金融业一直是计算机技术应用最多和最广泛的一个行业，这在中国市场经济蓬勃发展，金融体制改革为领导、国有商业银行为主体、多种金融机构分工协作的格局日益形成，特别是大量外资银行涌入，使银行间的商业竞争开始激烈。 在这种环境下，如何有效地加快计算机技术的深入应用，加强技术改造更新，提高自身的业务服务能力和水平，是银行发展中的一项关键任务。单机、分系统的计算机应用模式已不能适应今天的需求。 国家推动的“三金”工程，为银行业的计算机系统提出了重要课题。只有一个广域联网的，实时高效的，安全可靠的，综合决策

本论文的研究课题《基于Struts的网上银行系统 》是基于DreamWeaver开发工具和Sql Server 2000后台数据库进行开发的，本系统的开发根据任务书的要求通过系统需求分析、设计、实现与测试等过程，完成了系统功能模块的设计与实现。

采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词:　粗糙集;Elman 神经网络

基于动态相关性的我国银行系统性风险度量研究_高国华