本书将社会网络理论与神经网络优化算法应用于信用风险预测领域，阐述了智能算法优化后的神经网络模型在银行系统风险传播和个人信用贷款风险传播中的应用，同时介绍了遗传算法、粒子群算法、思维进化算法、灰色理论等神经网络优化理论及其应用。 本书可供金融市场风险工作的管理与分析人员、数理统计人员、研究与开发人员阅读参考，也可作为高等院校信息管理类、数据分析类、金融类、财务会计类等专业师生的参考书。

1 绪论
1.1 引言
1.2 神经网络理论与应用
1.2.1 神经网络发展历程
1.2.2 神经网络原理
1.2.3 神经网络应用领域
1.2.4 神经网络研究方向
1.3 金融网络理论与应用
1.3.1 金融网络的基本概念
1.3.2 金融网络的典型应用
1.3.3 金融网络应用现状及趋势
参考文献
2 社会网络理论
2.1 社会网络基本概念
2.2 社会网络统计特征
2.2.1 度与度分布
2.2.2 平均路径长度
2.2.3 聚集系数
2.2.4 介数
2.2.5 紧密度
2.2.6 中心性
2.2.7 PageRank值
2.2.8 连通度
2.3 社会网络模型
2.3.1 规则网络模型
2.3.2 随机网络模型
2.3.3 无标度网络模型
2.3.4 小世界网络模型
参考文献
3 基于人工神经网络模型的敏感度分析
3.1 神经网络理论
3.1.1 BP神经网络
3.1.2 SOM神经网络
3.1.3 GRNN神经网络
3.2 优化算法理论
3.2.1 遗传算法
3.2.2 粒子群算法
3.2.3 思维进化算法
3.3 敏感度分析
3.3.1 敏感度分析的定义与分类
3.3.2 基于人工神经网络的敏感性分析
参考文献
4 银行系统风险传播仿真模拟研究
4.1 商业银行资产负债表
4.2 商业银行系统风险传播机理剖析
4.3 风险传染衡量指标及影响因素
4.3.1 银行资产负债结构类影响因素
4.3.2 社会网络结构特征类影响因素
4.3.3 银行借贷整体变化类影响因素
4.4 仿真模拟
4.4.1 仿真模拟数据的生成及处理
4.4.2 PSO-GRNN神经网络模型
4.4.3 PSO-GRNN神经网络模型仿真测试
4.4.4 结果分析
4.5 结论与讨论
参考文献
5 个人信用贷款风险传播实证研究
5.1 引言
5.2 模型与方法
5.2.1 社会网络与拓扑特征
5.2.2 预测模型
5.3 实证分析
5.3.1 数据来源
5.3.2 模型训练
5.3.3 模型测试
5.3.4 模型预测
5.4 结论与建议
参考文献
附录1 银行系统风险传播仿真模拟数据
附录2 个人信用贷款风险传播社会网络数据
附录3 银行系统风险传播仿真模拟数据
附录4 GRNN模型相关程序
附录5 PSO-GRNN模型计算程序
附录6 输入变量MIV值计算程序
后记