| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 财务危机预警国内外研究现状 | 第12-16页 |
| 1.2.1 单变量预警模型 | 第12-13页 |
| 1.2.2 多元判别模型 | 第13页 |
| 1.2.3 Logistic回归分析模型 | 第13-14页 |
| 1.2.4 神经网络判别模型 | 第14-15页 |
| 1.2.5 支持向量机 | 第15页 |
| 1.2.6 分类器集成 | 第15-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.3.1 本文主要研究内容 | 第16页 |
| 1.3.2 本文创新点 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 理论综述 | 第19-32页 |
| 2.1 财务危机预警的基本概念 | 第19-20页 |
| 2.1.1 财务危机的概念 | 第19页 |
| 2.1.2 本文对财务危机的界定 | 第19页 |
| 2.1.3 财务危机预警相关概念 | 第19-20页 |
| 2.2 支持向量机的基本理论 | 第20-25页 |
| 2.2.1 统计学习理论 | 第20-21页 |
| 2.2.2 支持向量机概述 | 第21-22页 |
| 2.2.3 线性可分问题 | 第22-23页 |
| 2.2.4 线性不可分问题 | 第23页 |
| 2.2.5 非线性问题 | 第23-25页 |
| 2.3 DS证据理论基本理论 | 第25-29页 |
| 2.3.1 证据理论的发展和应用 | 第25页 |
| 2.3.2 证据理论基本概念 | 第25-27页 |
| 2.3.3 证据理论的集成规则 | 第27-29页 |
| 2.4 盈余管理基本理论 | 第29-32页 |
| 2.4.1 盈余管理定义和动机 | 第29-30页 |
| 2.4.2 盈余管理计量模型 | 第30-32页 |
| 第三章 基于DS证据理论SVM集成的企业财务危机预警研究 | 第32-42页 |
| 3.1 基于DS证据理论SVM集成的财务危机预警模型 | 第32-35页 |
| 3.2 本文模型进行财务危机预警的步骤 | 第35-36页 |
| 3.3 改进的DS集成规则 | 第36-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 实证分析 | 第42-52页 |
| 4.1 样本数据集和指标体系 | 第42-44页 |
| 4.1.1 样本数据的选择 | 第42页 |
| 4.1.2 财务指标体系的建立 | 第42-44页 |
| 4.2 实证结果分析 | 第44-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 总结和展望 | 第52-54页 |
| 5.1 本文的主要工作和结论 | 第52页 |
| 5.2 本文的不足及研究展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 作者简介 | 第59页 |