基于SVM模型的上市公司财务风险预警研究
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第1章 绪论 | 第5-8页 |
| 1.1 研究背景 | 第5-7页 |
| 1.2 研究意义 | 第7-8页 |
| 1.3 研究内容 | 第8页 |
| 第2章 财务危机理论国内外文献综述 | 第8-15页 |
| 2.1 “财务危机”的概念与定义 | 第8-10页 |
| 2.2 财务危机预警研究方法综述 | 第10-15页 |
| 2.2.1 国外财务危机主要研究方法概述 | 第10-14页 |
| 2.2.2 国内财务危机主要研究方法概述 | 第14-15页 |
| 2.2.3 目前财务危机定量研究方法总评 | 第15页 |
| 第3章 财务危机描述与分析 | 第15-24页 |
| 3.1 上市公司财务危机的特征分析 | 第15-17页 |
| 3.2 上市公司财务危机的成因分析 | 第17-20页 |
| 3.3 上市公司财务危机的征兆分析 | 第20-22页 |
| 3.4 上市公司财务危机预警系统 | 第22-24页 |
| 第4章 模型的设计的理论框架 | 第24-31页 |
| 4.1 支持向量机的概述 | 第24-25页 |
| 4.2 支持向量机基础理论 | 第25-30页 |
| 4.2.1 支持向量机基本思想 | 第25-26页 |
| 4.2.2 最优分类面和广义最优分类面 | 第26-28页 |
| 4.2.3 支持向量机的非线性映射 | 第28-29页 |
| 4.2.4 核函数 | 第29-30页 |
| 4.3 支持向量机与传统方法比较的优势 | 第30-31页 |
| 第5章 模型的建立以及实证分析 | 第31-41页 |
| 5.1 模型样本的选择 | 第31-33页 |
| 5.1.1 模型样本选择的标准 | 第31-32页 |
| 5.1.2 样本抽取以及筛选的步骤 | 第32-33页 |
| 5.2 财务指标体系的确定 | 第33-36页 |
| 5.3 提取主成分 | 第36-41页 |
| 5.3.1 自变量相关性的分析 | 第36-38页 |
| 5.3.2 主成分分析及模型 | 第38-39页 |
| 5.3.3 支持向量机模型结果 | 第39-41页 |
| 第6章 方案的优化以及合理性检验 | 第41-46页 |
| 6.1 引入TOPSIS法进行模型改进 | 第41-43页 |
| 6.2 对方案的稳健性进行优化 | 第43-46页 |
| 第7章 结论 | 第46-49页 |
| 7.1 本文结论 | 第46页 |
| 7.2 对未来上市公司财务预警的建议 | 第46-47页 |
| 7.3 研究的局限性 | 第47-48页 |
| 7.4 后续研究展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52-56页 |
| 配比公司数据 | 第56-58页 |
| 致谢 | 第58-59页 |
