际化动因理论,结合差异化指标给出有针对性的判断建议。第6章,“一带一路”倡议下中资银行国际化区位选择的主要结论和下一步建议。通过理论演绎和实证研究,本文的主要结论为:首先,“一带一路”倡议与中资银行国际化发展脉络吻合,两者发展相互助推;SVM模型实验具有较高的准确率,且结果显示实验样本集中有47个国家适合中资银行开办分支机构或进一步发展国际化业务。其次,从实证结果分析来看,在“一带一路”倡议下东盟、中欧、东欧三个区域最适合中资银行开拓发展。第三,结合实证分析结论,中资银行可以综合考虑税收法律、文化维度、环境绩效等附加因素,进一步优化区位选择结果。最后,SVM模型可实现进一步延展,待“一带一路”倡议沿线国家数据进一步完善,发展更为成熟时,可在现有模型基础上直接增加指标参数,实现模型结果的实时测度,及时帮助中资银行在“一带一路”倡议下实现国际化区位最优选择。同时,为进一步提高和巩固“一带一路”倡议下的区位优势,中资银行要做好以下几个方面安排:（1）统筹规划国际化区位选择布局战略;（2）做好自身区位选择布局阶段化安排,实现对“一带一路”倡议沿线国家网格化辐射;（3）强化中资银行在“一带一路”倡议下的国际化合作意识,加强公司治理,提升服务管理效率;（4）进一步践行可持续发展责任,以服务支持“一带一路”沿线国经济健康发展。
韩蔚[6]（2021）在《商业银行信用风险模型的发展及构建》文中研究指明2007年至2008年美国次贷危机引发的全球金融危机导致举世闻名的投资银行贝尔斯登（Bear Stearns）破产,雷曼兄弟（Lehman Brothers）破产以及对美林（Merrill Lynch）的收购（Gupta,J.,2014）。许多金融机构饱受这场危机之苦,全球财富大幅贬值。随着财富的贬值,世界经济经历了长期的衰退和萧条,金融风险被推到了顶峰,但其信贷危机的根源是信贷过度扩张所致。因此,防范信用风险的第一步是建立信用风险模型并加以应用。本文将从中小企业和大型企业的角度描述不同的信用风险模型,分析信用风险度量的发展,最后找出银行发展自身信用模型的动力。
戴同[7]（2021）在《基于VFM的多主体参与污水处理PPP项目合作决策模型研究》文中研究说明污水处理公用基础设施对改善水环境发挥着越来越重要的作用。然而,我国污水处理设施数量少、净化质量差成为制约水污染治理效果的重要原因。由政府自建、自营的传统管理模式在工程建设、技术水平、管理方式等方面都不能满足对污水处理效果的要求,进而影响了人们对安全用水的需求。在此背景下,政企合作的PPP模式在污水处理建设、运营项目中得到了大力推广。污水处理PPP项目对水资源用户、政府部门及水务企业而言存在共同的需求基础。但公私合作的PPP模式试行过程中经历了许多波折,究其根本原因是未能平衡多方参与主体的利益。现有PPP模式的研究成果多从政府或社会资本方的视角,以博弈的方法分析问题,很少以多方参与主体利益共赢为目标解决问题。本文突破以往PPP模式的合作理论研究,从人们对优质水环境需求的角度出发,以污水处理PPP项目为研究对象,以影响政府方利益的VFM评价及影响社会资本方利益的投资回报为主线,兼顾用户对排污价格的承受能力,运用信息同步反馈的系统动力学方法建立“基于VFM评价的多方主体参与污水处理PPP项目合作决策系统动力学模型”,借助Vensim软件对满足各方利益相关主体的合作条件进行仿真研究。其研究成果对于加强公私合作过程中的公正性,提高城镇污水处理PPP项目的实施效率有着重要的应用价值和理论意义。其主要研究如下:（1）污水处理行业、PPP模式、VFM评价相关理论梳理污水处理行业、PPP融资模式、VFM评价的相关概念,深入探讨污水处理PPP项目投资收益评价指标,污水处理项目应用PPP融资模式相比于其他模式的优势,污水处理PPP项目VFM评价的应用等相关理论。（2）污水处理PPP项目决策影响因素分析污水处理PPP项目涉及多方主体的利益,每个主体方的决策影响因素均不同。公众期盼尽快享受优质水资源环境所带来的社会福利,其关键决策影响因素是项目实施速度与效果;排污用户关注污水排放费用是否在其承受能力之内,其关键决策因素是污水处理收费单价;VFM评价是政府方针对PPP项目的主要决策依据;投资收益是水务企业投资污水处理项目的主要决策依据。（3）基于多方主体的污水处理PPP项目合作决策模型依据污水处理PPP项目中政府方对VFM量值及水务企业方对投资收益的要求,提炼双方利益的共同影响因素,构建风险量化模型、税费异动模型。运用系统动力学反馈理论构建基于VFM定量评价的污水处理PPP项目合作决策模型,并根据模型中各因子之间的反馈关系设置系统函数。结合上述各子模型构建基于VFM评价的多方主体参与污水处理PPP项目合作决策模型。（4）模型验证及应用分析借助Vensim软件对模型进行仿真模拟,通过实际案例从综合效益最大化、合作边界条件、影响因素敏感性三个方面验证模型的适用性。基于多方主体视角的污水处理PPP项目合作决策模型为加强政企合作过程的社会公信力,满足多方主体利益需求提供了科学的决策参考依据。
徐嘉仁[8]（2021）在《信用卡不良资产证券化产品信用风险研究 ——以“建鑫2018-6”为例》文中指出
薛壮志[9]（2021）在《商业银行信贷资产风险评估研究》文中研究指明
王婷婷[10]（2021）在《风险控制视角下的GH公司应收账款管理研究》文中研究表明
二、信用风险的量化和计算（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、信用风险的量化和计算（论文提纲范文）
（1）商业银行信用风险量化管理的研究与应用（论文提纲范文）
| 一、引言 |
| 二、商业银行信用风险管理体系的构建 |
| 三、常见信用风险量化模型 |
| 1. 信用评分模型 |
| 2. 信用风险理论模型 |
| 3. 商业应用模型 |
| 四、Credit Metrics的实际算例 |
| 五、加强商业银行信用风险管理的建议 |
| 1. 银行间信息共享 |
| 2. 与互联网巨头合作 |
| 3. 优化信贷行业结构 |
| 六、结论 |
（2）银行对中小微企业的信贷策略分析（论文提纲范文）
| 一、研究方案与模型假设 |
| 二、信贷风险评估 |
| (一)数据预处理 |
| (二)计算马式距离去除异常值 |
| (三)构建企业信用评价指标体系 |
| 三、基于Logistic回归理论的信用评级 |
| (一) Logistic模型构建 |
| (二)模型计算 |
| 四、基于决策树模型的信用评级 |
| (一) CART算法 |
| (二)决策树模型概述 |
| (三)决策树的剪枝 |
| (四)决策树预测结果 |
| 五、研究结论 |
| 六、结语 |
（3）融合互联网文本大数据的上市企业信用评价（论文提纲范文）
| 一、引言 |
| 二、研究述评 |
| （一）企业信用评价指标的研究 |
| （二）企业信用评价模型的研究 |
| 三、融合互联网文本大数据的上市企业信用评价指标的选取 |
| （一）企业信用评价指标的设计思路 |
| （二）大数据背景下企业信用评价指标的特色 |
| （三）指标选取的基本原则 |
| 1. 科学性。 |
| 2. 可比性。 |
| 3. 适用性。 |
| 4. 全面性。 |
| 四、大数据背景下企业信用评价指标体系的构建 |
| （一）企业还款能力指标 |
| （二）企业还款意愿指标 |
| 1. 风险透明度X20。 |
| 2. 股民信心X21。 |
| 五、样本选取与数据采集 |
| （一）样本选取 |
| （二）数据的采集过程 |
| 1. 风险透明度指标数据的采集过程。 |
| 2. 股民信心指标数据的采集过程。 |
| 六、集成学习模型的设计与评价 |
| （一）三种集成学习模型的理论基础 |
| 1. 随机森林模型。 |
| 2. AdaBoost集成学习模型。 |
| 3. Bagging集成学习模型。 |
| （二）模型评价指标 |
| 七、实证分析 |
| （一）三种集成学习模型的比较 |
| （二）互联网文本数据信用评价的有效性 |
| 八、结论 |
（4）小微企业互联网融资信用评价研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究问题 |
| 1.3 研究意义 |
| 1.3.1 理论意义 |
| 1.3.2 现实意义 |
| 1.4 研究内容、研究方法与技术路线 |
| 1.4.1 研究内容与研究方法 |
| 1.4.2 技术路线 |
| 1.5 研究创新点 |
| 2 文献与基础理论综述 |
| 2.1 小微企业的概念及范围界定 |
| 2.1.1 小微企业的概念 |
| 2.1.2 小微企业的范围 |
| 2.2 小微企业的融资困境及互联网融资 |
| 2.2.1 小微企业融资难题 |
| 2.2.2 小微企业的互联网融资 |
| 2.3 小微企业融资信用评价影响因素及评价指标体系 |
| 2.3.1 硬信息对小微企业互联网融资信用的影响 |
| 2.3.2 软信息对小微企业互联网融资信用的影响 |
| 2.4 小微企业互联网融资信用评价模型及方法 |
| 2.4.1 传统信用评价技术 |
| 2.4.2 大数据技术下的企业融资信用评价方法 |
| 2.5 文献述评 |
| 2.6 本章小结 |
| 3 小微企业互联网融资信用评价机理分析 |
| 3.1 国外小微企业特征及信贷服务实践 |
| 3.1.1 国外小微企业发展模式及传统渠道融资特征 |
| 3.1.2 国外小微企业互联网融资模式的发展 |
| 3.2 我国小微企业特征 |
| 3.2.1 小微企业的总体特征 |
| 3.2.2 小微企业的经营活动特征 |
| 3.2.3 小微企业的金融行为特征 |
| 3.2.4 小微企业的竞争力特征 |
| 3.2.5 小微企业的社会关联性特征 |
| 3.2.6 小微企业的还款能力及还款意愿特征 |
| 3.3 我国小微企业互联网融资模式及途径 |
| 3.3.1 小微企业互联网融资模式 |
| 3.3.2 小微企业互联网融资途径 |
| 3.4 小微企业互联网融资信用分析 |
| 3.4.1 小微企业互联网融资信用数据的来源 |
| 3.4.2 小微企业传统与互联网渠道融资信用评价的异同 |
| 3.4.3 小微企业互联网融资信用评价的四维概念模型与要素 |
| 3.5 大数据背景下小微企业互联网融资信用评价机理 |
| 3.5.1 大数据背景下小微企业互联网融资信用评价的目的 |
| 3.5.2 大数据背景下小微企业互联网融资审核流程分析 |
| 3.5.3 大数据技术在小微企业互联网融资信用评价中的应用 |
| 3.6 本章小结 |
| 4 小微企业互联网融资信用评价指标体系构建 |
| 4.1 小微企业互联网融资信用指标构建 |
| 4.1.1 小微企业互联网融资信用硬信息与软信息界定 |
| 4.1.2 影响小微企业互联网融资信用水平的硬信息 |
| 4.1.3 影响小微企业互联网融资信用水平的软信息 |
| 4.2 小微企业互联网融资信用评价指标界定与预处理 |
| 4.2.1 小微企业互联网融资信用评价指标框架 |
| 4.2.2 小微企业互联网融资信用评价指标类型及标准化方法 |
| 4.3 小微企业互联网融资信用评价指标组合赋权 |
| 4.3.1 小微企业互联网融资信用评价指标单一客观赋权方法 |
| 4.3.2 小微企业互联网融资信用评价指标组合赋权方法 |
| 4.3.3 小微企业互联网融资信用熵评价模型 |
| 4.4 本章小结 |
| 5 小微企业互联网融资信用数据获取模型 |
| 5.1 软信息对小微企业互联网融资信用评价的作用方式 |
| 5.1.1 软信息对小微企业互联网融资信用评价的直接作用 |
| 5.1.2 软信息文本特征对小微企业互联网融资信用评价的间接作用 |
| 5.1.3 软信息主题特征对小微企业互联网融资信用评价的间接作用 |
| 5.2 融合多元信息的小微企业互联网融资信用数据获取 |
| 5.2.1 小微企业互联网融资信用软信息分类 |
| 5.2.2 小微企业互联网融资信用软信息量化方法 |
| 5.2.3 小微企业互联网融资信用评价软硬信息变量选取 |
| 5.3 小微企业互联网融资信用数据模型 |
| 5.3.1 小微企业互联网融资信用评价数据来源 |
| 5.3.2 小微企业互联网融资信用信息量化处理 |
| 5.4 本章小结 |
| 6 小微企业互联网融资信用评价模型与案例分析 |
| 6.1 基于博弈的评价主体关系分析 |
| 6.1.1 评价主体的互联网融资信任博弈模型假设 |
| 6.1.2 评价主体的互联网融资信任博弈模型构建 |
| 6.1.3 评价主体的互联网融资信任博弈演化均衡的稳定性分析 |
| 6.2 基于演化的小微企业互联网融资信用评价模型 |
| 6.2.1 评价主体的互联网融资信用特征 |
| 6.2.2 基于神经网络和物元可拓的评价方法 |
| 6.2.3 模型精确度测量 |
| 6.3 小微企业互联网融资信用评价结果分析 |
| 6.3.1 小微企业互联网融资信用评价数据来源 |
| 6.3.2 小微企业互联网融资信用评价实验设计 |
| 6.3.3 小微企业互联网融资信用评价实验结果及分析 |
| 6.4 本章小结 |
| 7 小微企业互联网融资信用评价总结与政策建议 |
| 7.1 大数据背景下小微企业互联网融资信用内涵总结 |
| 7.1.1 大数据背景下小微企业互联网融资 |
| 7.1.2 大数据背景下小微企业互联网融资信用优势 |
| 7.2 小微企业互联网融资信用评价要素 |
| 7.2.1 传统融资过程中的信用评价与信任关系 |
| 7.2.2 互联网融资过程中的信用评价与信任关系 |
| 7.3 小微企业互联网融资信用评价的管理建议 |
| 7.3.1 基于激励政策执行力的信用评价技术研究 |
| 7.3.2 基于互联网金融信用评价的风险防控 |
| 7.3.3 基于大数据来平衡评价技术与人际沟通的关系 |
| 7.4 本章小结 |
| 8 研究结论与展望 |
| 8.1 研究结论 |
| 8.2 研究展望 |
| 参考文献 |
| 附录 A 词云图代码 |
| 附录 B LDA模型代码 |
| 附录 C BP神经网络代码 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 问题的提出 |
| 1.1.2 研究的背景 |
| 1.1.3 研究的现实意义与理论意义 |
| 1.2 研究内容与方法 |
| 1.2.1 研究内容 |
| 1.2.2 研究方法 |
| 1.3 主要创新与不足之处 |
| 1.3.1 主要创新 |
| 1.3.2 不足之处 |
| 第2章 银行国际化区位选择文献综述及经验借鉴 |
| 2.1 相关概念与文献综述 |
| 2.1.1 银行国际化概念及内涵 |
| 2.1.2 银行国际化区位选择问题国内外文献综述 |
| 2.1.3 “一带一路”下银行国际化区位选择文献综述 |
| 2.2 外资银行国际化区位选择实践经验借鉴 |
| 2.2.1 西班牙桑坦德银行国际化区位选择实践借鉴 |
| 2.2.2 美国花旗银行国际化区位选择实践借鉴 |
| 2.3 中资银行国际化区位选择实践经验借鉴 |
| 2.3.1 中国银行国际化区位选择实践借鉴 |
| 2.3.2 中国工商银行国际化区位选择实践借鉴 |
| 第3章 “一带一路”下中资银行国际化区位选择影响因素及合作现状 |
| 3.1 “一带一路”下中资银行国际化区位选择影响因素识别 |
| 3.1.1 宏观政治因素 |
| 3.1.2 贸易发展因素 |
| 3.1.3 投资发展因素 |
| 3.1.4 绿色金融因素 |
| 3.2 “一带一路”下中资银行国际化发展环境与现状 |
| 3.2.1 “一带一路”下的金融环境情况 |
| 3.2.2 中资银行支持“一带一路”建设情况 |
| 3.3 “一带一路”下中资银行国际化发展的优势与劣势 |
| 3.3.1 国际化发展的优势 |
| 3.3.2 国际化发展的劣势 |
| 第4章 “一带一路”下中资银行国际化合作评估体系构建 |
| 4.1 合作评估体系构建方法 |
| 4.1.1 合作评估体系构建的总体思路 |
| 4.1.2 数据指标总库选取的基本原则 |
| 4.1.3 最高关联度指标主成分分析 |
| 4.2 合作评估体系的指标内涵 |
| 4.2.1 政府管理指标 |
| 4.2.2 经济投资指标 |
| 4.2.3 金融发展指标 |
| 4.2.4 贸易水平指标 |
| 4.2.5 营商开放指标 |
| 4.3 合作评估体系SVM模型选择 |
| 4.3.1 线性SVM模型 |
| 4.3.2 非线性可分SVM模型 |
| 4.3.3 支持向量机SVM模型优势 |
| 第5章 评估体系SVM模型实证结果及差异化结论分析 |
| 5.1 合作评估体系呈现的SVM模型实验结果 |
| 5.1.1 综合角度SVM模型实验结果 |
| 5.1.2 引入时序角度的实验结果 |
| 5.1.3 引入地理角度的实验结果 |
| 5.2 基于比较优势理论的结论分析 |
| 5.2.1 沿线各国比较优势情况汇总 |
| 5.2.2 比较优势理论的差异化结论分析 |
| 5.3 基于国际生产折衷理论的结论分析 |
| 5.3.1 沿线各国文化维度情况汇总 |
| 5.3.2 文化维度的差异化结论分析 |
| 5.4 基于可持续发展角度的结论分析 |
| 5.4.1 社会责任视角的差异化结论分析 |
| 5.4.2 绿色金融视角的差异化结论分析 |
| 第6章 结论及相关建议 |
| 6.1 主要结论 |
| 6.2 相关建议 |
| 参考文献 |
| 攻读博士学位期间学术研究成果 |
| 致谢 |
（6）商业银行信用风险模型的发展及构建（论文提纲范文）
| 一、传统信用风险模型 |
| 1. 专家系统 |
| 2. 信用评分方式 |
| 3. 财务比率评分模型 |
| 二、现代信用风险模型 |
| 1. RAROC模型 |
| 2. 基于Va R的信用风险模型 |
| (1）信用指标模型（JP Morgan) |
| (2）信用附加（Credit Risk+）模型（瑞士银行） |
| (3)KMV模型（KMV公司） |
| 三、发展中银行自身信用风险模型的动因 |
| 1.《巴塞尔协议II》的要求 |
| 2. 风险防范要求 |
| 3. 自身业务的独特性 |
| 4. 银行行业监管需求 |
| 四、结论 |
（7）基于VFM的多主体参与污水处理PPP项目合作决策模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 污水处理行业投资决策研究现状 |
| 1.2.2 PPP融资模式研究现状 |
| 1.2.3 物有所值评价研究现状 |
| 1.2.4 系统动力学研究现状 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究技术路线 |
| 1.3.3 论文研究创新点 |
| 第2章 污水处理PPP项目合作决策理论基础 |
| 2.1 污水处理理论基础 |
| 2.1.1 污水处理行业概述 |
| 2.1.2 污水处理相关水质标准 |
| 2.2 PPP模式相关理论基础 |
| 2.2.1 PPP模式内生动力及内涵 |
| 2.2.2 PPP模式运作方式 |
| 2.3 污水处理项目PPP模式适用性 |
| 2.3.1 污水处理特性及发展历程 |
| 2.3.2 污水处理PPP项目运作方式 |
| 2.4 PPP项目VFM评价基础理论 |
| 2.4.1 PPP项目VFM评价的特性内涵 |
| 2.4.2 PPP项目VFM评价的驱动因素 |
| 2.5 系统动力学理论基础 |
| 2.5.1 系统动力学的起源与发展 |
| 2.5.2 系统动力学仿真应用基础 |
| 2.6 本章小结 |
| 第3章 多主体参与污水处理PPP项目决策依据 |
| 3.1 公众决策依据仿真方法分析 |
| 3.2 用户决策依据排污收费分析 |
| 3.3 企业决策依据投资收益分析 |
| 3.4 政府决策依据VFM评价研究 |
| 3.4.1 污水处理PPP项目VFM定性评价改进模型 |
| 3.4.2 污水处理PPP项目VFM定量评价PSC法应用 |
| 3.5 本章小结 |
| 第4章 VFM定量评价关键影响因素研究 |
| 4.1 VFM定量评价PSC法的应用 |
| 4.1.1 VFM定量评价PSC法应用分析 |
| 4.1.2 VFM定量评价PSC法核算要素分析 |
| 4.2 基于灰色关联度的模糊风险成本量化模型 |
| 4.2.1 污水处理PPP项目风险识别与分配 |
| 4.2.2 污水处理PPP项目风险成本量化模型 |
| 4.3 基于税费异动的竞争性中立调整值分析 |
| 4.4 本章小结 |
| 第5章 污水处理PPP项目合作决策子模型构建与仿真 |
| 5.1 污水处理PPP项目合作假设前提 |
| 5.1.1 多方主体参PPP项目交易结构 |
| 5.1.2 污水处理PPP项目合作决策边界条件 |
| 5.1.3 污水处理PPP项目财务测算基本假设 |
| 5.2 污水处理PPP项目企业投资收益模型 |
| 5.2.1 污水处理项目企业投资子模型构建 |
| 5.2.2 实例仿真分析 |
| 5.3 污水处理PPP项目税费异动子模型 |
| 5.3.1 污水处理PPP项目税费影响因素分析 |
| 5.3.2 污水处理PPP项目税费子模型构建 |
| 5.3.3 实例仿真分析 |
| 5.4 污水处理PPP项目政府VFM评价子模型 |
| 5.4.1 VFM评价影响因子函数关系分析 |
| 5.4.2 污水处理PPP项目VFM评价子模型构建 |
| 5.4.3 实例仿真分析 |
| 5.5 本章小结 |
| 第6章 污水处理PPP项目合作决策模型应用 |
| 6.1 污水处理PPP项目合作决策模型构建 |
| 6.2 合作决策模型在招标采购中的应用 |
| 6.2.1 污水处理PPP项目招标采购案例概述 |
| 6.2.2 合作决策模型在招标采购中的应用 |
| 6.3 合作决策模型在边界条件中的应用 |
| 6.3.1 污水处理PPP项目边界条件案例概述 |
| 6.3.2 合作决策模型在边界条件中的应用 |
| 6.4 合作决策模型在敏感性分析中的应用 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
四、信用风险的量化和计算（论文参考文献）
- [1]商业银行信用风险量化管理的研究与应用[J]. 魏思琪. 全国流通经济, 2021(31)
- [2]银行对中小微企业的信贷策略分析[J]. 邢旭东. 商讯, 2021(30)
- [3]融合互联网文本大数据的上市企业信用评价[J]. 韩嵩,李晓俊. 统计学报, 2021(05)
- [4]小微企业互联网融资信用评价研究[D]. 周彪. 北京交通大学, 2021
- [5]“一带一路”倡议下中资银行国际化区位选择研究 ——基于SVM支持向量机模型[D]. 张墨竹. 吉林大学, 2021(01)
- [6]商业银行信用风险模型的发展及构建[J]. 韩蔚. 商场现代化, 2021(16)
- [7]基于VFM的多主体参与污水处理PPP项目合作决策模型研究[D]. 戴同. 华北电力大学(北京), 2021(01)
- [8]信用卡不良资产证券化产品信用风险研究 ——以“建鑫2018-6”为例[D]. 徐嘉仁. 电子科技大学, 2021
- [9]商业银行信贷资产风险评估研究[D]. 薛壮志. 中国矿业大学, 2021
- [10]风险控制视角下的GH公司应收账款管理研究[D]. 王婷婷. 西安理工大学, 2021