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