| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第9-18页 |
| 1.1 研究的背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究文献综述 | 第11-15页 |
| 1.2.1 国内研究文献综述 | 第11-13页 |
| 1.2.2 国外研究文献综述 | 第13-15页 |
| 1.3 论文的研究方法和研究内容 | 第15-18页 |
| 1.3.1 研究方法 | 第15页 |
| 1.3.2 研究内容 | 第15-16页 |
| 1.3.3 研究框架 | 第16-18页 |
| 第2章 财务危机预警概述及制造业上市公司财务危机原因分析 | 第18-24页 |
| 2.1 财务危机 | 第18-19页 |
| 2.1.1 财务危机的概念 | 第18-19页 |
| 2.1.2 财务危机的特征 | 第19页 |
| 2.2 财务预警 | 第19-21页 |
| 2.2.1 财务预警的概念 | 第19-20页 |
| 2.2.2 财务预警的功能 | 第20页 |
| 2.2.3 财务预警的程序 | 第20-21页 |
| 2.3 制造业上市企业财务危机原因分析 | 第21-24页 |
| 第3章 支持向量机概述 | 第24-29页 |
| 3.1 支持向量机的统计学基础 | 第24-25页 |
| 3.1.1 VC维 | 第24页 |
| 3.1.2 结构风险最小化原则 | 第24-25页 |
| 3.2 线性支持向量机 | 第25-27页 |
| 3.3 非线性支持向量机 | 第27-28页 |
| 3.4 支持向量机算法的特点 | 第28-29页 |
| 第4章 制造业上市公司研究样本的选择和指标体系的确定 | 第29-34页 |
| 4.1 研究样本的选择 | 第29页 |
| 4.1.1 样本公司的选择 | 第29页 |
| 4.1.2 研究所属期间的选择 | 第29页 |
| 4.2 财务预警指标的选择 | 第29-34页 |
| 第5章 基于指标显著性检验和支持向量机的财务预警模型 | 第34-39页 |
| 5.1 指标的显著性检验 | 第34-37页 |
| 5.1.1 K-S正态分布检验 | 第34-35页 |
| 5.1.2 独立样本T检验 | 第35-36页 |
| 5.1.3 MANN-WHITNEY U检验 | 第36-37页 |
| 5.2 支持向量机训练和预测结果 | 第37-39页 |
| 第6章 基于主成分分析和支持向量机的财务预警模型 | 第39-46页 |
| 6.1 主成分分析法概述 | 第39-41页 |
| 6.1.1 主成分分析的基本原理 | 第39页 |
| 6.1.2 主成分分析的步骤 | 第39-41页 |
| 6.2 实证分析 | 第41-46页 |
| 6.2.1 指标的主成分分析 | 第41-44页 |
| 6.2.2 支持向量机的训练和预测 | 第44-46页 |
| 第7章 基于粒子群优化支持向量机的财务预警模型 | 第46-50页 |
| 7.1 粒子群算法概述 | 第46-47页 |
| 7.1.1 粒子群算法基本原理 | 第46页 |
| 7.1.2 粒子群算法的步骤 | 第46-47页 |
| 7.2 实证分析 | 第47-50页 |
| 第8章 结论和建议 | 第50-53页 |
| 8.1 研究结论 | 第50页 |
| 8.2 研究局限性及展望 | 第50-51页 |
| 8.3 对策建议 | 第51-53页 |
| 附录 | 第53-59页 |
| 参考文献 | 第59-63页 |
| 后记 | 第63页 |
