第1章 导论 1
1.1 问题提出背景 1
1.2 研究目的与意义 2
1.2.1 研究目的 2
1.2.2 研究意义 3
1.3 研究动态 5
1.4 本书研究内容与研究框架 9
1.4.1 研究内容 9
1.4.2 研究方法 11
1.4.3 技术路线 11
1.4.4 本书框架结构 11
1.5 本书研究的关键技术问题与创新之处 12
1.5.1 本书研究的关键技术问题 12
1.5.2 研究的创新之处 13
第2章 信用风险管理理论与方法综述 14
2.1 信用风险涵义与特点 14
2.1.1 信用风险涵义 14
2.1.2 信用风险的产生 14
2.1.3 信用风险影响因素 14
2.1.4 信用风险主要特点 15
2.1.5 信用风险管理原则 17
2.2 巴塞尔新资本协议关于信用风险管理的主要内容 17
2.2.1 计量信用风险的标准法 17
2.2.2 信用风险资本计算的内部评级法（IRB） 17
2.3 信用风险评估模型比较分析 18
2.3.1 古典信用分析方法 19
2.3.2 现代信用风险评估模型 19
2.4 现行信用风险评估模型存在的主要问题 25
2.5 利用综合智能技术改进信用风险评估模型的基本思想 26
本章小结 28
第3章 智能计算技术理论基础 29
3.1 神经网络基本理论 29
3.1.1 神经元和神经网络及其模式识别能力 29
3.1.2 神经网络的学习算法及训练评价准则 32
3.1.3 隐含层及隐含层节点数目的确定 35
3.2 模糊逻辑基本理论 36
3.2.1 模糊集基本运算与模糊关系 36
3.2.2 模糊逻辑推理系统的分类 38
3.3 遗传算法基本理论 40
3.3.1 遗传算法基本流程 40
3.3.2 遗传算法搜索策略 41
本章小结 43
第4章 改进的遗传算法设计与综合智能计算研究 44
4.1 神经网络、模糊逻辑和遗传算法特性的比较分析 44
4.2 改进的遗传算法设计 46
4.2.1 多子群模型结构设计 46
4.2.2 遗传算法的编码方式 49
4.2.3 选择策略的改进研究 49
4.2.4 基于标准差的自适应交叉、变异算子 51
4.3 神经网络、模糊逻辑和遗传算法的综合技术研究 55
4.3.1 神经网络、模糊逻辑和遗传算法的结合方式分析 55
4.3.2 遗传进化型模糊神经网络模型的结构与算法设计 57
本章小结 67
第5章 基于遗传进化型模糊神经网络的信用风险评估模型设计 68
5.1 信用评级概念 68
5.2 信用风险指标体系的建立 69
5.3 样本采集和数据统计 71
5.3.1 二分类信用样本 71
5.3.2 多分类信用样本 73
5.4 信用风险影响因子分析 75
5.4.1 二分类信用样本因子分析 75
5.4.2 多分类信用样本因子分析 78
5.5 基于信用样本的风险评估模型设计 80
5.5.1 基于BP神经网络的信用风险评估模型 80
5.5.2 基于模糊神经网络的信用风险评估模型 84
5.5.3 基于遗传进化型模糊神经网络的信用风险评估模型 87
5.5.4 n重交叉验证技术 90
本章小结 92
第6章 信用风险评估模型实验结果的比较分析 93
6.1 二分类信用风险评估模型的比较分析 93
6.1.1 实验结果 93
6.1.2 比较分析 94
6.1.3 初步结论 99
6.2 多分类信用风险评估模型的比较分析 100
6.2.1 实验结果 100
6.2.2 比较分析 101
6.2.3 初步结论 102
本章小结 102
结束语 104
附录 106
主要参考文献 128