| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 1. 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究目的 | 第12-13页 |
| ·研究思路及流程 | 第13-14页 |
| ·本文创新之处 | 第14-15页 |
| 2. 国内外研究的文献综述 | 第15-21页 |
| ·多变量判别模型 | 第15页 |
| ·PROBIT模型和LOGIT模型 | 第15-17页 |
| ·类神经网络模型 | 第17-18页 |
| ·其它模型 | 第18页 |
| ·模型评述 | 第18-21页 |
| 3. 算法理论介绍 | 第21-32页 |
| ·财务困境的国内外研究发展 | 第21-22页 |
| ·财务困境的国外研究 | 第21-22页 |
| ·财务困境的国内研究 | 第22页 |
| ·本文定义 | 第22页 |
| ·算法的选择 | 第22-23页 |
| ·LOGIT回归模型 | 第23-24页 |
| ·Logit模型的含义 | 第23页 |
| ·Logit模型参数估计 | 第23-24页 |
| ·支持向量机(SUPPORT VECTOR MACHINES) | 第24-26页 |
| ·核函数(Kernel Function) | 第24-25页 |
| ·支持向量机 | 第25-26页 |
| ·随机森林(RANDOM FORESTS) | 第26-29页 |
| ·决策树(decision tree) | 第27-29页 |
| ·随机森林(Random Forests) | 第29页 |
| ·适应的提升(ADABOOST) | 第29-32页 |
| 4. 样本及指标选取 | 第32-38页 |
| ·研究样本的选取 | 第32-33页 |
| ·样本构建原则 | 第32页 |
| ·样本行业范围的选取 | 第32-33页 |
| ·样本的选取 | 第33页 |
| ·财务指标筛选方法 | 第33-35页 |
| ·财务指标选取原则 | 第33-34页 |
| ·财务指标的选取结果 | 第34-35页 |
| ·样本财务指标数据的预处理 | 第35-38页 |
| 5. 实证研究 | 第38-43页 |
| ·LOGIT模型的实证研究 | 第38-39页 |
| ·SVM算法实证研究 | 第39-40页 |
| ·RANDOM FOREST算法实证研究 | 第40-41页 |
| ·ADABOOST算法实证研究 | 第41-43页 |
| ·损失函数为指数函数时的AdaBoost算法实证研究 | 第41-42页 |
| ·损失函数为logistic函数时的AdaBoost算法实证研究 | 第42-43页 |
| 6. 本文结论 | 第43-46页 |
| ·本文实证研究结果 | 第43-44页 |
| ·本文的不足 | 第44页 |
| ·本文展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48-55页 |
| 致谢 | 第55页 |
