中国商业银行全面风险评价研究——基于粗糙集的数据挖掘算法在金融风险防范中的应用

　　本书稿系统回顾了商业银行风险管理理论与实践，利用16家上市银行数据和国际通行的监管指标，建立了我国商业银行全面风险评价的指标体系，在此基础上运用粗糙集理论对我国商业银行风险评价进行了实证研究，同时还运用人工神经网络的方法对此进行了全面验证，终应用粗糙集理论构建了我国商业银行全面风险评价体系。

1. 绪论
  1.1 研究背景与意义
  1.2 项目研究的主要问题
  1.3 项目研究的主要内容与基本框架
  1.4 项目的研究方法与可行性分析
2.商业银行风险管理理论与实践
  2.1 风险管理概述
    2.1.1 风险管理目的
    2.1.2 风险管理的发展
    2.1.3 风险的分类
  2.2 银行业风险监管的发展
    2.2.1 国际银行业监管的发展
    2.2.2 我国银行业风险监管的发展
  2.3 商业银行的信用风险
    2.3.1 信用风险的定义
    2.3.2 信用风险的来源
    2.3.3 信用风险的种类
    2.3.4 信用风险的度量
    2.3.5 信用风险测量的几种方法
  2.4 商业银行的市场风险
    2.4.1 市场风险的定义
    2.4.2 市场风险的分类
    2.4.3 市场风险的度量和管理
  2.5 商业银行的操作风险
    2.5.1 操作风险的定义
    2.5.2 操作风险的分类与特点
    2.5.3 操作风险监管的发展
    2.5.4 操作风险的计量
    2.5.5 操作风险研究综述
3.我国商业银行全面风险评价指标体系研究
  3.1 商业银行全面风险评价概述
    3.1.1 商业银行全面风险评价的概念
    3.1.2 商业银行全面风险评价的主体
  3.2 基于不同评价主体的评价标准
    3.2.1 国际评价标准
    3.2.2 国内的相关评价标准
    3.2.3 第三方评价标准卯
  3.3 我国商业银行全面风险评价指标体系的确立
    3.3.1 指标体系确立的原则
    3.3.2 指标体系的主要内容
  3.4 基于16家上市银行内部变量指标的数据分析
    3.4.1 财务指标
    3.4.2 监管指标
  3.5 基于宏观经济数据的外部变量指标分析
4.基于粗糙集理论的我国商业银行风险评价实证研究
  4 1利用粗糙集理论评价商业银行金融风险的意义及国内外研究动态
    4.1.1 利用粗糙集理论评价商业银行金融风险的意义
    4.1.2 国内外研究动态
  4.2 粗糙集理论基础
    4.2.1 粗糙集的基本概念
    4.2.2 典型约简算法
    4.2.3 进行属性离散化
  4.3 粗糙集理论在商业银行金融风险评价中的应用研究与实证分析
   4.3.1 基于粗糙集理论的金融风险评价模型的建立
   4.3.2 样本数据的选取与确定
   4.3.3 数据补全及离散化处理
   4.3.4 属性约简
   4.3.5 规则提取
   4.3.6 模型应用测试结果
   4.3.7 模型特点及总结
5.基于神经网络的商业银行全面风险评价模型验证
  5.1 神经网络理论及其相关应用介绍
    5.1.1 人工神经网络的起源发展及其分类
    5.1.2 BP神经网络在风险评价方面的适用性分析
    5.1.3 BP神经网络相关理论基础
  5.2 商业银行风险评价模型的设计与建立
    5.2.1 商业银行风险评价模型相关指标的确定
    5.2.2 商业银行风险评价模型的建立
  5 3基于粗糙集的商业银行风险评价模型的神经网络仿真与验证
    5.3.1 数据的选取和预处理
    5.3.2 MATLAB仿真软件介绍
    5.3.3 模型的仿真与验证
  5.4 本章小结
6.基于粗糙集理论的商业银行风险评价体系构建
  6.1 建立商业银行风险预警机制
    6.1.1 商业银行风险预警机制功能
    6.1.2 商业银行风险预警流程
  6.2 以粗糙集理论为核心的商业银行风险评价体系
    6.2.1 商业银行风险评价体系的设计原则
    6.2.2 基于粗糙集模型的商业银行风险评价体系设计
    6.2.3 基于粗糙集模型的商业银行风险评价体系实施方案
7.总结
附录 本研究中的相关数据
参考文献