财务危机预警模型在信贷风险管理中的应用研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·问题的提出和研究的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·国外研究现状 | 第10-13页 |
| ·国内研究现状 | 第13-14页 |
| ·论文的结构与技术路线 | 第14-16页 |
| ·研究方法与创新之处 | 第16-17页 |
| 2 信贷风险管理中的财务危机分析 | 第17-24页 |
| ·信贷风险的涵义 | 第17-19页 |
| ·信贷风险评估方法 | 第19-21页 |
| ·信贷风险管理中的财务危机观 | 第21-24页 |
| 3 财务危机预警模型方法研究 | 第24-29页 |
| ·财务危机预警概述 | 第24页 |
| ·预警模型的相关研究方法 | 第24-28页 |
| ·单变量分析法 | 第25页 |
| ·多元判别分析法 | 第25-26页 |
| ·Logistic 回归分析法 | 第26-27页 |
| ·人工神经网络模型 | 第27-28页 |
| ·模型的比较分析 | 第28-29页 |
| 4 支持向量机的相关基本理论 | 第29-39页 |
| ·机器学习的基本原理 | 第29-30页 |
| ·学习问题的表示方法 | 第29-30页 |
| ·经验风险最小化归纳原则 | 第30页 |
| ·统计学习理论的主要内容 | 第30-32页 |
| ·学习过程的一致性 | 第30-31页 |
| ·函数集的VC 理论 | 第31页 |
| ·结构风险最小化归纳原则 | 第31-32页 |
| ·支持向量机 | 第32-39页 |
| ·最优分类超平面 | 第33页 |
| ·支持向量机 | 第33-36页 |
| ·最小二乘支持向量机 | 第36-39页 |
| 5 我国企业财务危机预警实证研究 | 第39-61页 |
| ·模型样本的确定 | 第39-42页 |
| ·模型指标的选取 | 第42-55页 |
| ·指标的确定原则与分类 | 第42-43页 |
| ·基础指标的分析 | 第43-50页 |
| ·模型指标的确定 | 第50-55页 |
| ·Logistic 回归分析 | 第55-57页 |
| ·LS-SVM 算法分析 | 第57-61页 |
| 6 结论及模型在信贷风险管理中的应用 | 第61-64页 |
| ·研究结论 | 第61页 |
| ·对后续研究的建议 | 第61-62页 |
| ·模型在信贷风险管理应用中应注意的事项 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第68-69页 |
| 独创性声明 | 第69页 |
| 学位论文版权使用授权书 | 第69页 |
