基于支持向量机的上市公司财务预警模型研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-10页 |
| 1 绪论 | 第10-17页 |
| ·选题背景与意义 | 第10-11页 |
| ·国内外研究文献 | 第11-16页 |
| ·国外上市公司财务预警系统研究概述 | 第11-14页 |
| ·国内上市公司财务预警系统研究概述 | 第14-16页 |
| ·本文的主要研究内容 | 第16-17页 |
| 2 财务预警系统的基本理论 | 第17-22页 |
| ·财务预警系统的定义、内涵及性质 | 第17-19页 |
| ·风险和财务危机 | 第17-18页 |
| ·财务预警系统的定义、内涵及性质 | 第18-19页 |
| ·财务预警系统的基本内容 | 第19-22页 |
| ·经济预警系统的基本内容 | 第20页 |
| ·财务预警系统的主要内容 | 第20-22页 |
| 3 统计学习理论和支持向量机 | 第22-31页 |
| ·经验风险最小化原则 | 第22-23页 |
| ·机器学习问题的简单描述 | 第22页 |
| ·经验风险最小化原则及其不足 | 第22-23页 |
| ·统计学习理论的主要思想 | 第23-24页 |
| ·函数集学习能力的描述-VC维 | 第23-24页 |
| ·结构风险最小化归纳原理 | 第24页 |
| ·支持向量机 | 第24-31页 |
| ·基本概念 | 第25-26页 |
| ·线性支持向量机 | 第26-28页 |
| ·非线性支持向量机 | 第28-30页 |
| ·SVM多类分类问题 | 第30-31页 |
| 4 基于支持向量机的财务预警模型 | 第31-46页 |
| ·支持向量机的标准模型 | 第31-33页 |
| ·基于SVM技术的财务分类预警模型 | 第33-40页 |
| ·模型预警指标选择 | 第33-35页 |
| ·模型结果分析 | 第35-38页 |
| ·模型推广能力的研究 | 第38-40页 |
| ·SVM财务预警模型与BPN财务预警模型比较 | 第40-42页 |
| ·多分类SVM模型财务预警实验 | 第42-45页 |
| ·多类分类SVM模型的建立 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 5 结论 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 作者简历 | 第49-51页 |
| 学位论文数据集 | 第51页 |
